//Detección y estimación del estado de salud automáticas de palma aceitera

Detección y estimación del estado de salud automáticas de palma aceitera

En Mapsens® seguimos desarrollando aplicaciones basadas en machine learning para automatizar tareas de detección. En esta entrada os mostramos como estamos usando redes neuronales profundas para detectar palmas aceiteras en ortofotografías tomadas por drones a la vez que se estima su estado de salud.

Ejemplo de detección de la red neuronal.

La función que se presenta permite realizar un inventario automático, con la utilidad para la estimación de la producción que conlleva. Además las detecciones se clasifican en tres grupos, dependiendo del estado de salud de la planta. Un grupo se corresponde a las palmas en un estado óptimo, otro a las que se encuentran en un posible estado de deterioro y otro para las que muestran claros signos de daños. Para lograr estas detecciones se han utilizado datos para entrenar la red neuronal, alcanzando una alta precisión en imágenes no vistas anteriormente. La salida de la red neuronal se postprocesa y se geolocaliza para posteriormente integrar está información con Mapsens®.

Esta capacidad de detectar el estado de salud de la planta, y tener geolocalizada dicha información, es de gran utilidad para el mantenimiento del cultivo. La fusión de estos datos con Mapsens® da una idea al agricultor de las zonas de riesgo en su cultivo, pudiendo acceder directamente a dichas zonas sin tener que inspeccionar minuciosamente, en principio, toda la extensión de la plantación.

A continuación se muestra un visor con los resultados de la detección en una plantación de palma. El color de los puntos se corresponde con el estado de salud de cada palma detectada, siendo verde las que se encuentran en mejor estado, rojo las más deterioradas y amarillo las que están en un punto intermedio.

Por | 2019-07-16T14:28:38+00:00 16 julio , 2019|blog|Sin comentarios

About the autor:

Deja tu comentario