Estimación de producción de fruta en cítricos a través de tecnologías basadas en drones y visión artificial

• Manuel Pérez-Ruiz ^[1] ; Pablo Agüera-Requena ^[2] ; Jorge Martínez ^[1] ; Miguel A. Polo ^[2] ; O. Enrique Apolo Apolo ^[1]
  1. [1] Universidad de Sevilla

     Universidad de Sevilla

     Sevilla, España

     
  2. [2] Dronsap
• Localización: IX Congresso Ibérico de Agroengenharia: Livro de Atas / coord. por José Carlos Barbosa, António Castro Ribeiro, 2018, ISBN 978-972-745-247-7, págs. 1110-1116
• Idioma: español
• Títulos paralelos:
  • Yield estimation in citrus orchard using an UAV and computer vision
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    La predicción precisa de la producción de un cultivo representa una información muy importante tanto para el agricultor como para las cooperativas encargadas de gestionar y vender el producto. De este pronóstico depende en gran parte la organización y la logística necesarias para la recolección, así como la planificación del almacenaje, stock y abastecimiento de los mercados. En muchos casos, la predicción, actualmente se realiza encampo con personal experimentado realizando una inspección visual, proceso que tiene riesgo de presentar errores humanos. El objetivo del presente trabajo es desarrollar un sistema de detección de frutas (ej. naranjas) basado en visión por computador mediante la librería OpenCV, que de forma precisa, rápida y con antelación, permita conocer la producción en cítricos. El algoritmo que permite la detección fue desarrollo y evaluado con fotografías de 19 árboles y los datos obtenidos comparados con valores de producción real. Las medidas reales de producción por árbol frente a los valores estimados mostraron valores muy prometedores, y por lo tanto, se vislumbra un gran potencial del algoritmo para la predicción del rendimiento de árboles de cítricos y probablemente de otras frutas.

  • English

    Estimating crop yield potential is important information for both farmers and agricultural cooperatives to be able to sell their products. This yield prediction is the key to predict the volume of stock necessary at the supermarkets and to organize harvesting operations. In many cases, visual estimates of yield are done but this is not accurate. The aim is to build an accurate, fast and reliable fruit detection system based on computer vision using the OpenCV library, for fruit yield estimation. The algorithm that allows the detection was developed and tested on 19 orange trees. Orange yield estimation and actual mass of the fruit per tree was compared. The errors showed very promising values, and therefore, a great potential of the algorithm is foreseen for the citrus yield estimation and probably of other fruits.