Algoritmos para agricultura de precisión utilizando computación de alto rendimiento

Abstract

La agricultura de precisión (AP) automatiza actividades mediante la recopilación y análisis de datos agrícolas para la toma de decisiones con fines de mejorar la producción agrícola. En AP el procesamiento de imágenes digitales agrícolas implica realizar operaciones para obtener sus transformaciones en la sistematización de tareas agrícolas. El procesamiento de imágenes digitales requiere de varios recursos de cómputo, principalmente de tiempo y memoria; por ello, mediante la aplicación de paralelismo en procesadores heterogéneos con memoria compartida se pretende reducir el tiempo de ejecución con nuevos algoritmos. La obtención de imágenes sobre grandes extensiones de cultivos agrícolas es difícil para los agricultores de manera tradicional, aprovechando nuevos recursos tecnológicos como los vehículos aéreos no tripulados UAV- Unmanned Aerial Vehicle) más conocidos como drones es posible capturar fotografías digitales de alta calidad a diferentes alturas de sobrevuelo. Teniendo en cuenta las pérdidas económicas en la agricultura cada vez mayores debido a las malezas en los cultivos de maíz, se propone un algoritmo aplicando paralelismo mediante la metodología de Foster´s capaz de identificar líneas de cultivo y discriminar malezas. El algoritmo se ejecuta de manera paralela en una serie de pasos intermedios, que incluyen 4 particiones (segmentación, detección de líneas de cultivo, exclusión de cultivo, discriminación de malezas), en cada partición se aplica paralelismo de datos utilizando un procesador de 8 núcleos. Se utilizó Matlab como lenguaje de programación y herramientas orientadas al paralelismo local para análisis de imágenes adquiridas mediante un dron DJI Mavic 2 Pro con una resolución de 5472× 3648 a alturas de 5, 10 y 15 metros. Los resultados obtenidos demuestran que se puede identificar como mínimo líneas de cultivo (85%) y máximo de malezas (93.28%) del total de vegetación en la cuarta semana de seguimiento al cultivo a 15 metros de altura. Igualmente, con el algoritmo propuesto los tiempos de procesamiento evaluados en promedio alcanzan un rango entre 4.54 y 5.67 segundos con imágenes que alcanzan una extensión máxima de 160 metros cuadrados.