Resumen en español

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.