Detección automática de vegetación en estado de plántula en imágenes procedentes de un vehículo aéreo no tripulado (UAV): aplicación para la discriminación de malas hierbas

Abstract

Investigaciones recientes han demostrado la capacidad de las imágenes procedentes de vehículos aéreos no tripulados (UAV) para la cartografía de malas hierbas en fase de plántula, entre otros usos. El primer paso para su detección es la discriminación de suelo desnudo y vegetación (malas hierbas + cultivo). Para ello, es necesario definir un método que calcule automáticamente el umbral óptimo del índice de vegetación que facilita su detección. Uno de los métodos de cálculo de umbrales más extendido es el método de Otsu. Se presenta la adaptación de este método a un entorno de análisis de imagen orientado a objetos para su utilización en imágenes UAV de girasol, maíz y trigo tomadas con dos sensores de distinto rango espectral a bordo de un UAV. Se obtuvieron valores de R2 en torno a 0,7 para la relación entre la vegetación observada y la detectada automáticamente.

Recent research has demonstrated the ability of Unmanned Aerial Vehicle (UAV) images for weed mapping in early season. First step is the discrimination between bare soil and vegetation (weeds´+ crop) throughout the definition of a method for optimal thresholding of the vegetation indices that allows vegetation detection. One of the best known thresholding procedures is the Otsu’s method. The adaptation of this method to an Object-based image analysis framework is presented for its application for vegetation detection in UAV images acquired over sunflower, maize and wheat crops. R2 values about 0.7 were achieved for the regression between observed and automatically detected vegetation.