Beruflich Dokumente
Kultur Dokumente
Facultad de Ingeniería
Escuela Profesional de Ingeniería Mecatrónica
Procesamiento de Imágenes
AUTORES :
- BEJARANO REYES, Mauricio
- RODRIGUEZ CARBAJAL, Arnold
- SILVA VALERA, Giancarlo
- SILVA ZUTA, David
CICLO : IX
Trujillo, Perú
20 de Julio del 2020
ii
Tabla de Contenidos
RESUMEN......................................................................................................................................v
1. INTRODUCCION...................................................................................................................1
1.1. OBJETIVOS....................................................................................................................2
MULTIESPECTRALES..................................................................................................................4
3. VIABILIDAD EN LA LOCALIDAD...................................................................................10
4. CONCLUSIONES.................................................................................................................13
5. REFERENCIAS BIBLIOGRÁFICAS..................................................................................14
iii
Lista de Tablas
Figura 2.1: Flujo de trabajo para obtener mapas de índices de un campo de cultivo [1]................5
Figura 2.2: Ortomosaico RGB construido con Pix4D volando a 120 m de altura con 4 puntos de
Figura 2.3: Mapas del índice vegetativo NDVI (izquierda) y ortofoto RGB (derecha) obtenidos
en Pix4D representado el valor 0.8 de la escala el máximo nivel de vigor vegetal y los
valores más cercanos a cero zonas con despoblamiento vegetal o suelo [1]...........................7
Figura 2.4: Ortofoto RGB obtenida con Agisoft PhotoScan desde 120 m de altura [1].................8
Figura 2.5: Mapa NDVI obtenido con Agisoft PhotoScan desde 120 m de altura. Las zonas
blancas corresponden a suelo o sectores con baja densidad vegetal y los puntos de un verde
Figura 2.6: Mapa NDVI obtenido con Pix4D de una parcela de las variedades de caña C266-70,
C46-12, C86-12, C86-56. Cada variedad está encerrada en un cuadrado verde claro. A
valores más cercanos de 0.8 mayor vigor vegetal de las plantaciones [1]...............................9
v
RESUMEN
Para dicho propósito se hicieron pruebas sobre un campo de caña de 14 meses en maduración,
dichas pruebas se usó los softwares de procesamiento de imágenes, Agisoft Photoscan y Pix4D,
programas respecto a facilidad de uso, tiempo de procesamiento y calidad visual del producto y
se definen las condiciones de vuelo del VANT para una correcta recolección de imágenes con la
cámara multiespectral Parrot Sequoia. Los resultados mostraron a Pix4D como el programa más
eficiente para realizar cálculos de índices vegetativos, ya que este incorpora correcciones
radiométricas específicas a los ortomosaicos. Analizando los resultados con agrónomos expertos
se determinó que la respuesta espectral permite diferenciar los campos según la edad y densidad
poblacional por parcelas, pero con los mapas NDVI no se diferencia las variedades sembradas en
una misma fecha. Finalmente, para lograr un mejor análisis de fotografías del terreno
estos procesos que asegure una sostenibilidad ambiental y económica logrando satisfacer
plaguicidas y fertilizantes [2]. Surge como una alternativa, las herramientas tecnológicas
para el monitoreo.
Para esto se usó la agricultura de precisión que significa optimizar calidad y cantidad del
producto agrícola minimizando el costo por uso de tecnologías más eficientes [3]. Esta
mediante un equipo con el que no está en contacto, siendo las imágenes multiespectrales
Varios autores han comprobado la relación entre las variables relacionadas con la
producción de la planta con datos de sensores remotos. Como el índice de área foliar
(LAI), verdor y nitrógeno de la hoja, altura, nivel de clorofila, o nivel de agua, etc [5-10].
Las diferencias entre las firmas espectrales de la vegetación sana y estresada son notables
productividad [11].
empleando imágenes RGB [12,13]; con esta tecnología es posible la adquisición de las
Cuba, con diferentes tipos de cañas de azúcar, usando la tecnología VANT y técnicas de
usando las nuevas tecnologías para la elaboración de mapas de índices vegetativos que
permitan identificar parcelas de caña por variedad o con baja densidad vegetal.
