Modelo de predicción del rendimiento de un cultivo de café mediante análisis de imágenes aéreas multiespectrales

Abstract

Antecedentes: El rendimiento del cultivo es un factor importante para la evaluación de los procesos productivos y la rentabilidad de la industria cafetalera. Con frecuencia, el total de granos por unidad de área se estima utilizando mecanismos manuales como el conteo de granos, ramas, flores u otras medidas físicas. Por lo tanto, la estimación del rendimiento requiere inversión en tiempo y mano de obra; por ello, el proceso no es habitual entre los pequeños cultivos. Esta investigación estudia una alternativa no intrusiva y alcanzable para predecir el rendimiento del cultivo de café a través de imágenes aéreas multiespectrales. La propuesta está diseñada para cultivos pequeños y no técnicos que se controlan mediante fotografías aéreas capturadas por la cámara MapIR como carga útil de un vehículo aéreo no tripulado. Objetivos: Proponer un método de predicción temprana del rendimiento de cultivos de café basado en características físicas y espectrales obtenidas desde imágenes aéreas. Métodos: Proponemos un modelo de predicción basado en algoritmos de regresión alimentados por imágenes obtenidas desde aeronaves no tripuladas capturadas en la etapa de floración de cultivo. De esta forma el proyecto pretende calcular el rendimiento de forma temprana. Resultados: La presente propuesta entregó como resultado un modelo de predicción del rendimiento con una exactitud del 57 % para un modelo de regresión lineal múltiple. También se tiene una aplicación web que permite la obtención del rendimiento manual de forma ágil y dinámica. Conclusiones: El trabajo demostró que es factible ejecutar una predicción del rendimiento basado en información proveniente solo desde imágenes aéreas multiespectrales obtenidas con herramientas accesibles.

Antecedentes: The crop yield is an important factor for the evaluation of the productive processes and the profitability of the coffee industry. Frequently, the total grains per unit area is estimated using manual mechanisms such as counting grains, branches, flowers, or other physical measurements. Therefore, yield estimation requires investment in time and labor; for this reason, the process is not common among small crops. This research studies a non-intrusive and achievable alternative to predict coffee crop yield through multispectral aerial imagery. The proposal is designed for small, non-technical crops that are monitored by aerial photography captured by the MapIR camera as payload from an unmanned aerial vehicle. Objetivos: Propose a method of early prediction of the yield of coffee crops based on physical and spectral characteristics obtained from aerial images. M´etodos: This research proposes a prediction model based on regression algorithms with images obtained from unmanned aircraft captured in the crop flowering stage. In this way, the project calculates crop yield early. Resultados: The present proposal resulted in a crop yield prediction model with an accuracy of 57% for a multiple linear regression model. There is also a web application that allows obtaining manual performance in an agile and dynamic way. Conclusiones: The work demonstrated that it is feasible to execute a yield prediction based on information obtained only from multispectral aerial imagery obtained with accessible tools.