Cuantificación de plantas de banano usando imágenes de UAV, técnicas SIG y de aprendizaje profundo

Abstract

El banano representa uno de los productos de mayor exportación en el Ecuador, pues aporta el 2% al PIB general y cerca del 35% al PIB agrícola. Además, su producción busca ser sostenible y alcanzar un sistema de mejora continua. Una necesidad en los campos agrícolas que manejan cultivos extensivos, como el banano, es conocer la densidad real de plantas. Esta tarea se trata de una actividad laboriosa, costosa en tiempo y dinero y propensa al error humano cuando se hace de forma manual. El fortalecimiento de las bananeras implica la adopción de herramientas como la agricultura de precisión, que integra tecnologías para la explotación eficiente del campo. El presente proyecto validó la precisión de técnicas SIG y de aprendizaje profundo para la cuantificación de plantas de banano. Adicionalmente, se determinó el porcentaje de cobertura de las plantas y se generó mapas de vigor y un análisis relacional mediante índices de vegetación para el espectro visible, estableciendo que variables estiman con mayor precisión la cobertura vegetal. En un submuestreo de 50 imágenes bajo parámetros de densidad de población alta, media y baja, se obtuvo que los resultados de la aplicación de la técnica SIG (81%) fueron superiores en un 5% en comparación con los resultados de la aplicación de aprendizaje profundo (76%), correspondiente al IoU Score. La diferencia radica en que el modelo de aprendizaje profundo no detecta plantas muy pequeñas o plantas que se visualizan parcialmente, mientras que con SIG no se detecta plantas con baja vigorosidad.