• Corpus ID: 251040878

Estimaci\'on de \'areas de cultivo mediante Deep Learning y programaci\'on convencional

@inproceedings{Caicedo2022EstimacionD,
  title={Estimaci\'on de \'areas de cultivo mediante Deep Learning y programaci\'on convencional},
  author={Javier Caicedo and Pamela Acosta and R. Quinteros Pozo and Henry Guilcapi and Christian Iv{\'a}n Mej{\'i}a-Escobar},
  year={2022}
}

• Javier Caicedo, Pamela Acosta, +2 authors C. Mejía-Escobar
• Published 25 July 2022
• Computer Science

Resumen La Inteligencia Artificial ha permitido la implementaci´on de soluciones m´as precisas y efi-cientes para problem´aticas en diversas ´areas. En el sector agr´ıcola, una de las principales necesidades es conocer en todo momento la extensi´on de terreno ocupada o no por los cultivos con el fin de mejorar la producci´on y la rentabilidad. Los m´etodos tradicionales de c´alculo demandan la obtenci´on de datos de manera manual y presencial en campo, ocasionando altos costes de mano de obra, tiempos de ejecuci´on, e imprecisi´on en los resultados. El presente trabajo propone un nuevo m´etodo basado en t´ecnicas de Deep Learning complementadas con programaci´on convencional para la determinaci´on del ´area de zonas pobladas y despobladas de cultivos. Hemos considerado como caso de estudio una de las empresas m´as reconocidas en la siembra y cosecha de ca˜na de az´ucar en el Ecuador. La estrategia combina una Red Neuronal Adversaria Generativa (GAN) que es entrenada sobre un dataset de fotograf´ıas a´ereas de paisajes naturales y urbanos para mejorar la resoluci´on de im´agenes; una Red Neuronal Convolucional (CNN) entrenada sobre un dataset de fotograf´ıas a´ereas de parcelas de ca˜na de az´ucar para distinguir zonas pobladas o despobladas de cultivo; y un m´odulo de procesamiento est´andar de im´agenes para el c´alculo de ´areas de manera porcentual. Los experimentos realizados demuestran una mejora significativa de la calidad de las fotograf´ıas a´ereas as´ı como una diferenciaci´on notable entre las zonas pobladas y despobladas de cultivo, consecuentemente, un resultado m´as preciso de las ´areas cultivadas y no cultivadas. El m´etodo propuesto puede ser extendido a la detecci´on de posibles plagas, zonas de vegetaci´on de maleza, el desarrollo din´amico de los cultivos, y control de calidad tanto cualitativo como cuantitativo.