La salud de los cultivos es un aspecto importante en la industria cafetera, de ella depende la cantidad y la calidad de la producción, por lo general, estos son monitoreados visualmente de acuerdo a la experiencia del caficultor. Sin embargo, existen factores que no pueden ser percibidos a simple vista. Por tal razón, en este trabajo de grado se tiene como propósito diseñar un método que transforme el proceso manual para detección de incidencia de Cercospora Coffeicola basado en imágenes obtenidas desde un VANT.
Este procedimiento se realiza con la intención de identificar características relevantes de la Cercospora Coffeicola en el cultivo de café que permitan determinar o tener una idea del estado de salud de las plantas cuando dicha enfermedad está presente, mediante el cálculo de índices de vegetación.
Como objetivo adicional, se busca estimar la incidencia de la enfermedad en el cultivo a través del análisis de datos espectrales de las plantas enfermas, llevando a la construcción de un modelo basado en una red neuronal multicapa con el cual se logra precisar la afectación de la enfermedad. El desempeño del método desarrollado es comparado con el método tradicional, lo que se realiza con pruebas en un entorno real. Los resultados del método propuesto, dan muestra del potencial para detectar la incidencia alta, media y baja de la Cercospora Coffeicola (Mancha de Hierro) en cultivos de café afectados.
Cabe destacar que, para obtener una validación real de la magnitud de la afectación de la mancha de hierro en un cultivo, este estudio tuvo como herramienta un lote de árboles de café que no fue tratado ni protegido, por lo cual se pudo realizar el seguimiento a la evolución de la enfermedad.
The health of the crops is an important aspect in the coffee industry, since the quantity and quality of the production depends on it, in general, the crops are monitored visually according to the experience of the coffee grower. However, there are factors that cannot be perceived with the human eye. For this reason, the purpose of this degree thesis is to design a method that transforms the manual process for detecting the incidence of Cercospora Coffeicola based on images obtained from a UAV.
This process is carried out with the intention of identifying relevant characteristics of Cercospora Coffeicola in the coffee crop that allow to determine or have an idea of the status of health of the plants when this disease is present, through the calculation of vegetation indices.
As an additional objective, we seek to estimate the incidence of the disease in the crop through the analysis of spectral data of diseased plants, leading to the construction of a model based on a multilayer neural network with which it is possible to determine the affectation of the disease. The performance of the developed method is compared with the traditional method, which is tested in a real environment. The results of the proposed method show the potential to detect the high, medium and low incidence of Cercospora Coffeicola in affected coffee crops.
It is important to highlight that, in order to obtain a real validation of the magnitude of the affectation of the disease in a crop, this study had as a tool a lot of coffee trees that were neither treated nor protected, so it was possible to follow the evolution of the disease.
