EUVIMEDEUVIMED entdecken
Crossref

Detección y clasificación de malas hierbas mediante drones y redes neuronales profundas: creación de mapas para tratamiento localizado

Gustavo A. Mesías-Ruiz, José Manuel Peña, Ana De Castro, Irene Borra‐Serrano, José Dorado

Scientific Repository of Open Access of Portugal (RCAAP) · 09.03.2024

DOI: 10.19084/rca.34973 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Scientific Repository of Open Access of Portugal (RCAAP), erschienen am 09.03.2024. Verfasst von Gustavo A. Mesías-Ruiz und 4 weiteren Autor:innen.

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

La detección precisa y la identificación de malas hierbas son esenciales en la implementación de la Agricultura de Precisión (AP). En este estudio, se abordó la detección y la clasificación de malas hierbas en maíz y tomate en sus etapas tempranas de crecimiento mediante la integración de imágenes adquiridas desde drones y análisis basado en avanzadas redes neuronales convolucionales. Posteriormente, el objetivo de esta investigación fue la creación de mapas georreferenciados que permitieran una gestión en post-emergencia localizada y selectiva de las especies de malas hierbas. Nuestros resultados indican que la combinación de imágenes captadas por drones y un análisis de las mismas basado en algoritmos de aprendizaje profundo proporciona una solución efectiva para este propósito. La precisión y eficiencia alcanzadas en la identificación de malas hierbas en su etapa temprana fueron prometedoras, tanto en el conjunto de especies presentes en el cultivo como en especies individuales. Este avance es de gran relevancia en el ámbito de la AP, ya que permitiría una gestión más eficiente de las malas hierbas mediante la selección del herbicida según el tipo de mala hierba presente, reduciendo el uso de herbicidas y, en última instancia, contribuyendo a la sostenibilidad y la rentabilidad de la agricultura. Además, la generación de mapas georreferenciados facilita la toma de decisiones en tiempo real. En resumen, este estudio sugiere que la combinación de tecnologías emergentes, como drones y redes neuronales profundas, pueden ser herramientas aplicables en el manejo localizado de malas hierbas en el contexto de la AP.

Schlagwörter

weed detectionweed classificationunmanned aerial vehiclesconvolutional neural networksprecision agriculturemaizetomatogeoreferenced mapspost-emergence herbicide applicationherbicide reduction

Zitieren

APA

Mesías-Ruiz, G. A., Peña, J. M., Castro, A. D., Borra‐Serrano, I., & Dorado, J. (2024). Detección y clasificación de malas hierbas mediante drones y redes neuronales profundas: creación de mapas para tratamiento localizado. Scientific Repository of Open Access of Portugal (RCAAP). https://doi.org/10.19084/rca.34973

Vancouver

Mesías-Ruiz GA, Peña JM, Castro AD, Borra‐Serrano I, Dorado J. Detección y clasificación de malas hierbas mediante drones y redes neuronales profundas: creación de mapas para tratamiento localizado. Scientific Repository of Open Access of Portugal (RCAAP). 2024. doi:10.19084/rca.34973

BibTeX
@article{MesasRuiz2024,
  author = {Mesías-Ruiz, Gustavo A. and Peña, José Manuel and Castro, Ana De and Borra‐Serrano, Irene and Dorado, José},
  title = {Detección y clasificación de malas hierbas mediante drones y redes neuronales profundas: creación de mapas para tratamiento localizado},
  journal = {Scientific Repository of Open Access of Portugal (RCAAP)},
  year = {2024},
  doi = {10.19084/rca.34973}
}
Kostenlos starten →