1.1. OBJETIVOS
procesamiento de imágenes.
2. PROCEDIMIENTO PARA LA TOMA Y EL PROCESAMIENTO
Para la toma de imágenes multiespectrales se usó el vehículo 3DR RT X8+ y se usó como
guía a la bibliografía [14], con el software Mission Planer se hicieron los vuelos
características de las cámaras y software para definición del polígono del área de
influencia.
meses con urea, superfosfato triple, cloruro de potasio; al campo de 6 meses con
superfosfato triple y cloruro de potasio. Los vuelos fueron a 40, 80 y 120 m a 6 m/s; pero
sólo la última altura arrojó buenos resultados, por tanto, sólo se presentarán resultados de
esta. El tamaño del píxel del suelo (GSD) de las ortofotos realizadas fue de 3, 7 y 11
Figura 2.1: Flujo de trabajo para obtener mapas de índices de un campo de cultivo [1].
Para la construcción de los mosaicos RGB y NIR del área de estudio, se usó los softwares
en 3D del área y el modelo digital de elevación para identificar la densidad de caña por
En la figura 2.2 vemos como las parcelas de 18 meses se tornan de color pardo mientras
que las de 6 meses de verde claro por su nivel de clorofila en su período de crecimiento
softwares de 5 cm/píxel.
Figura 2.2: Ortomosaico RGB construido con Pix4D volando a 120 m de altura con 4
puntos de control foto insertados en los extremos de las flechas azules [1].
En el vuelo a 40 metro de altura a 6m/s con tiempo entre disparos de 1.4 segundos y
En los vuelos a 80 y 120 metros se obtuvo el índice NDVI de los mosaicos y se identificó
sectores con elevados niveles de NDVI y bloques de caña con un alto vigor vegetal. En
cuanto a las parcelas, la caña en crecimiento mostró un índice NDVI mayor a la madura.
En cuanto a las parcelas sembradas en igual fecha, los mapas de índices NDVI facilitaron
conocer el área con cultivos saludables y sectores con déficit nutricional. Gracias a esto
respuesta espectral y en base a esto trazar planes para una dosificación diferenciada de
insumos. Se cuenta con gran precisión en la correlación de valores NDVI con el estado de
salud de las plantas, mostrándose los mayores valores NDVI (superior a 0.49) en las
parcelas más saludables, bajos valores (entre 0.21 y 0.39) en las más afectadas y casi
Figura 2.3: Mapas del índice vegetativo NDVI (izquierda) y ortofoto RGB (derecha)
vegetal y los valores más cercanos a cero zonas con despoblamiento vegetal o suelo [1].
reconocen los sectores de un elevado vigor vegetal mediante el mapa de índices NDVI.
Figura 2.4: Ortofoto RGB obtenida con Agisoft PhotoScan desde 120 m de altura [1].
Figura 2.5: Mapa NDVI obtenido con Agisoft PhotoScan desde 120 m de altura. Las
zonas blancas corresponden a suelo o sectores con baja densidad vegetal y los puntos de
Con otro experimento se intentó usar el índice NDVI para diferenciar las variedades de
caña en cada parcela. Par lo cual uso del software Pix4d para analizar la imagen
multiespectral de un bloque con las variedades C266-70, C46-12, C86-12, C86-56, todas
de 6 meses de vida (Figura 2.6). De esto se pudo evaluar los niveles de clorofila con el
mapa de índice NDVI, pero no se identificó las variedades sembradas al dar todas valores
Figura 2.6: Mapa NDVI obtenido con Pix4D de una parcela de las variedades de caña
C266-70, C46-12, C86-12, C86-56. Cada variedad está encerrada en un cuadrado verde
claro. A valores más cercanos de 0.8 mayor vigor vegetal de las plantaciones [1].
