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 com câmeras multiespectrais para análise de lavouras 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.

A utilização de Veículos Aéreos Não Tripulados (VANTs) equipados com câmeras espectrais tem aumentado nos últimos anos, principalmente no setor agrícola, pois permite que agricultores e pesquisadores analisem o estado de uma lavoura, seja para analisar sua saúde, nutrientes, crescimento, epidemias, entre outros parâmetros. Na Colômbia, o setor cafeeiro enfrenta diversos desafios, como a necessidade de aumentar a produtividade, o rendimento e a qualidade do café. Este trabalho estimou o estado de saúde de um cultivo da variedade Castilla localizado em San Joaquín, Tambo, Cauca, para apoiar a tomada de decisões dos cafeicultores. Para fazer isso, os dados de clorofila foram medidos no campo com o dispositivo CCM-200 plus, imagens multiespectrais foram capturadas com a câmera aérea MAPIR SURVEY 3 em um SOLO 3DR UAV e dados sintéticos foram gerados para aumentar o conjunto de dados. Foram estabelecidos seis índices de vegetação que, juntamente com os valores de clorofila, foram modelados por meio da implementação de regressões lineares simples e múltiplas, árvores de decisão, máquinas vetoriais, florestas aleatórias e k-vizinhos mais próximos. O modelo com melhor desempenho e menor erro quadrático médio foi o modelo implementado com a máquina de vetores de suporte. Da mesma forma, os índices de melhor desempenho nos modelos foram CVI, GNDVI e GCI, amplamente utilizados na agricultura para estimar a clorofila das plantas.

Keywords : agricultura; café; dados sintéticos; imagens multiespectrais; índices de vegetação; UAV.

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