Automation of the processing of thermal images obtained by drone for the evaluation of different irrigation parameters in the grapefruit crop affected by HLB

Abstract

[ES] Es necesario un método preciso para establecer el estado hídrico de los árboles de cítricos utilizando métodos no destructivos. Maximizar la obtención de datos en tiempo real permitirá a los usuarios mejorar la gestión del riego. Los objetivos de este proyecto eran obtener el estado hídrico del cultivo mediante la automatización del proceso de extracción de la temperatura de la copa y el análisis de las imágenes térmicas capturadas por una cámara térmica manual y una cámara térmica montada en un vehículo aéreo no tripulado (VANT). El trabajo del algoritmo para extraer la temperatura de las imágenes térmicas tomadas por la cámara manual fue aceptable, obteniendo la temperatura media de cada planta. Sin embargo, para obtener mejores resultados, se debe evitar establecer un umbral estándar para reducir un procesamiento defectuoso. Cuando se implementó el algoritmo automatizado, la precisión obtenida en la segmentación de Árboles por la Red Neural en las imágenes captadas por el dron fue del 88,8%. Sin embargo, las Malas hierbas (MH) en el fondo redujeron la eficacia del sistema, con un 73,4% de las MH clasificadas como Árboles, arruinando la segmentación. Se aplicaron técnicas de postprocesamiento para extraer la temperatura de los Árboles que tenían una forma circular, dejando sin procesar las regiones donde los Árboles y las MH se superponían, lo que no permitió determinar con precisión la temperatura de los Árboles. Obteniendo buenos resultados en la extracción de los valores de temperatura únicamente de las copas circulares. Se deben desarrollar nuevas técnicas de postprocesamiento para mejorar la segmentación de la copa de los Árboles en las áreas superpuestas con las MH.

[EN] An accurate method to establish the water status of citrus trees using non-destructive methods is necessary. Maximizing the obtention of real-time data will allow users to improve irrigation management. The objectives of this project were to obtain crop water status by automating the process of canopy temperature extraction and analysis of thermal images captured by a hand thermal camera and a thermal camera mounted on an unmanned aerial vehicle (UAV). The performance of the algorithm to extract the temperature from thermal images taken by the hand camera was acceptable, generating the temperature average of every plant. However, to obtain better results, a standard threshold should be avoided to reduce faulty processing. When the automated algorithm was implemented, the accuracy obtained in the Trees segmentation by the Neural Network on images captured by the drone was 88.8%. However, the Weeds in the background reduced the system efficacy, with 73.4% of the Weeds classified as Trees, ruining the segmentation. Postprocessing techniques were applied to extract the Trees temperature using a circular shape, leaving the regions where Trees and Weeds were overlapped without being processed not allowing to accurately determine the Trees temperature. Resulting in successful results the extraction the temperature values only from the circular canopies. New postprocessing techniques have to be developed to improve the Trees canopy segmentation in the overlapped areas with the Weeds.