Por favor, use este identificador para citar o enlazar a este item:
http://hdl.handle.net/10261/159498
COMPARTIR / EXPORTAR:
SHARE BASE | |
Visualizar otros formatos: MARC | Dublin Core | RDF | ORE | MODS | METS | DIDL | DATACITE | |
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.author | Torres-Sánchez, Jorge | es_ES |
dc.contributor.author | Peña Barragán, José Manuel | es_ES |
dc.contributor.author | Serrano Pérez, Angélica | es_ES |
dc.contributor.author | López Granados, Francisca | es_ES |
dc.date.accessioned | 2018-01-23T13:06:39Z | - |
dc.date.available | 2018-01-23T13:06:39Z | - |
dc.date.issued | 2015 | - |
dc.identifier.citation | XV Congreso de la Sociedad Española de Malherbología: la malherbología y la transferencia tecnológica: 249-255 (2015) | es_ES |
dc.identifier.isbn | 978-84-608-2775-7 | - |
dc.identifier.uri | http://hdl.handle.net/10261/159498 | - |
dc.description | Trabajo presentado en el XV Congreso de la Sociedad Española de Malherbologia (SEMh), celebrado en Sevilla del 19 al 22 de octubre de 2015. | es_ES |
dc.description.abstract | [ES] Investigaciones recientes han demostrado la capacidad de las imágenes procedentes de vehículos aéreos no tripulados (UAV) para la cartografía de malas hierbas en fase de plántula, entre otros usos. El primer paso para su detección es la discriminación de suelo desnudo y vegetación (malas hierbas + cultivo). Para ello, es necesario definir un método que calcule automáticamente el umbral óptimo del índice de vegetación que facilita su detección. Uno de los métodos de cálculo de umbrales más extendido es el método de Otsu. Se presenta la adaptación de este método a un entorno de análisis de imagen orientado a objetos para su utilización en imágenes UAV de girasol, maíz y trigo tomadas con dos sensores de distinto rango espectral a bordo de un UAV. Se obtuvieron valores de R2 en torno a 0,7 para la relación entre la vegetación observada y la detectada automáticamente. | es_ES |
dc.description.abstract | [EN] Recent research has demonstrated the ability of Unmanned Aerial Vehicle (UAV) images for weed mapping in early season. First step is the discrimination between bare soil and vegetation (weeds + crop) throughout the definition of a method for optimal thresholding of the vegetation indices that allows vegetation detection. One of the best known thresholding procedures is the Otsu’s method. The adaptation of this method to an Object-based image analysis framework is presented for its application for vegetation detection in UAV images acquired over sun flower, maize and wheat crop. R2 values about 0.7 were achieved for the regression between observed and automatically detected vegetation. | es_ES |
dc.description.sponsorship | Este trabajo fue financiado por el proyecto AGL2014-52465-C4-4-R MINECO-FEDER. La investigación de Jorge Torres Sánchez y José Manuel Peña Barragán fue financiada por los programas FPI y Ramón y Cajal, respectivamente. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Junta de Andalucía | es_ES |
dc.relation | info:eu-repo/grantAgreement/MINECO/Plan Estatal de Investigación Científica y Técnica y de Innovación 2013-2016/AGL2014-52465-C4-4-R | es_ES |
dc.relation.ispartofseries | Agricultura | es_ES |
dc.relation.ispartofseries | Congresos y Jornadas | es_ES |
dc.rights | openAccess | es_ES |
dc.subject | Índices de vegetación | es_ES |
dc.subject | Sensores remotos | es_ES |
dc.subject | Teledetección | es_ES |
dc.subject | Multiespectral | es_ES |
dc.subject | Segmentación | es_ES |
dc.subject | Aplicación localizada de herbicidas | es_ES |
dc.subject | Vegetation indices | es_ES |
dc.subject | Sensors | es_ES |
dc.subject | Remote sensing | es_ES |
dc.subject | Multispectral | es_ES |
dc.subject | Segmentation | es_ES |
dc.subject | SSWM | es_ES |
dc.title | Detección automática de vegetación en estado de plántulas en imágenes procedentes de un vehículo aéreo no tripulado (UAV): aplicación para la discriminación de malas hierbas | es_ES |
dc.title.alternative | Automatic detection of vegetation in early season for weed detection in UAV images | es_ES |
dc.type | comunicación de congreso | es_ES |
dc.description.peerreviewed | No | es_ES |
dc.contributor.funder | Ministerio de Economía y Competitividad (España) | es_ES |
dc.contributor.funder | European Commission | es_ES |
dc.relation.csic | Sí | es_ES |
oprm.item.hasRevision | no ko 0 false | * |
dc.identifier.funder | http://dx.doi.org/10.13039/501100003329 | es_ES |
dc.identifier.funder | http://dx.doi.org/10.13039/501100000780 | es_ES |
dc.type.coar | http://purl.org/coar/resource_type/c_5794 | es_ES |
item.languageiso639-1 | es | - |
item.fulltext | With Fulltext | - |
item.openairecristype | http://purl.org/coar/resource_type/c_18cf | - |
item.cerifentitytype | Publications | - |
item.grantfulltext | open | - |
item.openairetype | comunicación de congreso | - |
Aparece en las colecciones: | (IAS) Libros y partes de libros |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
malas_hierbas_Torres.pdf | 132,38 kB | Adobe PDF | Visualizar/Abrir |
CORE Recommender
Page view(s)
208
checked on 22-abr-2024
Download(s)
288
checked on 22-abr-2024
Google ScholarTM
Check
Altmetric
NOTA: Los ítems de Digital.CSIC están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.