Variedad de Caña Nivel del índice Nivel del índice Nivel del índice
de azúcar NDVI Mínimo NDVI Promedio NDVI Máximo
C266-70 0.22 0.64 0.85
C46-12 0.22 0.66 0.87
C86-12 0.22 0.68 0.87
C86-56 0.22 0.69 0.87
3. VIABILIDAD EN LA LOCALIDAD
Posee la capacidad instalada para procesar 6.9 millones de toneladas de caña al año y
de obras civiles e hidráulicas, diseño de campo, vías de acceso, entre otras, para el
ablanda el suelo (rastro arada y pulida) para facilitar el enraizamiento del cultivo,
Siembra: Se acomodan las semillas en los surcos y se cubren con una capa de
Por medio de los mapeos aéreos en sus campos de sembríos en las zonas de Laredo,
mediante el software Pix4D a 120 m de altura y buscando reproducir las condiciones más
parcelas en los terrenos mencionados. De los mosaicos se obtiene el índice NDVI, del
con cultivos saludables y sectores con déficit nutricional, y con ello trazar planes para
sectores con caña saludable y los con déficit nutricional, permitiendo un ahorro
cantidad de sacarosa del mismo, debido a una pertinente intervención en áreas afectadas
crecimiento y reducción de mano de obra para supervisar los campos de caña de azúcar.
relevante de acuerdo con uno de los principales problemas aquejan a la ciudad de Trujillo
mecanizada es una práctica aun poco común en la industria azucarera por lo que una
agrupadas por la edad en la que fueron sembradas, empleando del índice NDVI se
caña joven posee mayor indicie NDVI que la caña madura debido a poseer mayor
intensidad de color verde y así determinar que parcelas de cultivo están listas para ser
cosechadas.
4. CONCLUSIONES
multiespectrales por su facilidad de montar cámaras para dicho fin y obtener imágenes
problemas en los cultivos y tomar decisiones en base a ello. Sin embargo, no es posible
obtener ortomosaicos RGB sin distorsiones si se hacen los vuelos a 40 metros de altura
mostrará un índice NDVI mayor a la madura. Por otro lado, la ortofoto NDVI generada
permite clasificar las parcelas según su vigor vegetal, de manera que se muestran los
mayores valores NDVI (superior a 0.49) en las parcelas más saludables, bajos valores
(entre 0.21 y 0.39) en las más afectadas y casi nulos (NDVI por debajo de 0.21) en
sectores de vegetación pobre. Pero los mapas de índice NDVI no posibilitan determinar
procesamiento, Pix4D es el programa más eficiente para realizar los cálculos de índices
5. REFERENCIAS BIBLIOGRÁFICAS
1. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1815-59282018000200007
http://eprints.ucm.es/31423/1/TFM_Juan_Diaz_Cervignon.pdf
4. García-Ferrer A. Potencialidad y nuevas orientaciones en el uso de la teledetección en
2013(105):6-15.
5. Serrano L, Filella I, Penuelas J. Remote sensing of biomass and yield of winter wheat
agricultural crop characteristics, CEO research publication series No. 1. Center for Earth
2002;94(6):1215-21.
8. Goel NS. Models of vegetation canopy reflectance and their use in estimation of
212.
9. Lee K-S, Cohen WB, Kennedy RE, Maiersperger TK, Gower ST. Hyperspectral versus
multispectral data for estimating leaf area index in four different biomes. Remote Sensing
of Environment. 2004;91(3):508-20.
10. Wright DL, Rasmussen VP, Ramsey RD, Baker DJ, Ellsworth JW. Canopy
11. Meneses VAB, Téllez JM, Velasquez DFA. Uso de drones para el analisis de
12. Fernandez PM, Martínez DO, García EP, Lorenzo FB, editors. Vehículos aéreos no
15. Ferrer Reyes M, Roque Rodés R, Lamelas Felipe C, González Marrero A. Relación
entre el tiempo térmico acumulado durante el gran periodo de crecimiento con los