Examinando por Materia "Drones (Aeronaves)"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónAcceso abierto
    An automatic crop rows generator using aerial high resolution images for precision agriculture
    (Universidad del Valle, 2019) Herrera Rozo, Fabio Andrés; Trujillo Uribe, Maria Patricia; Cabezas Troyano, Iván Mauricio
    Las imágenes de alta resolución espacial obtenidas por cámaras instaladas en vehículos aéreos no tripulados (drones) tienen un potencial significativo en la agricultura moderna, puesto que permiten mejorar la precisión y la eficiencia de algunas de las operaciones en campo a partir de su análisis e interpretación. Las líneas de surcado georreferenciadas son utilizadas como insumo para el guiado de maquinaria agrícola de precisión. La maquinaria en campo se apoya en sistemas globales de navegación por satélite cinemáticos y en tiempo real, los cuales son altamente precisos. La generación de líneas de surcado georreferenciadas es una tarea costosa y que consume mucho tiempo. En este proyecto se abordó el problema de la generación de líneas surcado en cultivos de caña de azúcar a través del procesamiento de imágenes y técnicas de visión por computador. Fue diseñado y construido un método automatizado para generar de forma rápida y precisa líneas de surcado georreferenciadas utilizando imágenes aéreas de alta resolución obtenidas mediante vehículos aéreos no tripulados. Fue desarrollada una herramienta computacional "Crop Rows Generator (CRG) v1.0" la cual se apoya en técnicas de visión por computador y bajo un enfoque de computación de alto rendimiento es capaz de procesar imágenes de gran tamaño y alta resolución y sobre estas imágenes detectar, generar y cartografiar líneas de surco en campos de cultivos de caña de azúcar de una manera fácil y precisa, con unos pocos clics. CRG es de código abierto y consta de una interface cliente (CRG-QGIS Plugin) integrada a manera de plugin dentro del software de SIG (QGIS Desktop), un núcleo de procesamiento que se encarga de las tareas más complejas y que se accede mediante una interfaz de línea de comandos (CRG {CLI) y a través de recursos expuestos sobre métodos HTTP en un API tipo REST (CRG-API). Generar líneas de surcado mediante la herramienta desarrollada optimiza el tiempo de proceso en m as de un 200% frente el método manual y en m as de un 650% frente a la generación realizada por un tractor. El desempeño en la generación de líneas de surco está por encima del 83% y en general la mayoría de los errores horizontales se encuentran en el rango de más o menos (2.5 a 10)cm.
  • Miniatura
    PublicaciónAcceso abierto
    Diseño y construcción de un sistema de aprovechamiento de energía solar para el mejoramiento de la autonomía de un Drone
    (Universidad del Valle, 2018) Correa Castillo, Miguel Ángel; Buitrago Molina, José Tomás
    Esta tesis tuvo como finalidad mejorar la durabilidad de la batería de un dron, por medio de la implementación de un sistema de aprovechamiento de energía solar conformado por paneles solares. Para demostrar la autonomía que da el uso de paneles solares en un drone se procedió a construir un sistema de medición utilizando arduino uno para captar las señales que envía el módulo xbee de los sensores de voltaje y corriente durante la descarga de la batería del drone, y con los datos de corriente y voltaje registrados en el computador, se generan gráficos cuantitativos en función del tiempo, donde se demuestra la eficiencia de usar paneles solares para el mejoramiento de la autonomía.
  • 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%.