Desarrollo de un sistema de monitoreo de cultivos de café a partir de información multisensorial

Abstract

Este documento expone el desarrollo de un sistema de monitoreo de cultivos de café que le da a conocer al caficultor de manera intuitiva ciertos aspectos de su cultivo, los cuales le ayudarán a tomar decisiones informadas sobre el mismo. El sistema desarrollado permite, a partir de información proveniente de dos sensores: una cámara y un sensor LiDAR, una visualización 3D del cultivo de café en la cual se encuentran variables de cultivos como lo son: la estimación aproximada de producción, y la aparente salud del cultivo medida por medio de características como lo son el color predominante en las hojas de los árboles y el volumen que ocupan las mismas. El sistema logró asignar el color a cada punto concordante con los pixeles de la imagen, además se realizó segmentación de la imagen y la nube de puntos para definir en donde se encontraban los árboles. Con esta segmentación se entrenó una red convolucional que determinará si cada pixel pertenece o no a un árbol de café. El primer insumo de datos para el sistema de monitoreo es una imagen RGB del cultivo, de la cual se extraen la ubicación y cantidad aproximada de árboles de café y características que representan la salud del cultivo; para ello se hace uso de múltiples herramientas open source como lo es OpenCV, Scikit Image y Tensor Flow, todas en lenguaje de programación python. Para la parte tridimensional se utilizaron dos fuentes de información, las nubes de puntos obtenidas del sensor LiDAR y las nubes de puntos obtenidas por medio de structure from motion gracias a la librería OpenMVG, además, debido a la librería PCL escrita en el lenguaje C++ se logró el procesamiento de dicha información generando la segmentación suelo-árboles y la segmentación individual de cada árbol de café. Con lo anterior se realizó la visualización de toda la información obtenida en la herramienta para sistemas de información Geográfica QGIS en donde se visualiza el cultivo, la salud y la predicción de cosecha