ISBN
979-13-87631-27-7
Fecha de publicación
27-12-2024
Licencia
D. R. © copyright 2024. Alan David Ramírez Noriega, Ivan Noel Alvarez Sánchez y Herman Geovany Ayala Zúñiga
Giovanni Mora Castro
Colegio Nacional de Educación Profesional Técnica
0009-0004-6108-9122
José de Jesús Valenzuela Hernández
Colegio Nacional de Educación Profesional Técnica
0009-0009-6152-4186
Gilberto Bojórquez Delgado
Instituto Tecnológico Superior de Guasave
0009-0000-7829-6540
Acerca de
El uso de vehículos aéreos no tripulados (VANT) equipados con cámaras RGB (del inglés Red, Green, Blue, y en español rojo, verde y azul, estamos haciendo referencia a un sistema de composición de colores basado en la adición de los colores primarios de la luz en el ambiente) ha revolucionado la agricultura de precisión, ofreciendo una metodología avanzada para el monitoreo de cultivos de maíz. Este estudio propone un procedimiento estructurado para la captura de imágenes aéreas en cultivos de maíz utilizando VANT recreativos, específicamente el DJI Mavic Mini 2. La investigación se llevó a cabo en colaboración con “Agroproductores Cadena de Sinaloa S. A. de C. V.”, monitoreando el crecimiento de maíz blanco en…
… diversas alturas y orientaciones. Los resultados demuestran que esta metodología es adecuada y efectiva, proporcionando imágenes de alta calidad que permiten una evaluación detallada del crecimiento y la salud del cultivo. Los beneficios de esta técnica incluyen su capacidad para ofrecer una alternativa económica y accesible en comparación con sistemas de alta capacidad, sin comprometer la calidad de los datos obtenidos. Este estudio sugiere que la combinación de VANT recreativos con herramientas avanzadas de procesamiento de imágenes puede mejorar significativamente la gestión agrícola, permitiendo a los agricultores tomar decisiones informadas basadas en datos precisos y oportunos.
Referencias
Bermúdez Cifuentes, A., RAMIREZ LUGO, P. A., HERRERA MOSQUERA, Y. C., & OLAYA ROMERO, W. F. (2021). PROPUESTA DE MEJORAMIENTO DE LA SEGURIDAD MEDIANTE DRONES EN LA CIUDAD DE BOGOTÁ (PROJECT SELANTROPHUS). http://ojs.urepublicana.edu.co/index.php/ingenieria/article/view/795/597
Biruk, G., Awoke, T., & Anteneh, T. (2021). Effect of intercropping of maize and cowpea on the yield, land productivity and profitability of components crops in Bena- Tsemay Woreda, Southern Ethiopia. International Journal of Agricultural Research, Innovation and Technology, 11(2), 147–150. https://doi.org/10.3329/IJARIT.V11I2.57268
Burglewski, N. M., Ketterings, Q. M., Shajahan, S., & Aardt, J. van. (2023). A comparison of traditional and machine learning corn yield models using hyperspectral UAS and Landsat imagery. Https://Doi.Org/10.1117/12.2663715, 12519, 80–88. https://doi.org/10.1117/12.2663715
De la Riva Fernández, J., Lamelas Gracia, M. T., Montorio Llovería, R., Pérez Cabello, F., & Rodrigues Mimbrero, M. (2022). Actas del XIX Congreso de Tecnologías de la Información Geográfica. TIG al servicio de los ODS. Zaragoza, 12 a 14 de septiembre de 2022 – Repositorio Institucional de Documentos. https://zaguan.unizar.es/record/119771
De la Riva Fernández, J., Pérez Cabello, F., Lamelas Gracia, M. T., Rodrigues Mimbrero, M. (eds. ), & Montorio Llovería, R. (2022). Actas del XIX Congreso de Tecnologías de la Información Geográfica. TIG al servicio de los ODS. Zaragoza, 12 a 14 de septiembre de 2022. Actas Del XIX Congreso de Tecnologías de La Información Geográfica. TIG al Servicio de Los ODS Zaragoza, 12 a 14 de Septiembre de 2022. https://doi.org/10.26754/UZ.978-84-18321-49-8
Fernández, R. M. (2023). Capítulo 2. Platós Virtuales de Televisión: arquitectura, funcionamiento y tecnologías implicadas en la creación de contenidos audiovisuales en realidad mixta en tiempo real. Espejo de Monografías de Comunicación Social, 15, 37–52. https://doi.org/10.52495/C2.EMCS.15.C45
