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