English   español  
Please use this identifier to cite or link to this item: http://hdl.handle.net/10261/160185
Share/Impact:
Statistics
logo share SHARE   Add this article to your Mendeley library MendeleyBASE
Visualizar otros formatos: MARC | Dublin Core | RDF | ORE | MODS | METS | DIDL
Exportar a otros formatos:
Title

Detección temprana de malas hierbas dentro y fuera de la línea de cultivo mediante imágenes- UAV y modelos 3D

Other TitlesEarly weed detection between and within the crop row using UAV images and 3D models
AuthorsTorres-Sánchez, Jorge ; López Granados, Francisca ; Castro, Ana Isabel de ; Jiménez-Brenes, Francisco Manuel ; Peña Barragán, José Manuel
KeywordsVehículo aéreo no tripulado
OBIA
Random Forest
Manejo localizado
Agricultura de precisión
Girasol
Unmanned aerial vehicle
Site-specific weed management
Precision agriculture
Sunflower
Issue Date2017
PublisherUniversidad Pública de Navarra
CitationXVI Congreso de la Sociedad Española de Malherbología: Actas. Pamplona-Iruña, 25-27 octubre, 2017: 407-412 (2017)
Abstract[ES] Se ha desarrollado una metodología automática para la detección temprana de malas hierbas dentro y fuera de la línea de cultivo en fase temprana usando como variable discriminante la altura de las plantas (cultivo y malas hierbas), calculada mediante técnicas fotogramétricas. Se utilizó un UAV equipado con una cámara modificada para captar información en las bandas del Rojo, Verde e Infrarrojo Cercano. Se tomaron imágenes sobre una parcela de girasol infestada por diferentes especies de malas hierbas en fase temprana. Las imágenes fueron procesadas para generar una ortoimagen y un modelo tridimensional del cultivo y malas hierbas para su posterior análisis usando métodos orientados a objetos y el clasificador Random Forest. Se comparó la infestación de malas hierbas detectada con la realmente existente en el campo en una serie de marcos de referencia, obteniéndose un coeficiente de determinación de 0,91 entre ambas variables.
[EN] An automatic methodology for early season weed detection between and within the crop rows has been developed, where the main innovation was the use of plant height as discriminant feature. An UAV equipped with a conventional camera modified for R (red), G (green) and NIR (near infrared) acquisition was used for taken images over a sunflower plot infested with different weed species in early season. The images were processed to generate an orthomosaic and a digital surface model (DSM) representing both the crop and weeds, and they were analyzed using object based image analysis (OBIA) and Random Forest classifier. Automatically detected weed cover was compared with the real weed cover in the field in a number of reference frames, and the determination coefficient between both variables was 0.91.
DescriptionTrabajo presentado en el XVI Congreso de la Sociedad Española de Malherbología, celebrado en Pamplona-Iruña, entre los días 25 y 27 de octubre de 2017.
URIhttp://hdl.handle.net/10261/160185
ISBN978-84-9769-327-1
ReferencesD.L. NA 2238/2017
Appears in Collections:(IAS) Libros y partes de libros
Files in This Item:
File Description SizeFormat 
malas_hierbas_Torres.pdf392,24 kBAdobe PDFThumbnail
View/Open
Show full item record
 


WARNING: Items in Digital.CSIC are protected by copyright, with all rights reserved, unless otherwise indicated.