View
1
Download
0
Category
Preview:
Citation preview
Fecha actualización 25-06-2017
JORNADA DE
ACTUALIZACION TECNICA EN
DRONES
Posibilidades de uso de
drones en agricultura:
ventajas y desventajas
Ricardo Melchiori INTA EEA Paraná
Drones en Agricultura en
Precision.
Es la aplicación de tecnologías y principios para
manejar la variabilidad espacio-temporal asociada a los
aspectos de la producción agrícola
(Pierce y Nowak, 1990).
Tecnologías que utiliza que se utilizan en AP
Que información se procesa en Agric Precision?
IMÁGENES
DRONES?
Drones, contexto en el mundo.
0
100
200
300
400
500
600
700
800
2005 2006 2007 2008 2009 2010 2011 2012 2013
Military
Dual purpose
DevelopmentalUAS
Civil/ commercial
Research UAS
Colomina & Molina.
ISPRS Journal of
Photogrammetry and
Remote Sensing 92
(2014) 79–97.
Imágenes de UAV en Agricultura
Copyright © 2013 Boeing. All rights reserved.
Imagenes multiespectrales
de bajo costo
Estación de
procesamiento
en tierra
Procesamiento GIS
-
Algoritmos de detección
automática
- Nutrientes
- Malezas
- Insectos
Plan de
prescripción
- agua
- Fertilizante
- Herbicida
- Pesticida
Dosis variable.
- agua
- Fertilizante
- Herbicida
-Insecticida
GPS/WAAS
georreferenciación
Trayectorias
programadas
Internet
- Modelos de terreno
- Monitoreo de cultivos
- Mapas de rendimiento
- Muetreos de hojas
- Imágenes
- Satélite
- A/C
- UAV alta resolución
Solapamiento
georeferenciado
Porque trabajamos el tema con UAV?
Experiencias exitosas con sensores
aerotransportados
UAV - Posibilidades de mayor portabilidad,
alternativas y sensores disponibles.
Usos de los drones en que?.
• Relevamiento topográfico y MDE (zonas, riego)?
• Monitoreo de cultivos (Ext + intensivos)?
• Monitoreo de calidad de implantación?
• Prescripciones variables de fertilización?
• Detección de malezas? aplicaciones dirigidas?
• Monitoreo y detección de enfermedades......otras?
Cual es el problema?...
Variabilidad en
productividad y factores
que la afectan?
Resolución Espacial (tamaño?)
Resolución Temporal (cuando?)
Resolución Espectral (con que?)
Problema = Objetivo?
Drones nueva fuente de información?
TIPOS DE PLATAFORMAS: RPAS (remotely piloted aircraft systems).
ALA FIJA
MULTIROTORES.
DRONES: Alas o rotores?
Rotores
Alas
• Objetivos pequeños y delimitados
• Rapidez despegue y versatilidad
• Vuelo estático, baja altura
• Facilidad de manejo.
• Tiempo operativo: 10-15 min
• Áreas mayores
• Mayor altura y velocidad de vuelo
• Mayor tolerancia a vientos
• Tiempo operativo: 30-45 min
PLATAFORMAS DE GESTION DE DATOS
Plan de vuelo, manejo, administración y
procesamiento de datos
Programa de vuelo – gestión de datos.
VENTAJAS: GESTION DE LA INFORMACION EN LA NUBE
- Erosión
- Salinidad
- Encharcamiento
- Deficiencias
- Enfermedades
- Malezas
Aplicaciones de imágenes de drones
Verdad de campo
SIEMPRE!!!
?
CULTIVO DE SOJA: HETEROGENEIDAD?
Drones para diagnósticos de cultivos? Comparación?
Pruebas a escala de lote: Relaciones IV – vs rendimiento
Maíz V12, Noviembre 2013
Trabajos para definir zonas y evaluar respuestas x zonas
Limitante: Tiempos operativos. 1-2 días. Vuelo a recomendación
Fertilización por zonas
Manejo productor vs NPS
Biomasa inicio elongación:
Útil al diagnostico de
nutrición?
Dif. Rendimiento?
VUELOS EN ESTADIOS CRITICOS PARA EL DIAGNOSTIVO
MANEJO DE LAS OPORTUNIDADES
Colza- Mosaico imagen RGB (Estado elongación)
Foto individual: RGB pixel 12.5 cm
Predicción de rendimiento en maíz (V12)
<0.30 0.30-0.40 0.40-0.50
0.55-0.60 >0.60
0.50-0.55
Patrones de variabilidad espacial:
Diferencias productivas en caña
Diagnóstico de cultivos asistido por drones
COMPARACION DE PLATAFORMAS Y SENSORES
Lancaster - Precision Hawk. (RGB + NIR)
Ebee – (Geosistemas) (RGB + NIR + RE)
UX5 (Trimble D&E) (RG + NIR).
Asesor 5 (Aurea Imagine) (RGB + NIR + RE
Múltiples opciones profesionales
adecuadas!
Sensores especiales : RE 715 nm + CAMARA NIR
Diagnostico para estado nutricional.
Vuelos fin de macollaje. - antesis.
DRONES: USO EN MANEJO VARIABLE DE N
ZONAS DE
PRODUCTIVIDAD
DIFERENTE A SER
VALIDADAS
POR MONITOREO
DE RENDIMIENTO
VUELO = NDVI + ALGORITMO = PRESCRIPCION VARIABLE
NDVI MACOLLAJE (+)
(+)
(+)
(-)
(-)
(-)
Trimble X5. maíz V4
Pixel 2,5 cm
Experiencias detección de fallas
Monitoreo de estand de plantas en maíz:
52 cm
26 cm
FOTO 12 MP – Alt Aprox 1.5 m
Algoritmos especiales: detección y conteo
Experiencia píxel: 5 cm
Conteos, pixel < 2cm
Píxel: <1 cm
CAMARAS ESPECIALES: Terminas - estrés
Eficiencia de
distribución
de agua?
Transpiración del cultivo
(+) temperatura en canopeo
(-) Disponibilidad de agua
APLICACIONES EN CITRICULTURA
Monitoreo de cultivos – conteos – volumen copas
APLICACIONES EN MODELOS DIGITALES DE ELEVACION
Detección de enfermedades?
- Color
- Tono
- Contexto
- Forma
- Sombra
Interpretación visual:
Inteligencia
artificial
Drones en Citrus: detección de HLB?
Requiere cámaras
Hiperespectrales.
85% precisión
11% falsos positivos
(C&E 91 2013)
UTN Resistencia)
APLICACIONES EN CITRICULTURA Detección de estrés
térmico
Variable Rate Fertilization for Citrus A. F. Colaço, J. P. Molin J.A.J. Berni et al. / Remote Sensing of
Environment 113 (2009) 2380–2388
MAPEO DE MALEZAS CON DRONES? - Eficiencia?
VUELO – MAPEO
PRESCRIPCION
- APLICACION
MAPEO DE MALEZAS CON DRONES? - Eficiencia?
VUELO – MAPEO – DETECCION – PRESCRIPCION - APLICACION
Control de vuelo y aplicación inteligente
Plataforma para gestión múltiple de equipos
Memoria inteligente, retorno a parada.
Hasta 10 kg de cap – 4 ha hora.
Drones, pulverización dirigida?
Intensa oferta tecnológica de equipos de vuelo y sensores
Disponibilidad de plataformas de procesamiento de datos.
Escaso desarrollo de aplicaciones agrícolas.
La tecnología esta delante de los problemas.
Oportunidad de adecuar Oferta tecnológica a problemas.
CONSIDERACIONES FINALES
Recommended