Sistema de sensado remoto para la agricultura de precisión

Abstract

Antecedentes: La agricultura de precisión ha transformado durante más de 30 años los métodos de producción con el fin de gestionar de manera eficiente los recursos en el campo agrícola. El método comúnmente utilizado para las prácticas de agricultura de precisión, es el sensado remoto, que actualmente se apoya en vehículos aéreos no tripulados. Sin embargo, los vehículos aéreos no tripulados o drones son comercializados con un diseño estándar, que implica que estas aeronaves no se ajusten a entornos cambiantes como los cultivos agrícolas. De esta manera se torna necesario el diseño de alternativas de sensado remoto basado en vehículos aéreos no tripulados que superen las actuales falencias y contribuyan a los esquemas de toma de decisiones sobre los recursos de los cultivos. Objetivo: Implementar un sistema de sensado remoto para agricultura de precisión soportado en un robot aéreo multirrotor de bajo costo (dron). Métodos: Se propone un sistema de sensado remoto para la recolección de información de cultivos agrícolas basado en una plataforma aérea de bajo costo, denominada AR Drone. La propuesta está divida en dos módulos de desarrollo fundamentales: un módulo de posicionamiento basado en filtro de Kalman que se adapte a condiciones ambientales no controladas, como los cultivos agrícolas; y un módulo de planificación de ruta que permita realizar cobertura completa de un área específica mediante algoritmos basados en descomposición de área aproximada. Resultados: El presente proyecto declara como resultados un conjunto de módulos de desarrollo para navegación y control del cuadricóptero AR Drone soportados en el sistema operativo ROS, un conjunto de algoritmos de planificación de cobertura para ambientes abiertos y una estrategia de sensado remoto utilizando una plataforma de bajo costo denominada AR Drone para la obtención de información confiable para la agricultura de precisión. Conclusiones: La validación de los módulos desarrollados en este trabajo de investigación arroja que el método que gestiona de manera óptima el posicionamiento de un cuadricóptero de bajo costo utilizando GPS para ambientes abiertos, es el filtro de Kalman. Además, las pruebas denotan que los algoritmos de planificación de ruta de cobertura tienen una eficiencia cercana al 90%, sin embargo, cumplen su función de acuerdo a factores externos. Los módulos planteados anteriormente marcan una diferencia entre los sistemas de teledetección conocidos comercialmente, ya que no solo gestionan la captura de datos, sino también mejoran el rendimiento de la plataforma considerando el viento, obstáculos y el sensor portado.

Background: Precision agriculture has transformed production methods for more than 30 years to efficiently manage resources in the agriculture. The commonly used method for precision farming practices is the remote sensing, which currently relies on unmanned aerial vehicles to firm up the agricultural sector. However, unmanned aerial vehicles or drones are marketed with a standard design, which implies that these aircraft do not adjust to changing environments such as agricultural crops. In this way, it is necessary to design remote sensing alternatives based on unmanned aerial vehicles that overcome the current shortcomings and contribute to decisionmaking schemes on crop resources. Objective: Implement a remote sensing system for precision agriculture supported on an aerial robot inexpensive (dron). Methods: A remote sensing system is proposed for the collection of information from agricultural crop based on a low cost aerial platform, called AR Drone. The proposal is divided into two fundamental development modules: a Kalman filter-based positioning module that adapts to uncontrolled environmental conditions, such as agricultural crops; And a path planning module that allows complete coverage of a specific area using algorithms based on approximate area decomposition and considering the aerial platform resources. Results: The present project states as results a set of development modules for navigation and control of the AR Drone quadcopter supported in the operating system ROS; a set of coverage planning algorithms for open environments, and a remote sensing strategy using a low-cost platform, called AR Drone, to obtain reliable information for precision agriculture. Conclusions: The validation of the modules developed in this research reveals that the method that optimally manages the positioning of a low-cost quadcopter using GPS for open environments is the Kalman filter. In addition, the tests denote that the algorithms of coverage path planning have an efficiency near 90%, nevertheless they fulfill their function according to external factors. The above-mentioned modules make a difference between commercially known remote sensing systems, as the prototype not only manages data capture, but also improves the performance of the platform considering the wind, obstacles and sensor.