SciELO - Scientific Electronic Library Online

 
vol.31 número62Proposta de implementação de crowdmapping para reconhecimento habitacional em curadorias urbanasModelagem de requisitos funcionais ágeis da engenharia de requisitos orientada a objetivos: Um estudo de mapeamento sistemático índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Em processo de indexaçãoCitado por Google
  • Não possue artigos similaresSimilares em SciELO
  • Em processo de indexaçãoSimilares em Google

Compartilhar


Revista Facultad de Ingeniería

versão impressa ISSN 0121-1129versão On-line ISSN 2357-5328

Resumo

ARTEAGA-LOPEZ, Natalia; DELGADO-CALVACHE, Carlos; CASANOVA, Juan-Fernando  e  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 26-Jan-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.

Palavras-chave : agricultura; café; datos sintéticos; imágenes multiespectrales; índices de vegetación; UAV.

        · resumo em Português | Inglês     · texto em Inglês     · Inglês ( pdf )