Sistema de teledetección aérea para control de agentes patógenos y enfermedades en cultivos de brócoli con el uso de visión artificial
No Thumbnail Available
Files
Date
2023-09
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Carrera de Telecomunicaciones
Abstract
Broccoli is one of the agricultural products in Ecuador with the highest rate of imports worldwide, due to this the development of the crop must be routinely inspected to counteract the curses that harm its production such as pests or diseases and preserve its high rate of productive quality. For this reason, the present research project is oriented to carry out inspection of broccoli crops by air with pre programmed flight plans that help to analyze the health status of the crop to be treated on time. The design and implementation of the aerial remote sensing system for the control of pathogens and diseases in broccoli crops is developed through the use of the YOLO v5x artificial vision algorithm for deep learning of the system in various production circumstances.
The aerial remote sensing system uses a drone that helps to move the active and
passive sensors that interact in the system. This drone is autonomous thanks to the
implementation of a GPS module on its flight control board, which helps planning
grid-type pre-programmed flights. This system receives the analysis of the health
status of the broccoli crop by capturing images through a high-definition camera
incorporated into the drone. Each image is captured in a time frame of 10 seconds to
carry out its respective processing in real time through a graphical interface programmed in Python.
The image consists of positioning data such as altitude and latitude obtained through
a geolocation system that was implemented in the drone. These data help to locate
the specific point where the images were captured and interpret the results obtained
in the analysis of the culture for each one of them. The results of the image processing are stored in a database, for the autonomous training of the artificial vision algorithm and improvement of the prototype in the detection of false positives and false negatives
Description
El brócoli es uno de los productos agrícolas en Ecuador con mayor índice de importaciones a nivel mundial, debido a esto el desarrollo del cultivo debe ser inspeccionado de manera rutinaria para contrarrestar los maleficios que perjudiquen
su producción como agentes patógenos o enfermedades y conservar su alto índice de
calidad productiva. Por esta razón el presente proyecto investigativo se orienta a
realizar inspecciones de cultivos de brócoli por vía aérea con planificaciones de
vuelo preprogramadas que ayuden al análisis del estado de salud del cultivo para ser
tratado a tiempo. El diseño e implementación del sistema de teledetección aérea para
control de agentes patógenos y enfermedades en cultivos de brócoli es desarrollado
mediante el uso del algoritmo YOLO v5x de visión artificial para el aprendizaje
profundo del sistema en diversas circunstancias de producción.
El sistema de teledetección aérea utiliza un dron que ayuda al desplazamiento de los
sensores activos y pasivos que interactúan en el sistema. Este dron es de tipo
autónomo gracias a la implementación de un módulo GPS en su placa de control de
vuelo, lo cual ayuda a la planificación de vuelos preprogramados de tipo cuadrícula.
Este sistema recibe el análisis del estado de salud del cultivo de brócoli mediante la
captura de imágenes a través de una cámara de alta definición incorporada al dron.
Cada imagen es capturada en un lapso de tiempo de 2 segundos para realizar su
procesamiento respectivo a través de una interfaz gráfica programada en Python.
La imagen consta de datos de posicionamiento como latitud y longitud obtenidas
mediante un sistema de geolocalización que fue implementado en el dron. Estos
datos ayudan a localizar el punto especifico donde fueron capturadas las imágenes e
interpretar los resultados obtenidos en el análisis del cultivo para cada una de ellas.
Los resultados del procesamiento de las imágenes son guardados en una base de
datos, para el entrenamiento autónomo del algoritmo de visión artificial y mejora del
prototipo en detección de falsos positivos y falsos negativos.
Keywords
TELEDETECCIÓN, AUTÓNOMO, DRON, YOLO, PYTHON, GEOLOCALIZACIÓN