info:eu-repo/semantics/article
Vinculación científico-tecnológica con el sector productivo.
Registro en:
10.30972/eitt.20294
Autor
Hadad, Alejandro; Lab. de Sistemas de Información, Fac. De Ingenieria, Universidad Nacional de Entre Ríos, Ruta 11, Km 10,5, Oro Verde, Entre Ríos
Solano, Agustín; Lab. de Sistemas de Información, Fac. De Ingenieria, Universidad Nacional de Entre Ríos, Ruta 11, Km 10,5, Oro Verde, Entre Ríos
Kemerer, Alejandra; INTA-EEA - Grupo de Recursos Naturales y Factores Abióticos, Ruta 11, Km 12, Oro Verde, Entre Ríos
Schneider, Gerardo; INTA-EEA - Grupo de Recursos Naturales y Factores Abióticos, Ruta 11, Km 12, Oro Verde, Entre Ríos
Institución
Resumen
En el presente trabajo, se describe la experiencia de interacción entre la Universidad Nacional de Entre Ríos (UNER), el INTA-EEA y productores de la Industria azucarera. Se presenta una descripción de los hechos que dieron lugar a la interacción y los resultados obtenidos en lo que refiere al procesamiento y gestión de imágenes multiespectrales de cuadros productivos de caña de azúcar y a la conformación del equipo de investigación interdisciplinario. A partir del análisis de imágenes aéreas multiespectrales de campos cultivados con caña de azúcar, se estudió la respuesta espectral del cultivo en distintas bandas del espectro electromagné- tico y se segmentaron regiones homogéneas de uso práctico para que el productor tome decisiones sobre la utilización de insumos y recursos según la variabilidad de su sistema. Teniendo en cuenta las características de las imágenes disponibles y analizando la bibliografía de referencia, se propuso abordar el problema utilizando características de textura y la implementación de modelos de aprendizaje automático. Se estudiaron Árboles de Decisión (AD) y Random Forests (RF) entrenados con distintos conjuntos de descriptores para clasificar entre las clases Caña Caída y Caña en Pie. Los descriptores se extrajeron de los canales Infrarrojo, Rojo, Verde y NDVI (Índice de Diferencia Normalizada) de las imágenes estandarizadas. Con el modelo de mejor desempeño se realizó la segmentación de las imágenes aéreas de los cuadros productivos de caña de azúcar. Luego se aplicó sobre la segmentación un algoritmo de crecimiento de regiones para homogeneizar las regiones identificadas. Los resultados indicaron, para distintas imágenes, una degradación de la segmentación entre 5% y 16%, al homogeneizar las regiones. Teniendo en cuenta las pérdidas de materia prima e incluyendo los costos de la adquisición de las imágenes aé- reas y el costo del desarrollo del software propuesto, se consideró viable la implementación del sistema de identificación de regiones para superficies mayores a 1000ha.