Modelo para la clasificación de árboles frutales mediante imágenes aéreas

Abstract

Las mediciones manuales y la inspección visual de árboles suele ser una práctica muy común entre agricultores, los cuales incurren en gastos de mano de obra y operaciones que consumen mucho tiempo para tener información del estado de sus cultivos en un momento determinado; teniendo en cuenta que un terreno de aproximadamente 1 hectárea (ha) puede llegar a tener hasta 1100 árboles sembrados; esto se convierte en una tarea muy difícil y el error humano en estos casos suele ser elevado. Para solucionar este tipo de problemas se hace énfasis en el uso de Redes Neuronales Convolucionales (CNN), sin embargo, estas por si solas no son lo suficientemente robustas para detectar características complejas en cualquier problemática. Por tanto, en este artículo se propone un modelo que apoya la actividad agrícola en la organización de sus labores. El procedimiento principal del modelo es la clasificación de árboles frutales (mango, cítrico y plátano) mediante imágenes aéreas tomadas con un dron (UAV) en contexto colombiano. La técnica utilizada en este procedimiento se conoce como Mask R-CNN, la cual permite realizar una segmentación automática de los árboles frutales.