Gama-Moreno, L. A., Plazola Soltero, V. H., Murguia Vadillo, C. G., Martínez Hernández, C., & López Carrillo, E. (2022). Prototipo de Cámara Infrarroja para obtener el Índice NDVI en Agricultura de Precisión. Programación Matemática y Software, 14(1). https://doi.org/10.30973/progmat/2022.14.1/2
Giménez-Gallego, J., González-Teruel, J. D., Toledo-Moreo, A. B., Jiménez-Buendía, M., Soto-Valles, F., & Torres-Sánchez, R. (2022). Segmentación en imagen de frutos de granado usando deep learning con aplicación en agricultura de precisión. XLIII Jornadas de Automática: Libro de Actas: 7, 8 y 9 de Septiembre de 2022, Logroño (La Rioja), 1001–1006. https://doi.org/10.17979/SPUDC.9788497498418.1001
Giraldo, R. A. D., De León, M. Á., Castillo, Á. R., López, O. P., Rocha, E. C., & Asprilla, W. P. (2023). Estimation of forage availability and parameters associated to the nutritional quality of Urochloa humidicola cv Llanero based on multispectral images. Tropical Grasslands-Forrajes Tropicales, 11(1), 61–74. https://doi.org/10.17138/TGFT(11)61-74
Grid Mission Designer. (n.d.). Retrieved June 3, 2024, from https://ancient.land/
Guevara-Bonilla, M., Ortiz-Malavasi, E., Hernández-Cole, J., & Villalobos-Barquero, V. (2023). Revista Colombia Forestal. Colombia Forestal, 26(1), 123–133. https://doi.org/10.14483/2256201X.19250
Gutiérrez Arce, F., Gutiérrez Arce, W., Rojas Vásquez, Z., Vallejos Fernández, L., & Álvarez García, W. (2020). Inserción de nuevas tecnologías en el estudio de indicadores productivos de la pastura, en Cajamarca. REVISTA PERSPECTIVA, 20(4), 383–387. https://doi.org/10.33198/rp.v20i2.00051
Guzman-Alvarez, J. A., González-Zuñiga, M., Fernandez, J. A. S., & Calvo-Alvarado, J. C. (2022). Use of remote sensing in agriculture: Applications in banana crop. Agronomía Mesoamericana, 48279–48279. https://doi.org/10.15517/AM.V33I3.48279
Rico-Mendoza, I. H., Reyna-Rodríguez, M., Morales-Díaz, B. A., Ordaz Hernández, K., & Treesatayapun, C. (2022). Navegación autónoma en interiores basada en localización visual. Pädi Boletín Científico de Ciencias Básicas e Ingenierías Del ICBI, 10(Especial5), 146–151. https://doi.org/10.29057/ICBI.V10IESPECIAL5.10112
Liang, H., Yang, G., Dai, H., Yang, H., Xu, B., Feng, H., Li, Z., & Yang, X. (2019). Fuzzy clustering of maize plant-height patterns using time series of UAV remote-sensing images and variety traits. Frontiers in Plant Science, 10, 461398. https://doi.org/10.3389/FPLS.2019.00926/BIBTEX
Litchi for DJI Drones. (n.d.). Retrieved June 3, 2024, from https://flylitchi.com/
Lorente Rubio, C., Niño Martín, D., Sáenz-Díez Muro, J. C., Jiménez Macías, E., & Blanco Fernández, J. (2022). Desarrollo de escaparate virtual para tienda de moda mediante dispositivo KINECT®. XLIII Jornadas de Automática: Libro de Actas: 7, 8 y 9 de Septiembre de 2022, Logroño (La Rioja), 908–920. https://doi.org/10.17979/SPUDC.9788497498418.0908
Lussem, U., Hollberg, J., Menne, J., Schellberg, J., & Bareth, G. (2017). USING CALIBRATED RGB IMAGERY FROM LOW-COST UAVS FOR GRASSLAND MONITORING: CASE STUDY AT THE RENGEN GRASSLAND EXPERIMENT (RGE), GERMANY. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII-2-W6(2W6), 229–233. https://doi.org/10.5194/ISPRS-ARCHIVES-XLII-2-W6-229-2017
Muñoz, S. D. V., Zannatha, J. M. I., & González-Miranda, O. (2022). Desarrollo de un sistema de navegación autónoma para un robot móvil basado en una cámara RGB-D. Pädi Boletín Científico de Ciencias Básicas e Ingenierías Del ICBI, 10(Especial5), 140–145. https://doi.org/10.29057/ICBI.V10IESPECIAL5.10142
Ndlovu, H. S., Odindi, J., Sibanda, M., Mutanga, O., Clulow, A., Chimonyo, V. G. P., & Mabhaudhi, T. (2021). A Comparative Estimation of Maize Leaf Water Content Using Machine Learning Techniques and Unmanned Aerial Vehicle (UAV)-Based Proximal and Remotely Sensed Data. Remote Sensing 2021, Vol. 13, Page 4091, 13(20), 4091. https://doi.org/10.3390/RS13204091
