Mejora de la imagen adaptativa a la luz para mejorar el análisis visual en cultivos intermedios

Área de la Ciencia:

• Ciencias Agrícolas
• Visión por computadora
• Detección remota

Sus antecedentes:

• El intercambio de cultivos de maíz y soja presenta desafíos para el reconocimiento basado en imágenes debido a las diferentes alturas de las plantas y las sombras resultantes.
• La variación de la iluminación tiene un impacto significativo en la precisión del análisis de imágenes en entornos agrícolas.

Objetivo del estudio:

• Desarrollar y evaluar un modelo de compensación de la iluminación para las imágenes del dosel de la soja en sistemas de cultivo interconectado de maíz y soja.
• Mejorar la uniformidad de la imagen y mitigar los efectos de la iluminación desigual para mejorar el reconocimiento de cultivos.

Principales métodos:

• Se desarrolló un modelo de regresión utilizando diferencias de altura de los cultivos, ángulo de elevación solar e intensidad de luz.
• El modelo se aplicó para corregir las imágenes del dosel de la soja y se comparó con la ecualización del histograma, Multi-Scale Retinex (MSR) y la corrección gamma.
• La evaluación cuantitativa utilizó la relación pico señal-ruido (PSNR) y el análisis de los canales de color RGB y HLS.

Principales resultados:

• El modelo de compensación de iluminación propuesto alcanzó un PSNR de 40,79 dB, lo que indica una calidad de imagen superior.
• El método aumentó efectivamente el brillo y redujo las fluctuaciones locales, con mejoras notables en los valores del canal verde y los valores generales de RGB.
• El análisis de la desviación estándar por canal mostró una menor varianza en los canales verde (G) y matiz (H), lo que demuestra una mejor consistencia de la imagen.

Conclusiones:

• El modelo de compensación de iluminación desarrollado mejora significativamente la uniformidad de la imagen en los sistemas de cultivo interconectado de maíz y soja.
• Este avance es crucial para mejorar la precisión y fiabilidad de las tareas de reconocimiento basadas en imágenes en entornos agrícolas complejos.
• El modelo ofrece una solución robusta para abordar las variaciones de iluminación, allanando el camino para aplicaciones de agricultura de precisión más efectivas.