An Automatic Random Forest-OBIA Algorithm for Early Weed Mapping between and within Crop Rows Using UAV Imagery (http://www.mdpi.com/2072-4292/10/2/285)
Paper Open access publicado en la revista Remote Sensing el 12 de Febrero de 2018.
Autores: Ana I. de Castro, Jorge Torres-Sánchez, José M. Peña, Francisco M. Jiménez-Brenes, Ovidiu Csillik y Francisca López-Granados
Este estudio ha sido llevado a cabo por investigadores del grupo imaPing (www.ias.csic.es/imaping) liderado por la Dra. Francisca López Granados del Instituto de Agricultura Sostenible de Córdoba (IAS-CSIC), del Instituto de Ciencias Agrarias de Madrid (ICA-CSIC) y de la Universidad de Salzburgo. Dicha investigación ha sido catalogada de especial interés por los responsables de la revista Open Access Remote Sensing. Por ello, su comité editorial la ha seleccionado para incluirla en los siguientes enlaces de LinkedIn y Twitter con el fin de darle mayor visibilidad.
https://www.linkedin.com/feed/update/urn:li:activity:6369101445375062016
https://twitter.com/RemoteSens_MDPI/status/963335680859373573
Resumen:
Se ha desarrollado un algoritmo para la detección y cartografía de malas hierbas en fase temprana dentro y fuera de la línea de cultivo a partir de imágenes UAV. Se trata de un algoritmo de análisis basado en objetos (OBIA) totalmente automático, que combina técnicas fotogramétricas para generar la ortoimagen y el modelo tridimensional del cultivo y malas hierbas, y técnicas de Machine Learning (Random Forest) para la selección automática de muestras, utilizando como variable discriminante la altura de las plantas. Este algoritmo permite generar los mapas de tratamiento que podrían ayudar a los agricultores en la toma de decisiones para mejorar el manejo del cultivo mediante la aplicación localizada del herbicida en el momento fenológico óptimo.

Utilizamos cookies en este sitio para mejorar su experiencia de usuario. Más información

ACEPTAR
Aviso de cookies