El uso de vehículos aéreos no tripulados (VANT) equipados con cámaras espectrales se ha incrementado en los últimos años, especialmente en el sector agrícola, debido a que permite a los agricultores e investigadores analizar el estado de un cultivo en cuanto a su salud, nutrientes, crecimiento, epidemias, entre otros parámetros. En Colombia el sector cafetero afronta varios retos, como la necesidad de incrementar la productividad, el rendimiento y la calidad del café. En este sentido el presente trabajo estimó el estado de la salud de un cultivo de café de variedad Castilla ubicado en San Joaquín, Tambo, Cauca con el fin de 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 VANT SOLO 3DR y se generaron datos sintéticos con el fin de aumentar el conjunto de datos. Se obtuvieron 6 índices de vegetación, los cuales, en conjunto con los valores de clorofila se modelaron a través de la implementación de regresiones lineales simples y múltiples, árboles de decisión, máquina de vectores, bosque aleatorio y k vecinos más cercanos. El modelo que presentó el mejor desempeño con el error cuadrático medio más bajo fue el entrenado con máquina de vectores de soporte. También, se encontró que los índices que demostraron mejor desempeño en los modelos fueron el CVI, GNDVI y GCI, los cuales son ampliamente utilizados en la agricultura para estimar la clorofila de las plantas.
The use of unmanned aerial vehicles (UAVs) equipped with spectral cameras has increased in recent years, especially in the agricultural sector, because it allows farmers and researchers to analyze the state of a crop in terms of its health, nutrients, growth, epidemics, among other parameters. In Colombia, the coffee sector faces several challenges, such as the need to increase coffee productivity, yield, and quality. In this sense, the present work estimated the health status of a Castilla variety coffee crop located in San Joaquín, Tambo, Cauca to support coffee growers' decision-making. For this, chlorophyll data were measured in the field with the CCM-200 plus device, multispectral images were captured with the airborne MAPIR SURVEY 3 camera in a VANT SOLO 3DR and synthetic data were generated to increase the data set. 6 vegetation indices were obtained, which, together with the chlorophyll values, were modeled through the implementation of simple and multiple linear regressions, decision trees, vector machine, random forest, and k closest neighbors. The model that presented the best performance and gave the lowest error is the one trained with a vector machine, an error mae = 7.85, in addition it was found that the indices that demonstrated better performance in the different models were the CVI, GNDVI and GCI, the which are widely used to estimate chlorophyll.
