El Dr. Lonesome Malambo vuela un quad helicóptero sobre un campo de investigación de maíz y sorgo. Crédito:Dr. Lonesome Malambo
La construcción de nubes de puntos tridimensionales a partir de fotografías de alta resolución tomadas desde vehículos aéreos no tripulados o drones pronto puede ayudar a los fitomejoradores y agrónomos a ahorrar tiempo y dinero en comparación con la medición manual de cultivos.
Dr. Lonesome Malambo, investigador asociado postdoctoral en el departamento de ciencia y gestión de ecosistemas de la Universidad de Texas A&M en College Station, publicado recientemente sobre este tema en el International Revista de Geoinformación y Observación Aplicada de la Tierra .
El Dr. Sorin Popescu, científico de Texas A&M AgriLife Research, se unió al estudio. Dr. Seth Murray y Dr. Bill Rooney, sus estudiantes graduados y otros dentro del Sistema Universitario Texas A&M. La financiación fue proporcionada por AgriLife Research, el Instituto Nacional de Alimentación y Agricultura del Departamento de Agricultura de EE. UU., Junta de Productores de Maíz de Texas y Programa de Verificación de United Sorghum.
"Lo que ha desarrollado esta asociación multidisciplinaria es transformador para la investigación del maíz y el sorgo, no solo para reemplazar nuestras medidas de altura estándar que requieren mucha mano de obra, pero para encontrar nuevas formas de medir cómo las diferentes variedades responden al estrés en diferentes momentos durante la temporada de crecimiento, ", Dijo Murray." Esto ayudará a los fitomejoradores a identificar un mayor rendimiento, plantas más resistentes al estrés más rápido que nunca ".
Los investigadores de cultivos y los fitomejoradores necesitan dos tipos de datos para determinar qué selecciones de mejoramiento de cultivos hacer:genéticos y fenotípicos, cuáles son las características físicas de la planta, Dijo Malambo.
Se han hecho grandes avances en genética, él dijo, pero aún queda mucho trabajo por hacer para medir las características físicas de cualquier cultivo de manera oportuna y eficiente. En la actualidad, la mayoría de las medidas se toman desde el suelo caminando por los campos y midiendo.
En los ultimos años, Las fotos de UAV se han probado para ver qué papel pueden desempeñar para ayudar a determinar características como la altura de la planta, cuales, medido en el tiempo, puede ayudar a evaluar la influencia de las condiciones ambientales en el rendimiento de la planta.
Malambo dijo que este estudio podría ser el primero en utilizar el concepto de generar nubes de puntos 3-D utilizando "estructura a partir del movimiento, "o SfM, técnicas sobre maíz y sorgo durante una temporada de crecimiento. Estos dos cultivos fueron seleccionados porque tienen una gran variación en altura y dosel durante la temporada.
Si bien SfM no es nuevo, La tecnología ha sido históricamente subestimada para la estimación repetida de la altura de la planta en estudios limitados a una sola fecha o campañas cortas de UAV. él dijo.
Una de las imágenes de nube de puntos generadas por SfM en 3D. Crédito:Foto de Texas A&M AgriLife
En entornos agrícolas donde las condiciones cambian debido a la madurez del cultivo, Malambo dijo que el siguiente paso lógico era determinar si los métodos eran consistentes, repetible y preciso durante el ciclo de crecimiento de los cultivos.
Dijo que la tecnología SfM utiliza imágenes superpuestas para reconstruir la vista tridimensional de una escena, yendo más allá de las típicas fotos planas al permitir la calibración automatizada de la orientación interior y exterior. Se colocaron pequeños blancos de referencia en los campos antes de cada vuelo.
Cuando se toma una foto desde el UAV, es básicamente transferir una escena 3-D a 2-D, Malambo explicó. SfM está tratando de revertir este proceso utilizando propiedades como la geometría, propiedades de la luz y el modelado.
