Archivo de la etiqueta: visión artificial

Una aplicación de la visión artificial en fitopatología de ornamentales

Poco a poco y cada vez con mayor velocidad, aparecen desarrollos de tecnologías para el agro que utilizan la visión artificial; es decir, mediante cámaras cuyas imágenes son analizadas empleando software específicos. El objetivo final del desarrollo de tecnologías de visión artificial es que del análisis de imágenes se emitan a robots automáticamente -sin la participación de un humano- determinadas órdenes de “hacer” o de “no hacer”.

Por ejemplo, se configura un software para interpretar imágenes de una cierta maleza y al acoplar la tecnología de visión artificial a un equipo pulverizador de herbicidas (cámaras más computadora y software), se busca que la pulverizadora active la expulsión del líquido controlador de la maleza cuando el equipo de visión artificial la detecta. De esta manera se economiza producto herbicida, con los consecuentes beneficios en la rentabilidad del productor y en el medio ambiente.

En la misma orientación y en forma inversa a lo anterior, para la aplicación de, por ejemplo, insecticidas o fungicidas se podría programar al software para detectar las plantas útiles (olivos, naranjos, maíz, etc.) y que el equipo pulverizador active la pulverización del insecticida o del fungicida ante una de esta plantas.

Para el caso de fitosanitarios erradicantes que actúan directamente contra una plaga, tal vez la situación óptima de máxima sería que el líquido pulverizador rocíe las plantas útiles únicamente cuando las mismas están siendo atacadas por dicha plaga objetivo. Posiblemente esta alternativa de extremadamente mínimo rociado del pulverizado no tenga aplicación práctica, pero la programación de la visión artificial para detección de una determinada plaga o enfermedad puede ser una herramienta útil para ubicar las áreas de los lotes de cultivo donde es conveniente aplicar el productor de control.

Aquí les acercamos un artículo sobre el desarrollo de una aplicación de visión artificial que busca contribuir a la automatización de los trabajos en plantas ornamentales de invernaderos. Se ha desarrollado un sistema para detectar en rosales la enfermedad conocida como “cenicilla”, causada por el hongo Sphaerotheca pannosa: se identifican y se cuantifican automáticamente los síntomas visuales de la enfermedad.

Lo cual permitirá plantear con precisión estrategias de control de la enfermedad y es el punto inicial para el desarrollo de robots que suplanten al humano en la tarea de decidir dónde aplicar el fungicida.

Detección de cenicilla en rosa usando procesamiento de imágenes por computadora

Autores: Noé Velázquez-López (1); Yutaka Sasaki (2); Kazuhiro Nakano (3); José M.Mejía-Muñoz (4) ; Eugenio Romanchik Kriuchkova (5)
(1) Graduate School of Agriculture, Tokyo University of Agriculture, Tokyo, Japón.
(2) Faculty of Regional Environment Science, Tokyo University of Agriculture, Tokyo, Japón.
(3) Graduate School of Science and Technology, Niigata University, Niigata, Japón.
(4) Departamento de Fitotecnia, Universidad Autónoma Chapingo, Chapingo, Estado de México. México
(5) Departamento de Ingeniería Mecánica Agrícola, Universidad Autónoma Chapingo, Chapingo, Estado de México. México
Artículo publicado en la Revista Chapingo. Serie Horticultura, vol. 17, núm. 2, mayo-agosto, 2011.

Los investigadores utilizaron la librería de fuente abierta Open CV para visión por computadora, que se encuentra escrita en lenguaje C y C++, removiendo en las imágenes objetos blancos que confunden (“ruido”), anulando el reflejo de la luz y ajustando la distancia desde imágenes cercanas (10cm) hasta llegar a poder detectar la cenicilla con imágenes más lejanas (50cm). Para estas imágenes tomadas a mayor distancia fue necesario aplicar la “detección activa”, que consiste en interpretar imágenes de las hojas posiblemente infectadas desde diferentes ángulos y direcciones.

Evaluación del estado nutricional e hídrico de un cultivo mediante un sistema de visión artificial

Hasta este momento, para definir el manejo hídrico de un cultivo o la aplicación de fertilizantes o plaguicidas, una persona con conocimientos técnicos y experimentada (tenga o no título profesional) recorre el cultivo y en base al archivo de conocimientos que tiene en su cabeza y ayudado por instrumentos en el terreno o análisis de laboratorio, define qué es lo que hay que hacer.

Pues bien, de a poco desaparecerá la persona para la toma de decisiones sobre el manejo de un cultivo. Ya lo estamos viendo en la Agricultura de Precisión donde se puede fertilizar en forma diferente en cada parte de un lote de acuerdo a los resultados productivos de los últimos años de ese determinado sector del terreno.

Y les traemos otro avance que va en el mismo sentido. La idea básica es simple; lo complejo es su implementación y ya se está llevando a cabo.

