Estimación automática de producción de aceituna mediante métodos de teledetección y análisis de imagen

teledeteccion olivar foto

Texto:
Cristina Martínez Ruedas
Directora de I+D+i en IRC-Automatización

Este idea de negocio , que obtuvo el Premio Emilio Botín 2018 de investigación que convocan Banco Santander y la Universidad de Córdoba, está desarrollada en su primera parte por el doctorado de la autora, estando la segunda parte pendiente de desarrollo.

La estimación de la cosecha de aceituna es un reto importante y estratégico, pero a su vez complejo, debido a la multitud de factores que influyen, características edáficas, densidad de plantación, microclima, técnicas de cultivo, la pluviometría, la existencia de riego, la variedad, la fertilización, etc. El objetivo del proyecto es mejorar la precisión y operatividad de la estimación de la producción de aceituna mediante técnicas de teledetección, fotogrametría aérea y terrestre, tratamiento automático de datos meteorológicos y análisis de imagen.

En una primera fase del proyecto se ha realizado una cuantificación automática de la cabida cubierta y volumetría de los árboles. Para ello, se ha desarrollado un algoritmo automático, para la detección y clasificación de las copas de los árboles y cabida cubierta en imágenes obtenidas con ayuda de plataformas aéreas y espaciales, consiguiendo de esta manera imágenes a distinta resolución temporal y espacial. Posteriormente se pasará a realizar una estima de la aceituna, a través de un algoritmo semiautomático de imágenes capturadas en campo. La adquisición de las imágenes será a través de una App, delimitando la zona de interés para el conteo.

Con los datos adquiridos en los procesos anteriores, y con información adicional como pluviometría, evapotranspiración y estimas de cosechas en años anteriores, entre otros, se pasará a realizar la estima de la producción de aceituna 

-Objetivos:con el desarrollo de este proyecto se pretenden alcanzar los siguientes objetivos:

-Crear una herramienta para el análisis automático del estrato arbóreo aplicado a diferentes tipos de áreas forestales. Dicha solución podrá ser utilizada para:

-Creación de inventarios agroforestales: Cuantificación de copas de árboles y fracción de cabida cubierta.

-Seguimiento y registro de imágenes y datos procesados.

-Estimación de cabida cubierta en explotación de olivar

-Estimación de producción de aceituna

-Estimación de cabida cubierta. Uno de los objetivos de este proyecto es el desarrollo de un algoritmo automático, para la detección y clasificación de copas de árboles y fracción de cabida cubierta para distintas especies arbóreas y diferentes sistemas de producción, desarrollando de este modo, una herramienta única para el cálculo de inventarios agroforestales. Para ello se utilizarán imágenes aéreas a distinta resolución, para definir la resolución óptima de trabajo, con heterogeneidad del estrato arbóreo, cobertura regular e irregular del terreno y distinta densidad de población.

Estudios preliminares ya realizados para el cálculo automático de inventaros agroforestales aplicados sobre imágenes aéreas de explotaciones de dehesa, han arrojado resultados prometedores, con errores relativos medios del 8.3%. Por contraposición, los modelos de elevación de imágenes LiDAR, donde el coste computacional es muy superior, Persson et at, consiguieron la detección de 71% del estrato arbóreo en el 2002. Por otro lado, con el modelo de aproximaciones geométricas Wack et al consiguieron delimitar el 93% de las copas de los árboles, sus estudios también estaban basados en imágenes LiDAR.

Ya hemos desarrollado los primeros algoritmos y nuestros resultados, realizados con imágenes RGB, mejoran los resultados de imágenes LiDAR, minimizando costes computacionales e inconvenientes derivados de dicha tecnología.  Las siguientes tablas e imágenes son algunos de los resultados obtenidos en los estudios preliminares mencionados.