Orozco, Ó. A., & Llano Ramírez, G. (2016). Sistemas de Información enfocados en tecnologías de agricultura de precisión y aplicables a la caña de azúcar, una revisión. Revista Ingenierías Universidad de Medellín, 15(28), 103–124. https://doi.org/10.22395/rium.v15n28a6
Ponce, P., Chulde, M. P., & Bustamante, M. O. (2022). Segmentación de imágenes agrícolas adquiridas con drone mediante algoritmos paralelos. INNOVATION & DEVELOPMENT IN ENGINEERING AND APPLIED SCIENCES, 4(2), 16–16. https://doi.org/10.53358/IDEAS.V4I2.861
Ponce, P., Pusdá Chulde, M., & Ortega Bustamante, M. (2023). Segmentación de imágenes agrícolas adquiridas con drone mediante algoritmos paralelos. INNOVATION & DEVELOPMENT IN ENGINEERING AND APPLIED SCIENCES, 4(2). https://doi.org/10.53358/ideas.v4i2.861
Qu, X., Shi, D., Gu, X., Sun, Q., Hu, X., Yang, X., & Pan, Y. (2022). Monitoring Lodging Extents of Maize Crop Using Multitemporal GF-1 Images. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15, 3800–3814. https://doi.org/10.1109/JSTARS.2022.3170345
Ramírez-Rojas, C., Peña-Valdivia, C. B., García-Esteva, A., & Padilla-Chacón, D. (2022). Fenotipo de plantas de maíz con efecto del herbicida mesotrione. Revista Mexicana de Ciencias Agrícolas, 13(8), 1399–1410. https://doi.org/10.29312/REMEXCA.V13I8.2886
Ramos Cruz, C. M., Ramos-Cruz, C. M., Trucios-Caciano, R., Raquel Pérez-Evangelista, E., Miguel-Valle, E., & Delgado-Ramírez, G. (2022). Uso de imágenes captadas mediante UAV para estimar el estado general de huertas citrícolas: TECNOCIENCIA Chihuahua, 16(2), e1007–e1007. https://doi.org/10.54167/TCH.V16I2.1007
Ribeiro Gomes, K., Hernández Lopez, D., Ballesteros González, R., & Moreno Hidalgo, M. (2015). DESARROLLO DE UNA METODOLOGÍA PARA LA OPTIMIZACIÓN DEL FLUJO DE TRABAJO EN LA ADQUISICIÓN Y TRATAMIENTO DE IMÁGENES DE ALTA RESOLUCIÓN CON VEHÍCULOS AÉREOS NO TRIPULADOS. 481–487. https://doi.org/10.4995/cnriegos.2015.1467
Rodríguez Alonso, D., & Cabrejo Paredes, J. (2022). Excelente confiabilidad de la cámara termográfica de bolsillo para apoyar el diagnóstico de la neuropatía periférica diabética en atención primaria. Revista Médica Vallejiana / Vallejian Medical Journal, 11(2), 11–20. https://doi.org/10.18050/REVISTAMEDICAVALLEJIANA.V11I2.01
sct11_C. (2019). https://www.dof.gob.mx/normasOficiales/8006/sct11_C/sct11_C.html
Shukla, M., Sadhu, A. C., Patel, P., & Mevada, K. D. (2022). Effect of Inclusion of Legumes in Cropping System and their Residue Incorporation on the Yield of Maize. LEGUME RESEARCH – AN INTERNATIONAL JOURNAL, Of. https://doi.org/10.18805/LR-4868
Torres-Madronero, M. C., Goez, M., Guzman, M. A., Rondon, T., Carmona, P., Acevedo-Correa, C., Gomez-Ortega, S., Durango-Flórez, M., López, S. V., Galeano, J., & Casamitjana, M. (2022). Spectral Library of Maize Leaves under Nitrogen Deficiency Stress. Data 2023, Vol. 8, Page 2, 8(1), 2. https://doi.org/10.3390/DATA8010002
Vega-Puga, M., Romo-Leon, J. R., Castellanos, A. E., Castillo-Gámez, R. A., Garatuza-Payán, J., & Ángeles-Pérez, G. (2023). Uso de imágenes aéreas de alta resolución para la detección de cambios en el almacén de carbono en biomasa aérea en comunidades semiáridas, tras la introducción de la especie exótica <em>Cenchrus ciliaris</em>. Botanical Sciences, 101(1), 41–56. https://doi.org/10.17129/BOTSCI.3026
Villar, F. A., Candelario, S., & Díaz, J. (2023). Drones, fotogrametría y Sistemas de Información Geográfica. Algunos aportes a la arqueología de contextos industriales. Comechingonia. Revista de Arqueología, 27(1), 35–50. https://doi.org/10.37603/2250.7728.V27.N1.38136
Wahab, I., Hall, O., & Jirström, M. (2018). Remote Sensing of Yields: Application of UAV Imagery-Derived NDVI for Estimating Maize Vigor and Yields in Complex Farming Systems in Sub-Saharan Africa. Drones 2018, Vol. 2, Page 28, 2(3), 28. https://doi.org/10.3390/DRONES2030028
Wei, L., Song, X., & Yang, H. (2023). Extraction of maize planting area based on transformer and remote sensing data. Https://Doi.Org/10.1117/12.2689430, 12748, 381–386. https://doi.org/10.1117/12.2689430