Corrección precisa del color de imágenes basada en vuelo cooperativo dual de vehículos aéreos no tripulados

Área de la Ciencia:

• Detección remota y tecnología geoespacial
• Ciencia agrícola y monitoreo de cultivos
• Procesamiento de imágenes y visión por computadora

Sus antecedentes:

• El color preciso en la detección remota es vital para el monitoreo de la salud de las plantas, la identificación de etapas de crecimiento y la detección de estrés.
• Las distorsiones de color no corregidas por variaciones de iluminación y sensores comprometen la calidad de los datos de imagen y la confiabilidad del análisis.
• Los métodos de corrección de color existentes a menudo requieren posprocesamiento, lo que limita las aplicaciones en tiempo real.

Objetivo del estudio:

• Introducir y validar un novedoso enfoque de corrección de color en vuelo para imágenes RGB utilizando vuelos cooperativos de vehículos aéreos no tripulados (UAV) integrados con una carta de colores (CoF-CC).
• Mejorar la precisión y consistencia del color en imágenes de detección remota bajo diversas condiciones de campo.
• Demostrar la utilidad práctica del método CoF-CC en la mejora de aplicaciones de monitoreo de cultivos, como la estimación de la madurez del arroz.

Principales métodos:

• Se desarrolló un sistema cooperativo de doble UAV donde un UAV (maestro) adquiere imágenes RGB mientras que un segundo UAV transporta una carta ColorChecker.
• Se aseguró la visibilidad persistente de la carta ColorChecker dentro del campo de visión del UAV maestro para el cálculo en tiempo real de una matriz de corrección de color (CCM).
• Se aplicó el CCM para la corrección en vuelo de imágenes RGB, seguido de experimentos de campo para evaluar la consistencia entre sensores y la precisión de la medición en hojas de arroz.

Principales resultados:

• El CCM redujo significativamente la diferencia de color promedio CIE 2000 (ΔE) en un 66,1%, reduciéndola de 18,2 a 5,0 para el color de las hojas de arroz.
• La consistencia del color entre seis sensores RGB mejoró en un 70,2% con un aumento notable en la distancia intraclúster.
• Las imágenes corregidas mejoraron sustancialmente la precisión de la predicción de la madurez del arroz, aumentando el R² de 0,28 a 0,67.

Conclusiones:

• El método de vuelo cooperativo dual de UAV con carta de colores (CoF-CC) estandariza eficazmente las imágenes RGB en diversas condiciones de iluminación y de sensores.
• Este enfoque demuestra un rendimiento sólido para el análisis e interpretación precisos del color en aplicaciones de detección remota en campo abierto.
• CoF-CC ofrece una solución práctica para mejorar la confiabilidad y precisión del monitoreo y análisis de cultivos basados en UAV.