SciELO - Scientific Electronic Library Online

 
vol.31 issue62Proposal for the Implementation of Crowdmapping for the Recognition of Social Housing in Urban City CouncilsAgile Functional Requirements Modeling from Goal-Oriented Requirements Engineering: A Systematic Mapping Study author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Revista Facultad de Ingeniería

Print version ISSN 0121-1129On-line version ISSN 2357-5328

Abstract

ARTEAGA-LOPEZ, Natalia; DELGADO-CALVACHE, Carlos; CASANOVA, Juan-Fernando  and  FIGUEROA, Cristhian. Uso de VANTs equipados con cámaras multiespectrales para el análisis de cultivos de café. Rev. Fac. ing. [online]. 2022, vol.31, n.62, e204.  Epub Jan 26, 2023. ISSN 0121-1129.  https://doi.org/10.19053/01211129.v31.n62.2022.14870.

El uso de Vehículos Aéreos No Tripulados (UAVs) equipados con cámaras espectrales se ha incrementado en los últimos años, especialmente en el sector agrícola ya que permite a los agricultores e investigadores analizar el estado de un cultivo, ya sea para analizar su salud, nutrientes, crecimiento, epidemias, entre otros parámetros. En Colombia, el sector cafetero enfrenta varios desafíos, como la necesidad de incrementar la productividad, el rendimiento y la calidad del café. Este trabajo estimó el estado sanitario de un cultivo variedad Castilla ubicado en San Joaquín, Tambo, Cauca para apoyar la toma de decisiones de los caficultores. Para ello, se midieron datos de clorofila en campo con el dispositivo CCM-200 plus, se capturaron imágenes multiespectrales con la cámara MAPIR SURVEY 3 aerotransportada en un UAV SOLO 3DR y se generaron datos sintéticos para aumentar el conjunto de datos. Se establecieron seis índices de vegetación, los cuales, junto con los valores de clorofila, se modelaron mediante la implementación de regresiones lineales simples y múltiples, árboles de decisión, máquinas vectoriales, bosques aleatorios y k-vecinos más cercanos. El modelo con el mejor rendimiento y el menor error cuadrático medio fue el modelo implementado con máquina de vectores de soporte. De igual forma, los mejores índices de desempeño en los modelos fueron CVI, GNDVI y GCI, los cuales son muy utilizados en agricultura para estimar la clorofila de las plantas.

Keywords : agricultura; café; datos sintéticos; imágenes multiespectrales; índices de vegetación; UAV.

        · abstract in English | Portuguese     · text in English     · English ( pdf )