Sensors and methodologies design for image processing in precision agriculture: crop water status and fruit ripening monitoring

[SPA] Esta tesis doctoral se presenta bajo la modalidad de compendio de publicaciones. El agua es un bien esencial para la vida humana y su escasez tiene un impacto determinante sobre la sociedad y la economía. La agricultura es el principal sector consumidor de agua dulce y, como tal, se resiente especialmente. En regiones áridas y semiáridas, como el sureste de España, la disponibilidad de agua de riego condiciona el tipo de cultivo y el volumen de producción. Además, el contexto mundial actual de cambio climático y crecimiento poblacional tensionan la situación con un mayor déficit hídrico y demanda de productos agrícolas, que conforman la base de nuestra alimentación, respectivamente. Por tanto, se nos plantea el reto ineludible de ser más eficientes, de producir más con menos. La respuesta de la ciencia ha sido el desarrollo de técnicas de riego deficitario controlado (RDC o RDI en inglés), con las que se pretende reducir notablemente el consumo de recursos hídricos de forma precisa en determinadas épocas de la temporada, minimizando el perjuicio sobre el volumen y la calidad de la cosecha. Sin embargo, la aplicación satisfactoria de estas estrategias de riego requiere de un control continuo del estado de la plantación. Resulta crucial evitar que el estrés hídrico supere niveles extremos, que ponga en riesgo la producción o provoque un estado irrecuperable del cultivo en último término, así como asegurar que se cubren las necesidades hídricas en los periodos críticos. Por ello, se emplean diferentes indicadores del estado hídrico, siendo el potencial hídrico de tallo, medido a mediodía con cámara de presión, el considerado como referencia. El inconveniente de este método es que no permite una monitorización continua, por lo que su uso no es viable para una gestión automática del riego. Con el objetivo de estimar el estado del cultivo de forma autónoma, se han investigado otros indicadores que están relacionados para una medida indirecta. Uno de ellos es la temperatura del dosel vegetal, ampliamente estudiado. Las plantas regulan su temperatura por medio de la evapotranspiración, que controlan a través de la apertura de sus estomas. Cuando sufren déficit hídrico no pueden permitirse desprenderse de agua de forma ilimitada, por lo que restringen la apertura estomática. Así, su mecanismo de regulación térmica se ve limitado y, consecuentemente, el aumento de la temperatura de las hojas es irrefrenable en condiciones de elevada temperatura ambiente. Este efecto se puede capturar de forma remota a través de sensores infrarrojos, como los termorradiómetros, que son los más extendidos en campo. No obstante, no cuentan con la capacidad de discriminar el dosel vegetal en su medida de temperatura, algo crítico para asegurar la precisión, lo que los hace totalmente dependientes de una correcta orientación. El empleo de la termografía como alternativa se ha vuelto más común en los últimos años, favorecido por el abaratamiento de la tecnología. Las cámaras térmicas ofrecen un mapa de temperaturas sobre el que es posible filtrar aquellos valores que no se corresponden con regiones de interés. Para automatizar este proceso se recurre al procesamiento de imagen visible. La segmentación automática de las imágenes supone un problema clásico para la visión por computador. Recientemente, la revolución de la Inteligencia Artificial ha incidido de forma decisiva en el rendimiento del procesamiento de imagen aplicado a entornos naturales complejos. Esto ha desatado multitud de aplicaciones en agricultura, aunque se considera necesario seguir profundizando en el desarrollo y aplicación de nuevos modelos. Además de la segmentación del dosel vegetal para la estimación del estrés hídrico, el análisis de imagen visible es una herramienta con un gran potencial para monitorizar parámetros agronómicos de interés en los cultivos. En el caso de los árboles frutales, el seguimiento de indicadores visuales de los frutos puede aportar información para estimar la etapa de maduración y fase fenológica del cultivo, muy importante para la adecuada gestión del riego deficitario, o predecir el volumen y fecha de cosecha. La implementación de esta tecnología en sensores de bajo coste apoyaría la aplicación práctica extensiva de la Agricultura de Precisión en las explotaciones agrícolas. Esta tesis, presentada bajo la modalidad de compendio de publicaciones, a través de cuatro artículos científicos, aborda la propuesta de soluciones asequibles basadas en imagen para la monitorización automática y continua del estado del cultivo. Para ello, genera modelos de segmentación de imagen semántica para discriminar las hojas de los árboles, diseña y caracteriza un sensor basado en imagen térmica y visible de bajo coste para la medida autónoma de la temperatura del dosel vegetal, evalúa dicho dispositivo en condiciones reales en campo comparándolo con un sensor de referencia, explora modelos de segmentación de imagen de instancias para identificar frutos en los árboles y desarrolla un algoritmo de procesamiento de imagen para la estimación de su tamaño.

Department dc:contributor.department

Automática, Ingeniería Eléctrica y Tecnología Electrónica

Year dc:date.issued

2024

Author dc:creator

• Giménez Gallego, Jaime

Advisors dc:contributor.advisor

• Torres Sánchez, Roque
• Navarro Lorente, Pedro Javier
• Navarro Hellín, Honorio

• Agricultura
• Cultivos
• Electrónica
• Agua de riego
• Sensores de riego
• Déficit hídrico

Statement dc:rights

• Attribution-NonCommercial-NoDerivatives 4.0 International

Licence dc:rights.uri

• http://creativecommons.org/licenses/by-nc-nd/4.0/

Language dc:language.iso

en

DOI

10.31428/10317/17001

Identifier

hdl:10317/17001

OAI record oai:identifier

http://repositorio.upct.es/oai/request?verb=GetRecord&metadataPrefix=dim&identifier=oai%3Arepositorio.upct.es%3A10317%2F17001