Estimación de la producción
Tras tener una estimación de la cabida cubierta del olivar de todo el territorio, haciendo uso del algoritmo anterior, se determinará la producción de aceituna. Para esto, se desarrollará un segundo algoritmo semiautomático de análisis de imagen, que cuantificará la aceituna. Con estos datos, junto con otros territoriales de pluviometría, evapotranspiración, etc… recogidos automáticamente de la red de estaciones meteorológicas, así como variedad y condiciones de cultivo, se puede esperar un modelo de previsión razonable.

La metodología a seguir sería:

-Definición de puntos de muestreo. Sistema de muestreo aleatorio y suficientemente representativo, para determinar la región de interés en las imágenes. Se utilizará un cuadro que delimite la zona de muestreo.

Se monitorizará la maduración de la aceituna para determinar el momento exacto de la aceituna. Para le estimación de la aceituna en a partir de la zona delimitada se utilizará el método OCEM (Olint Crop Estimation Method)

-Desarrollo de algoritmo semiautomático de muestreo. Diseño y desarrollo de un algoritmo semiautomático, que permita identificar las aceitunas en la zona de muestreo delimitada. Dicho algoritmo se intentará desarrollar con técnicas similares a las definidas en el apartado anterior, es decir, basándonos en procesado, segmentación y clasificación de imágenes RGB, para que de esta manera se puedan adquirir con cualquier dispositivo, como por ejemplo un teléfono móvil.

Si los resultados son los satisfactorios, se podrá desarrollar en fases futuras del proceso, una App para la captura y entrada manual de parámetros necesarios al sistema.

En el caso de que las pruebas no satisfagan los requisitos marcados, debido a la complejidad de los objetos a detectar, se podrán realizar pruebas con cámara térmicas o multiespectrales.

-Desarrollo de la App: Para facilitar la adquisición de datos en el campo.

-Extrapolación del resultado. Extrapolación del resultado a través de encuestas o servicio web y cabida cubierta obtenida en la fase anterior.

Conclusiones
La confección de inventarios agroforestales, ha sido objeto de numerosos estudios, donde la detección de árboles mediante imágenes aéreas juega un papel importante. Es necesario tener inventarios secuenciales para interpretar evoluciones, detectando cambios abruptos, como por ejemplo, la muerte de un árbol, su tala, o bien, cambios graduales, como crecimiento anual, enfermedades y plagas. Se han utilizado numerosas técnicas para realizar dicha detección, como por ejemplo el uso de estadísticas, fotointerpretación, campañas de visita a campo y utilización de imágenes aéreas. La utilización de esta última técnica, permite cubrir áreas extensas y acortar tiempos de actualización. En dichos inventarios, cuando el elemento de estudio son los árboles, la teledetección puede suponer su individualización, extracción y cuantificación a partir de técnicas más o menos automáticas.

Con esta herramienta podría ser la base para automatizar diferentes procesos, con precisión y objetividad a la vez que se minimizan los tiempos de elaboración de inventarios agroforestales.

Con la optimización de la estimación de la producción de aceituna, se implementa un posible escenario de aplicabilidad de la herramienta anterior. La estimación exacta de aceituna representa un gran beneficio para el siguiente mercado:

  • Los olivicultores: al conocer las toneladas de aceitunas y Kg de aceite de antemano. En el caso detener contratos, se aseguran que obtienen las cantidades especificadas con las almazaras.
  • Las almazaras: en la planificación y logística de la cosecha y proceso productivo (bloques a cosechar, disponibilidad de tanques almacenamiento, personal, etc.). Todo permite reducir el tiempo entre la recolección y el inicio del procesado aumentando la calidad del aceite.
  • El departamento de ventas, marketing y canales de distribución.
  • Contratos con aseguradoras.

Por todo lo anterior, el futuro de campo pasa por la digitalización, ya que esta aporta ventajas competitivas que se traducen en incrementos de producción y reducción de costes. La agricultura de precisión pasa por el proceso de digitalización, aplicación de algoritmos inteligentes y big data.


One response to “Estimación automática de producción de aceituna mediante métodos de teledetección y análisis de imagen

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s