Assessment of the Nutritional State for Olive Trees Using UAVs

Marchal, Pablo Cano; Gila, Diego Manuel Martínez; Rico, Sergio Illana; Ortega, Javier Gómez; García, Javier Gámez

doi:10.1007/978-3-030-58653-9_27

Cited by 2 publications

(1 citation statement)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…El empleo de UAV en el olivar tradicional (o de montaña) es especialmente interesante donde el acceso con vehículos terrestres puede estar limitado. Su uso ha sido documentado en [2] y en [3], donde los autores emplearon un sistema multiespectral embarcado en un UAV para la estimación del estado nutricional de diferentes plantaciones de olivos. Por otro lado, en [4] los autores emplearon imágenes cenitales RGB adquiridas desde un UAV para medir el área de la copa de diferentes olivos y a partir de ésta predecir la producción del árbol.…”

Section: Introductionunclassified

Predicción automática de la carga frutal de olivos empleando UAV y redes convolucionales

Jiménez¹,

Gila²,

Martínez³

et al. 2022

XLIII Jornadas De Automática: Libro De Actas: 7, 8 Y 9 De Septiembre De 2022, Logroño (La Rioja)

View full text Add to dashboard Cite

El sector del aceite de oliva y de la aceituna de mesa representan ya el 3% del PIB total de Andalucía. Teniendo en cuenta las cifras que este hecho supone, predecir la cosecha campaña tras campaña es clave para definir estrategias de marketing. Dada la gran superficie de olivar existente resulta interesante la integración de tecnologías emergentes que puedan facilitar esta tarea de predicción. En este trabajo se estudia la viabilidad del uso de cámaras de visión por computador de espectro visible embarcadas en UAVs para valorar de forma cualitativa la carga frutal de los olivos de una plantación. Las imágenes adquiridas fueron etiquetadas y posteriormente utilizadas para entrenar tres arquitecturas CNN (AlexNet, GoogLeNet, y ResNet) por el método de transferencia de aprendizaje. La arquitectura que mejor rindió fue GoogLeNet, que posteriormente fue optimizada obteniendo finalmente una tasa de éxito del 90% a la hora de clasificar imágenes que mostraban regiones de olivos con carga alta, media, baja y descarte (no olivo).

show abstract

Section: Introductionunclassified

Predicción automática de la carga frutal de olivos empleando UAV y redes convolucionales

Jiménez¹,

Gila²,

Martínez³

et al. 2022

XLIII Jornadas De Automática: Libro De Actas: 7, 8 Y 9 De Septiembre De 2022, Logroño (La Rioja)

View full text Add to dashboard Cite

show abstract

Automatic Detection of Olive Tree Canopies for Groves with Thick Plant Cover on the Ground

Rico

Gila

Marchal

et al. 2022

Sensors

View full text Add to dashboard Cite

Marking the tree canopies is an unavoidable step in any study working with high-resolution aerial images taken by a UAV in any fruit tree crop, such as olive trees, as the extraction of pixel features from these canopies is the first step to build the models whose predictions are compared with the ground truth obtained by measurements made with other types of sensors. Marking these canopies manually is an arduous and tedious process that is replaced by automatic methods that rarely work well for groves with a thick plant cover on the ground. This paper develops a standard method for the detection of olive tree canopies from high-resolution aerial images taken by a multispectral camera, regardless of the plant cover density between canopies. The method is based on the relative spatial information between canopies.The planting pattern used by the grower is computed and extrapolated using Delaunay triangulation in order to fuse this knowledge with that previously obtained from spectral information. It is shown that the minimisation of a certain function provides an optimal fit of the parameters that define the marking of the trees, yielding promising results of 77.5% recall and 70.9% precision.

show abstract

Assessment of the Nutritional State for Olive Trees Using UAVs

Cited by 2 publications

References 11 publications

Predicción automática de la carga frutal de olivos empleando UAV y redes convolucionales

Predicción automática de la carga frutal de olivos empleando UAV y redes convolucionales

Automatic Detection of Olive Tree Canopies for Groves with Thick Plant Cover on the Ground

Contact Info

Product

Resources

About