Segmentación automática de texturas en imágenes agrícolas

  1. RIOMOROS CALLEJO, MARIA ISABEL
Dirigida por:
  1. Gonzalo Pajares Director
  2. María Guijarro Mata-García Directora
  3. Ángela Ribeiro Seijas Director/a

Universidad de defensa: Universidad Complutense de Madrid

Fecha de defensa: 16 de diciembre de 2015

Tribunal:
  1. Rubén Fuentes Fernández Presidente
  2. Javier Portela García-Miguel Secretario
  3. Roemi Emilia Fernández Saavedra Vocal
  4. Aurora Pérez Pérez Vocal
  5. Dionisio Andújar Sánchez Vocal
Departamento:
  1. Ingeniería del Software e Inteligencia Artificial

Tipo: Tesis

Teseo: 121834 DIALNET

Resumen

La presente tesis se centra en métodos de Visión por Computador para el análisis de texturas, principalmente vegetales, en campos de cultivo de maíz. La finalidad es la identificación de las mismas para aplicación en tratamientos selectivos en lo que se conoce como Agricultura de Precisión mediante sistemas de Visión Artificial a bordo de vehículos autónomos robotizados. El análisis de las texturas, existentes en las imágenes captadas por los sistemas de visión en los campos, se ha realizado desde dos puntos de vista: cromático y espacial. Desde el punto de vista cromático se consideran las propiedades espectrales de las plantas verdes (cultivo de maíz y malas hierbas), así como del suelo y las partes del cielo existentes. Se trata de localizar tales texturas considerando tanto imágenes panorámicas como estudiando exclusivamente las partes localizadas del suelo, que constituyen la región específica de interés dentro del campo de cultivo. En este enfoque se aplica un procedimiento de clasificación basado en lo que se conoce como agrupamiento borroso para discernir entre tres tipos de plantas y dos de suelo. En el primer caso, se distinguen las plantas de cultivo de las malas hierbas, lo que constituye un aporte relevante a la comunidad científica. El enfoque espacial tiene en cuenta, no sólo las propiedades cromáticas, sino que añade una componente de tal naturaleza extraída de las plantas verdes para enfatizar dichas texturas mediante su realzado, aplicando la transformada de wavelets. Esta transformada es capaz de descomponer las imágenes que contienen las partes verdes en componentes de detalle procedentes precisamente de las plantas verdes, lo que unido a las propiedades cromáticas permite un mayor realzado de dichas plantas. La combinación de propiedades cromáticas con las espaciales proporciona un planteamiento de interés en este tipo de procesos para la identificación de las plantas verdes en campos de cultivo. En ambos casos, el objetivo es la identificación de las plantas verdes para eliminar las malas hierbas mediante tratamientos específicos o navegación autónoma. Los resultados obtenidos han sido suficientemente satisfactorios justificando ambos planteamientos.