Computer Vision in Oliviculture. Contributions to the Postharvest Estimation of Individual Fruit Features, Early In-the-field Yield Prediction, and Individual Tree Characterisation from Aerial Imagery, by means of Image Analysis

  1. Ponce, Juan Manuel
Supervised by:
  1. José Manuel Andújar Márquez Director
  2. Arturo Aquino Martín Director

Defence university: Universidad de Huelva

Fecha de defensa: 09 November 2020

Committee:
  1. Carlos Bordóns Alba Chair
  2. Jose Manuel Couto Silvestre Secretary
  3. Santiago Velasco Forero Committee member
Department:
  1. INGENIERIA ELECTRONICA DE SISTEMAS INFORMATICOS Y AUTOMATICA

Type: Thesis

Abstract

Actualmente, el cultivo del olivo (Olea europaea) ocupa una importante posición dentro de la actividad agrícola a nivel internacional. Sin embargo, a pesar de sus volúmenes de producción, y de la dimensión del mercado generado alrededor del aceite de oliva y las aceitunas de mesar principales productos derivados de dicho cultivo, la oleicultura y la industria que de ella deriva siguen estando sujetas a formas tradicionales de explotación, Por otra parte, el uso de técnicas basadas en Visión por Computador (VC) ha cobrado una gran importancia dentro de la agricultura y la industria agroalimentaria. De hecho, éste se ha convertido en un importante foco de investigación, y en la actualidad pueden encontrarse una gran cantidad de publicaciones que se centran en el estudio y aplicabilidad de esta tecnología en sector agrícola, dentro del ámbito de la agricultura de precisión, y en el tratamiento poscosecha de productos hortícolas. La oleicultura puede beneficiarse de este tipo de técnicas, con objeto de mejorar sus procesos de producción, Esta Tesis, presentada como un compendio de artículos publicados en revistas de alto impacto, comprende la investigación realizada durante los últimos tres años dirigida a validar el uso de esta tecnología dentro del sector olivarero, Con dicho objetivo, se han abordado tres distintas líneas de investigación. En primer lugar, la investigación se centró en el uso de técnicas de VC para apoyar tareas de poscosecha. En concreto, se emprendió el desarrollo de metodologías para la detección de aceitunas en imágenes digitales tomadas en laboratorio, y la posterior estimación del tamaño y peso de cada fruto, buscando automatizar su categorización. Tras comprobar con éxito la viabilidad del uso de técnicas de análisis de imagen y de modelización lineal para alcanzar dicho objetivo, se exploró el uso de Redes Neuronales Convolucionales (RNC) para generar clasificadores de imagen capaces de etiquetar cada región de píxeles perteneciente a un fruto de acuerdo con la variedad de aceituna a la que potencialmente pertenece. Así, se logró prototipar un sistema integral de Visión Artificial, capaz de realizar la captura de imágenes de aceitunas, la detección automática y caracterización morfológica de éstas, y su clasificación atendiendo a su variedad. Como segundo hito, la investigación abordó al desarrollo de una metodología para la detección de frutos en los propios árboles, en imágenes de olivos tomadas directamente en la zona de cultivo, como primer paso en la obtención de una solución con la que automatizar, mediante técnicas de VCt la estimación precosecha del rendimiento del olivar. Esta información, de gran valor para los agricultores, es tradicionalmente realizada de forma manual, observando la cantidad de fruto visible directamente en el árbol, con todos los inconvenientes que esto conlleva, La investigación resultó en un algoritmo capaz de detectar aceitunas visibles en imágenes digitales de olivos tornadas por la noche y con iluminación artificial, mediante la aplicación de clasificadores de imagen basados en RNCs. Por último, se estudió la aplicabilidad de sistemas basados en el uso de imágenes aéreas en el sector olivícola. Para ello, se realizaron distintos experimentos dirigidos al desarrollo de metodologías basadas en VC que permitiera la detección automática y caracterización morfológica de olivos en capturas aéreas. Esta investigación resultó en un novedoso procedimiento que, a partir de imágenes aéreas multiespectrales, utiliza técnicas fotogramétricas para generar representaciones tridimensionales de las zonas de cultivo bajo estudio. Estas estructuras de datos son procesadas mediante morfología maternática para segmentar individualmente las áreas de proyección de las copas de los árboles que aparece en dichas representaciones, permitiendo así la estimación de las características dendrométrjcas de cada planta en relación a su dosel.