Métodos de visión por computador para detección automática de líneas de cultivo curvas/rectas y malas hierbas en campos de maíz

Resumen

Cada día es mayor el uso de sistemas de visión por computador a bordo de vehículos autónomos para agricultura de precisión y su utilización en distintas tareas. La calidad de las imágenes se ve afectada por las condiciones de iluminación no controladas en entornos agrícolas de exterior. Además, diferentes alturas y volúmenes de las plantas y la presencia de discontinuidades a lo largo de las líneas de cultivo, dificultan los procesos de detección de líneas de cultivo y discriminación entre cultivo y malas hierbas. Las imágenes fueron tomadas bajo proyección de perspectiva con una cámara instalada a bordo del tractor en la parte frontal. Con respecto a la detección de las líneas de cultivo, se han propuesto dos nuevos métodos para la detección de líneas curvas y rectas en campos de maíz durante los estados iniciales de crecimiento con dos propósitos: a) guiado preciso en vehículos autónomos; b) tratamientos específicos. Los métodos propuestos se diseñaron con la robustez requerida para abordar el problema de las condiciones adversas indicadas previamente y constan de tres fases: (i) segmentación de la imagen, (ii) identificación de los puntos de inicio y (iii) detección de las líneas de cultivo. La principal contribución de estos métodos estriba en su capacidad para detectar líneas de cultivo curvas y rectas con espaciados regulares o irregulares entre las líneas, incluso cuando coexisten tipos de líneas en el mismo campo e imagen. Ambos métodos, difieren entre ellos en la fase de detección. Uno se basa en la acumulación de píxeles verdes y el otro en el concepto de micro-ROIs. Los rendimientos de los métodos propuestos se compararon cuantitativamente frente a cinco estrategias existentes, consiguiendo precisiones entre el 86.3% y el 92.8%, con tiempos de procesamiento inferiores a 0.64 s por imagen. Con respecto a la discriminación entre cultivo y malas hierbas, se ha diseñado un método automático basado en un criterio de mínima distancia de Mahalanobis. Se fundamenta en la similitud de las componentes espectrales, de suerte que es posible cuantificar de forma más precisa las malas hierbas situadas entre las líneas de cultivo y en las propias líneas, entremezcladas con el cultivo, cuyo objetivo final es la aplicación de tratamientos específicos, incluyendo su eliminación. Este método requiere de la aplicación de un proceso previo de detección de las líneas de cultivo y consta de tres fases: (i) segmentación, (ii) entrenamiento y (iii) prueba. Las tres fases se ejecutan de forma on-line para cada imagen, siendo el entrenamiento específico de cada una de las imágenes, no precisando entrenamiento previo. Este hecho proporciona una primera contribución a la investigación. Además, el método identifica separadamente las malas hierbas entre las líneas de cultivo y entre las propias líneas, aportando así una segunda contribución a la investigación. El rendimiento de la propuesta fue comparado favorablemente frente a tres estrategias de aprendizaje, consiguiendo exactitudes del 90.1%, con tiempos de procesamiento menores a 280 ms. Con ambas estrategias, relativas tanto a la detección de las líneas de cultivo rectas y curvas como a la discriminación entre cultivo y malas hierbas, se han obtenido resultados satisfactorios para su uso en vehículos autónomos equipados con sistemas de visión por computador en tiempo real para agricultura de precisión.