Publication: Percepción y actuación para el tratamiento selectivo de malas hierbas en tiempo real
Loading...
Official URL
Full text at PDC
Publication Date
2010-05-13
Authors
Advisors (or tutors)
Editors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Complutense de Madrid, Servicio de Publicaciones
Citations
Exportar
Abstract
Tradicionalmente, las prácticas de cultivo se han orientado hacia una gestión uniforme del campo, ignorando la variabilidad espacial y temporal, debido al alto coste
que supone un tratamiento desigual. Es decir, todo el campo se trata del mismo modo todos los años, a pesar de que puede presentar necesidades distintas según la zona o de
un año a otro. En los últimos años, se ha producido un importante avance con la aplicación de sistemas de control y automatización en agricultura, apareciendo el concepto de Agricultura de Precisión (AP). Uno de los aspectos más importantes de la AP son las técnicas orientadas a la aplicación selectiva de tratamientos, que proponen ajustar las dosis de herbicidas a las necesidades de cada unidad de terreno, traduciéndose en una reducción de los costes de producción y una gestión agrícola más respetuosa con el
medioambiente.
Para ser capaces de ajustar las dosis de herbicidas a las necesidades de cada unidad de terreno, primero se deben localizar las distintas especies de malas hierbas (etapa de
Percepción), y a continuación se debe realizar la aplicación de tratamientos de modo que se eliminen todas las malas hierbas encontradas, minimizando el uso de productos fitosanitarios (etapa de Actuación). En esta tesis se presentan nuevos métodos tanto de Percepción como de Actuación para una aplicación selectiva de tratamientos automática, precisa y barata.
Los métodos de Percepción desarrollados son capaces, mediante técnicas de Visión Artificial, de estimar las densidades de cultivo, malas hierbas y suelo tanto en fotos
del campo (sin restricciones en tiempo de c´omputo) como en vídeos adquiridos por una cámara instalada directamente sobre el tractor y procesados en tiempo real. Dichos
métodos hacen frente a las dificultades producidas por la inmensa variabilidad encontrada en el campo (distintos estados de crecimiento de la vegetación, errores de
sembrado, densidad variable de la infestación, etc.) y por el hecho de trabajar en exteriores (iluminación cambiante y dificil de controlar). Los métodos han sido probados
sobre un conjunto grande de imágenes y vídeos tomados a lo largo de los últimos cuatro años en varios campos, demostrando ser capaces de extraer los elementos naturales con gran precisión y de forma robusta.
La información recogida en la etapa de Percepción se pasa a un controlador borroso, que, haciendo uso de conocimiento experto, permite calcular la dosis óptima de herbicida a aplicar en cada unidad del terreno en función de las densidades presentes de infestación y cultivo. La aplicación de dicha dosis se realiza de forma automática,
actuando sobre el equipo de tratamiento, automatizado para su control desde un ordenador a través de una tarjeta de adquisición de datos y el circuito electrónico diseñado
a medida.
Una vez integradas todas las partes, se ha simulado la aplicación selectiva de tratamientos sobre campos reales. Partiendo de muestreos fotográficos discretos llevados
a cabo en los últimos tres años en distintos campos, se han alcanzado ahorros medios de herbicida del 76% con picos del 93 %, poniendo de manifiesto el claro beneficio de la aplicación de las técnicas propuestas.
Traditionally, management of agricultural fields has not taken into account existing
spatial and temporal variability, and herbicides have been applied to a crop in a uniform
manner, regardless of site conditions. All the field is treated the same way every year,
even though each area shows different conditions each year.
In the last years, important advances have been made thanks to the appearance of
Precision Agriculture (PA), a concept that addresses the in-field variability of factors
that influence crop growth, through the application of control sistems and automation
in agriculture. One of the most important goals of PA is site-specific management
practices, which seek to adjust the herbicide dosage to the amount of weed present at
each field unit. The benefits of site-specific management include a cost reduction to
produce the crop and a reduction in environmental pollution.
In order to adjust the herbicide dosage to the needs of each field unit, it is essential
to know the degree of weed coverage in each area of the field (Data collection stage) and
to plan the herbicide spraying accordingly (Interpretation/Application stage). In this
thesis, novel Data collection and Interpretation/Application methods are presented,
leading to an automatic, precise and cheap site-specific management of weeds.
The developed Computer Vision-based data collection methods are able to estimate
weed, crop and soil percentages both from still images of the field (processed without
time restrictions) and from videos taken by a camera placed directly on the tractor and
processed in real-time. In this context, the main challenge in terms of image analysis
is to achieve an appropriate discrimination among weed, crop and soil in outdoor field
images under varying conditions of illumination, soil background texture, crop damage and weed patchiness. The proposed methods have been tested on a wide variety of
images and videos taken in different crop fields during the last four years, performing
a robust and precise discrimination.
The information gathered in the data collection stage is then passed to a fuzzy
controller that determines the optimal dosage of herbicide for each field unit, based on
the computed weed and crop coverages, using expert knowledge. The desired dosage is
applied controlling the spraying bar from a computer, through a data acquisition card
and the custom-made electronic circuit.
Once all the parts finished, the site-specific spraying system’s use was simulated
on real crop fields, starting from photographic samplings carried out during the last
three years in different fields. The results show mean herbicide savings of 76% and up
to 93% in the best cases, clearly showing the benefits of the site-specific management
techniques proposed.
Description
Tesis de la Universidad Complutense de Madrid, Facultad de Informática, Departamento de Ingeniería del Software e Inteligencia Artificial, leída el 20-11-2009