Clasificación y cuantificación de maleza en cultivos de hortalizas por medio de procesamiento de imágenes digitales multiespectrales

Abstract

El muestreo convencional de la cobertura ha sido una de las metodologías más usadas para cuantificar poblaciones de malezas, Sin embargo, presenta una limitación que es la subjetividad o los sesgos entre los evaluadores. Para esto se propone la creación de un software que por medio de procesamiento de imágenes multiespectrales permita calcular coberturas de maleza en áreas determinadas por el usuario. Este sistema está basado en algoritmos de clustering y máquinas de soporte vectorial que calculan el área de pıxeles detectados como componentes de maleza para obtener un porcentaje de cobertura dentro de una región de interés. Finalmente, a partir de estos datos se construyen modelos que permitan ser instalados en un sistema embebido como el Raspberry Pi que se desempeñarían como unidades centrales de un sistema autónomo con la posibilidad de realizar tareas de manera autónoma como por ejemplo la aplicación de herbicidas. Este trabajo se validó a través de expertos en malherbología que estimaron malezas visualmente y se compararon con los resultados del software, los resultados de las estimaciones humano software entregaron desviaciones estándar de hasta el 24 % entre evaluadores y software lo que da a entender que existe una diferencia muy elevada entre personas y puede impedir una evaluación precisa dentro de un muestreo de malezas sin la ayuda de herramientas tecnológicas, este tipo de información fue analizada con pruebas estadísticas. Por otro lado, se construyeron modelos de clasificación de cultivos y maleza por medio que máquinas de soporte vectorial que entregaron resultados satisfactorios con precisión superior al 90 %. Por último, se realizaron pruebas del software en un experimento agronómico real en donde se calculan coberturas de maleza dentro de un cultivo de arveja para evaluar eficacia de herbicidas, la evaluación se realizó 3 veces cada 12 días para poder obtener la cobertura de maleza alrededor del cultivo bajo los efectos de herbicidas diferentes.

Abstract: Coverage weed sampling has been one of the most used methodologies in weed population quanti- fication. However it has a limitation according to subjectivity and bias between evaluators. Thus a Multispectral Image processing based software is propossed with weed coverage calculation over a Region of interest based on clustering and SVM algorithms detecting pixels as weed components and finally getting a weed percentage inside the image. Then with collected data a svm model was constructed and embedded into a raspberry pi, this device can act as a brain of an autonomous fu- migation system. The main software was validated trough experts and statistical tests proving the bias between evaluators with a 24 % of weed coverage standard deviation.In the other way SVM models was tested with a set of images getting 90 % of precission. Finally a herbicide efficacy test was taken with this software over a vetch crop evaluating 36 days of growing under different kinds of herbicides.