Se trata de guardar en una base de datos gran cantidad de imágenes de un cultivo y relacionarlas con deficiencias o abundancias hídricas y/o nutricionales. Por lo que, al ver artificialmente otro cultivo similar se puede inferir en que situación hídrica y/o nutricional se encuentra y, consecuentemente, decidir mediante un sistema informático y automático entregar o no una cierta lámina de riego o aplicar una determinada dosis de fertilizante.

Desarrollo de una base de datos para caracterización de alfalfa (Medicago sativa L.) en un sistema de visión artificial

Autores: L. Martínez-Corral (1), E. Martínez-Rubín (2), F. Flores-García (1), G.C. Castellanos (2), A.R. Juárez (2), M.J.D. López (3)

(1) Instituto Tecnológico de la Laguna, Dirección: Blvd. Revolución y Clzda. Cuauhtémoc s/n Torreón, Coahuila, México.
(2) Instituto Tecnológico de Torreón. Carretera Torreón – San Pedro Km. 7.5, Ejido Anna. Torreón, Coah. México.
(3) FAZ-UJED, Facultad de Agricultura y Zootecnia de la Universidad Juárez del Estado de Durango. Carretera Gómez Palacio-Tlahualilo, Km. 35 Ej. Venecia, México.

Subido a la web recientemente en el journal Phyton (Buenos Aires), v.78 n.1 Argentina, fechado en el 2009.

Del resumen del artículo extraemos:

“La utilización de un sistema de visión para el reconocimiento visual computarizado del estrés hídrico y/o nutricional de un cultivo implica el análisis y procesamiento de determinadas características de color, forma y dimensiones de un objeto a partir de una imagen digital. Debido a que los parámetros de identificación se encuentran estrechamente relacionados es necesario recopilar la información de especialistas, análisis foliar, morfología matemática y fotografías de deficiencias. El objetivo de este trabajo fue desarrollar un sistema de información que sirva como herramienta de un sistema de visión para la caracterización de las deficiencias nutricionales (nitrógeno, fósforo y potasio) y el estrés hídrico del cultivo de la alfalfa, integrando todos los parámetros antes mencionados. La base de datos utiliza imágenes capturadas mediante una cámara CCD, y los resultados de las técnicas de extracción y reconocimiento de patrones configurados, en un sistema de visión previamente desarrollado. Se presenta la integración de los módulos de resultados de visión artificial y de conocimientos del experto humano en una sola base de información programada con lenguaje Visual Basic.”

Uso de la visión artificial en el manejo de lechones

La visión artificial es una herramienta donde mediante la captación de imágenes de un determinado tema objetivo se desarrolla un software que las interpreta. Posteriormente, ante nuevas imágenes el software indica de alguna manera si las reconoce.

Por ejemplo, para permitir o no la entrada de personas a determinados sitios de acceso restringido, se alimenta al software mediante imágenes desde distintos ángulos de las personas que están autorizadas. Luego se instala una cámara en la puerta de acceso que al tomar la imagen de la persona que pretende pasar, automáticamente lo identifica.

En la industria que utiliza robots, se los puede programar para que identifiquen un determinado objeto, para transportarlo a otro lugar programado. También se utiliza la visión artificial para clasificar objetos, extrayéndolos de un lugar de acuerdo a sus características visuales.

En el caso que ahora traemos de uso de la visión artificial, se desarrolló un software para el tratamiento digital de imágenes con el objetivo que pudiera ser útil para el estudio del comportamiento de los lechones que se encuentran junto a su madre en una corralina de maternidad.

El artículo se publicó en el Spanish Journal of Agricultural Research, Vol 7 Nº 3, de septiembre de 2009.

An automatic colour-based computer vision algorithm for tracking the position of piglets

Autores: J. M. Navarro-Jover, M. Alcañiz-Raya, V. Gómez, S. Balasch, J. R. Moreno, A. Torres, todos de la Universidad Politécnica de Valencia, España, y V. Grau-Colomer del Wolfson Medical Vision Laboratory, University of Oxford, UK.

Se pintaron con colores distintos los lomos y los laterales de los nueve lechones de la camada y se capturaron 24.000 imágenes durante cinco días con un intervalo de 5 segundos entre imágenes. El algoritmo realiza una segmentación de las imágenes y un seguimiento para aislar las manchas de color del resto de la imagen, y posteriormente el reconocimiento de los patrones de color. El programa devuelve las coordenadas de ubicación de los lechones lo cual permite determinar sus movimientos.

De la evaluación estadística del funcionamiento del programa se obtuvo un 72,5% de detecciones de los lechones, con un 89,1% de aciertos.

Posteriores aplicaciones de esta herramienta permitirán conocer el comportamiento de los lechones: como se mueven alrededor de la madre, como interactúan entre ellos, la jerarquía social, la forma de amamantarse, etc.

Esto ayudará a detectar problemas, por ejemplo, relacionados con el bienestar de estos animales: hacinamiento, falta de alimento materno, temperatura inadecuada, agresividad, etc. Ya que hay una definida relación entre la actividad y el bienestar.