Estudio e implementación de algoritmos de visión artificial y modelos de color para la determinación de la cobertura vegetalaplicación a cultivos hortícolas

Resumen

Resumen En los últimos años, el procesamiento digital de imágenes y la visión artificial han demostrado ser herramientas muy potentes en el área de la agricultura. Cada vez se pueden encontrar más aplicaciones para la supervisión y gestión automática de los procesos hortícolas basadas en imágenes, cuyo objetivo es reducir los costes y aumentar la productividad de los cultivos. La visión por ordenador constituye, junto con otras disciplinas ingenieriles, la denominada agroingeniería. El objetivo principal de esta tesis es el análisis, diseño, desarrollo y validación de técnicas novedosas de análisis de imágenes y modelado de color destinadas a la estimación de la cobertura vegetal de cultivos hortícolas, con el fin último de calcular sus requerimientos hídricos. El cumplimiento de este objetivo general queda cubierto en tres grandes hitos, plasmados en las tres publicaciones que componen la unidad temática de este compendio: " En primer lugar, la realización de un análisis completo y exhaustivo de los espacios de color más habituales aplicados al problema de la segmentación suelo/planta de imágenes de la cubierta vegetal de los cultivos. En este primer hito se estudió la eficacia de los distintos mecanismos de modelado del color, usando una representación no paramétrica de las distribuciones de probabilidad con histogramas en distintas variantes de espacios de color, canales y dimensiones. " En segundo lugar, partiendo de los resultados del anterior análisis, el diseño de una técnica novedosa para el entrenamiento de los modelos de color, que incluye la selección del espacio de color óptimo y su configuración de canales y tamaño. Esta técnica puede ser aplicada en otros problemas genéricos de análisis de color, produciendo unos elevados porcentajes de acierto en la clasificación. " En tercer lugar, la creación y validación de herramientas prácticas que implementan los algoritmos previamente diseñados. Por un lado, se ha desarrollado una herramienta para PC centrada en la creación y gestión de los modelos de color a partir de una entrada parcial del usuario; y, por otro lado, se ha desarrollado una herramienta para dispositivos portátiles que permite realizar un completo análisis de imágenes sobre el terreno. Las imágenes utilizadas para los experimentos de esta investigación corresponden a cultivos de diversas variedades de campos de Cartagena y San Javier, principalmente de lechuga y colirrábano. Se tomaron series de fotos monitorizando el crecimiento de las plantas de varias parcelas diferentes a intervalos de 4 a 7 días, durante varios ciclos de cultivo en diversos años. Las imágenes fueron tomadas con cámaras digitales compactas a alta resolución. Después fueron recortadas respecto a un patrón rectangular, situado físicamente en el suelo, con el fin de garantizar la uniformidad de la zona bajo estudio. Las imágenes fueron segmentadas por un experto en forma supervisada, con un software comercial de análisis de imágenes. Los resultados de dicho proceso fueron tomados como la base para el entrenamiento y prueba de los algoritmos automáticos de procesamiento y modelado de color desarrollados. Para el análisis de las imágenes, se consideraron los espacios de color más utilizados en visión artificial. El método desarrollado calcula para cada color concreto de un píxel las probabilidades de pertenencia a las clases objetivo, planta (cobertura vegetal) o suelo (fondo). Esto se consigue mediante una estimación no paramétrica de las funciones de densidad de probabilidad, modeladas con histogramas normalizados en el espacio y canales de color óptimos para cada escenario. Como conclusión, se ha desarrollado un conjunto de técnicas y herramientas que permiten obtener de forma muy precisa y eficiente el porcentaje de cobertura vegetal de las imágenes. Este parámetro está relacionado con otras variables fundamentales en agronomía como la altura de las plantas, el coeficiente de cultivo y la profundidad de las raíces, que a su vez están relacionadas con la evapotranspiración de las plantas. Así que, en última instancia, esto nos acerca a la meta final de calcular las necesidades hídricas de los cultivos a través de las imágenes.