Evaluación de la técnica de Resampling en imágenes UAV para la detección de malas hierbas mediante análisis OBIA

Abstract

Los vehículos aéreos no tripulados (UAVs) son una tecnología emergente en el estudio de parámetros agrícolas por sus características y por portar sensores en diferente rango espectral. En este trabajo se ha detectado y cartografiado rodales de malas hierbas en fase temprana mediante análisis OBIA para elaborar mapas que optimicen el tratamiento herbicida localizado. Se ha aplicado resampling (resampleo) sobre imágenes tomadas en campo desde un UAV (UAV-I) para crear una nueva imagen con distinta resolución espacial. A las imágenes resampleadas (RS-I) se les evaluó la calidad espacial y espectral y la eficacia de nuestro análisis en la detección de malas hierbas. Los resultados de las imágenes RS-I muestran una precisión similar a las imágenes UAV-I siendo factible su utilización en tecnologías de manejo localizado de malas hierbas. Se discuten las ventajas del uso de la técnica de resampling en imágenes UAV.

Unmanned aerial vehicles (UAV) are an emerging technology for the study of agriculture parameters due to its characteristics and the availability of embedding sensors with different spectral range. In our study, the detection and mapping of weeds in early phenological stage allowed to design a strategy for the optimizing of herbicide treatment. In this work, resampling is used to create a new version of an image with a different spatial resolution, using real UAV imagery. A spatial and spectral quality evaluation was carried out to resampled images (RS-I), and then, our workflow for weed detection applied. The results showed that RS-I and UAV-I showed similar accuracy on weed detection and thus could be used for site-specific weed management achieving a percentage of savings in the herbicide. Opportunities of using RS-I are discussed.