Ingeniería topográfica

URI permanente para esta colección

https://hdl.handle.net/10893/3222

Navegar

Examinando Ingeniería topográfica por Materia "Agricultura de precisión"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Cuantificación semiautomática en cultivos cítricos utilizando imágenes aéreas, caso de estudio Dagua-Valle del Cauca
    (Universidad del Valle, 2025) Amador Ortiz, Mario Ernesto; Guerrero Tabares, Cristhian Andres; Garcia Cortes, Cesar Edwin
    La detección y el conteo arbóreo en cultivos agrícolas es una problemática común, debido a la dificultad para realizar censos manuales precisos sin incurrir en altos costos operativos y tiempos prolongados. En este estudio se implementó un algoritmo de detección para cuantificar árboles en cultivos cítricos a partir de mosaicos generados con imágenes aéreas obtenidas mediante vehículos aéreos no tripulados (Unmanned Aerial Vehicles, UAV). La metodología integró dos enfoques, primero un procesamiento manual supervisado, que incluyó la captura de imágenes, toma de puntos de control con receptores (Global Navigation Satellite System, GNSS) y procesamiento de imágenes; el segundo es un procesamiento autónomo, donde se utiliza el algoritmo de aprendizaje autónomo Random Forests para aplicar el índice espectral Green Leaf Index (GLI) y realizar la segmentación de la vegetación, y el algoritmo DBSCAN se utilizó para la clasificación de valores de píxel. La evaluación del desempeño se realizó mediante métricas basadas en los resultados de matrices de confusión, obteniendo una precisión global entre 76.98 y 84.44 %, lo que demuestra la viabilidad del método propuesto al compararse con investigaciones similares.
  • Miniatura
    PublicaciónAcceso abierto
    Estimación del rendimiento del cultivo de arroz inundado en etapas tempranas del crecimiento mediante aprendizaje automático e imágenes capturadas con RPAS
    (Universidad del Valle, 2025) Giraldo Mejía, Fernando Andrés; Rincon-Romero, Mauricio; GRUPO DE INVESTIGACIÓN EN SIMULACIÓN Y MODELACIÓN DINÁMICA ESPACIAL, GISMODEL
    El siguiente proyecto tiene por objetivo estimar el rendimiento del cultivo de arroz inundado en etapas tempranas del crecimiento, empleando imágenes multiespectrales capturadas a baja altura con RPAS y modelos MultiLayer Perceptron (MLP). Esta investigación se llevó a cabo en una parcela de arroz inundado, ubicada en el municipio de Jamundí (Colombia), en la cual se sembró la variedad FEDEARROZ 2020. El proyecto se estructura metodológicamente en tres partes: Recolección de datos: Comprende la instalación de puntos de control en campo, la captura periódica de imágenes multiespectrales mediante RPAS y la recolección de muestras de arroz. Procesamiento de datos: Consiste en el tratamiento de las imágenes multiespectrales para generar los ortomosaicos, su recorte según los polígonos de las muestras de arroz y el cálculo de índices de vegetación. Además, incluye los procesos de desgrane, secado y pesado de las muestras de arroz para determinar los valores reales de rendimiento. Al finalizar esta etapa, se obtiene el conjunto de datos necesario para la modelación. Modelación: Consiste en la construcción de modelos de predicción del rendimiento del cultivo de arroz inundado, utilizando validación cruzada LOOCV y ajuste de hiperparámetros para optimizar su desempeño. Los resultados obtenidos muestran que el mejor periodo de tiempo para estimar el rendimiento del cultivo de arroz inundado es entre los 66 y 80 días después de la germinación. El modelo con el coeficiente de determinación más alto (58.7%) se obtuvo a los 80 días durante la etapa de espigamiento, mientras que el modelo que se obtuvo a los 66 días, durante la etapa de embuchamiento, logró un valor muy cercano a la producción real de la parcela, con una subestimación del 2,86%.