"Una vez que recreamos la escena, tiene el mismo aspecto que cuando lo capturamos, multidimensional, " él dijo.
"En este estudio, estábamos interesados en observar todo el ciclo de crecimiento de estos cultivos. Volamos sobre los cultivos en 12 fechas diferentes y, al mismo tiempo, la gente midió el crecimiento en el suelo en seis de las fechas ".
Popescu dijo en dos de las fechas, para las mediciones de campo, un sensor de escaneo láser terrestre, también conocido como lidar, se utilizó para recopilar datos de referencia para la altura del dosel de la planta.
"Este es otro aspecto único de nuestro estudio, ", dijo." Que yo sepa, ningún otro estudio publicado comparó las mediciones de nubes de puntos SfM con el escaneo lidar, pero solo para mediciones de campo manuales de la altura de las plantas.
"El lidar terrestre proporciona las medidas más precisas del dosel, resultando en una nube de puntos de mediciones directas en 3-D, "Dijo Popescu.
Dijo que SfM proporciona nubes de puntos tridimensionales reconstruidas a través de métodos fotogramétricos, mientras que lidar proporciona mediciones directas mediante escaneo láser. El sensor lidar terrestre, o TLS, tiene una cobertura limitada y debe colocarse en vehículos altos para ver el toldo desde arriba.
Dr. Sorin Popescu, camisa granate, supervisa la instalación de un escáner lidar terrestre en la parte superior de un rociador para llegar por encima del dosel del cultivo. Crédito:Foto de Texas A&M AgriLife por el Dr. Lonesome Malambo
"Realmente no es práctico utilizar el TLS para medir la altura de las plantas, principalmente solo para estudios de validación como el nuestro, ", Dijo Popescu." Lidar se puede colocar en un UAV, pero esos sensores son muy caros. Actualmente estamos ensamblando un sensor lidar UAV y lo tendremos operativo a fines de este año ".
Malambo dijo que las mediciones físicas se tomaron de mayo a julio, mientras que las fotos de vuelo se tomaron de abril a agosto.
"Obtuvimos una muy buena correlación de las mediciones en el campo y las imágenes que pudimos producir, ", dijo." Existe un gran potencial para reducir el tiempo y el costo de la recopilación de datos con tecnología asequible que pueden utilizar los agricultores e investigadores ".
Esta mejora en el análisis de imágenes ha abierto una vía para el uso de cámaras no métricas más asequibles en plataformas UAV para mapeo confiable y modelado 3-D que a través del costoso escaneo láser terrestre y aéreo. Dijo Malambo. El software SfM es fácil de aprender, automatizado y fácilmente disponible.
El sistema no está exento de desafíos, aunque, él dijo. En un esfuerzo por ver si es exacto a lo largo del tiempo, Malambo dijo que la tecnología depende de la calidad de las imágenes. Con sorgo, que es principalmente follaje, Hizo bien. Maíz, que se seca y pierde contraste a medida que madura, tiende a mezclarse con el suelo.
"Nuestra conclusión general es que la estructura a partir del movimiento ofrece un gran potencial de trabajo para medir la altura de la planta, pero necesitamos hacerlo más robusto durante la temporada de crecimiento, ", dijo." Los cambios en la velocidad del viento pueden afectar las cámaras de los drones en la captura de imágenes. Y eso, Sucesivamente, afecta los resultados de las capacidades 3-D ".
Malambo dijo que está buscando formas de mejorar el programa en general, incluida la reducción del tiempo de procesamiento. Los datos capturados en la última temporada de crecimiento son masivos y su procesamiento lleva varios días.
Una idea que discutió es trabajar con otros departamentos en el campus para poder tener un análisis en línea en tiempo real del campo. La imagen capturada por el dron se enviaría directamente a una computadora portátil donde se podrían usar métodos avanzados de análisis de datos como el aprendizaje automático o el aprendizaje profundo para ayudar a permitir que los datos de altura estén disponibles de inmediato.