Desenvolvimento de um sistema multiespectral para aplicações na agricultura de precisão, utilizando dispositivos embarcados

Autores

  • Angie Katherine Torres Galindo Universidad de los Llanos, Villavicencio
  • Andrés Felipe Gómez Rivera, Universidad de los Llanos, Villavicencio
  • Andrés Fernando Jiménez López Universidad de los Llanos, Villavicencio

DOI:

https://doi.org/10.18046/syt.v13i33.2079

Palavras-chave:

Agricultura de precisão, sem fio, python, software, sensoriamento remoto.

Resumo

Este documento mostra o progresso no desenvolvimento de protótipos para adquirir informações de sensoriamento remoto em veículos aéreos não tripulados para aplicações em agricultura de precisão. Foram desenvolvidos dois protótipos de câmera multiespectral para as bandas do azul, verde, vermelho e infravermelho-próximo usando os cartões Tiva ™ C Series LaunchPad e Raspberry Pi B, com diferenças substanciais no tempo de processamento e armazenamento de imagens. Este documento descreve a concepção e o desenvolvimento de um sistema de aquisição de informação multiespectral, com o objetivo de analisar coberturas vegetais, inicialmente em plantações de óleo de palma. Este módulo de aquisição de informações de campo é acoplado a um Veículo Aéreo não tripulado; permitindo capacidade de manobra em latitude e longitude, para melhorar assim a eficiência na obtenção de dados espectrais em pequenos lotes, aumentando a resolução espacial e temporal com um sistema controlado a partir de terra.

Biografia do Autor

  • Angie Katherine Torres Galindo, Universidad de los Llanos, Villavicencio

    Candidata a Ingeniera Electrónica en la Universidad de los Llanos (Villavicencio, Colombia). Sus áreas de interés en investigación son las aplicaciones de agricultura de precisión, la robótica y los sistemas embebidos.

  • Andrés Felipe Gómez Rivera,, Universidad de los Llanos, Villavicencio

    Candidato a Ingeniero Electrónico en la Universidad de los Llanos (Villavicencio, Colombia). Sus áreas de interés en investigación son las aplicaciones de agricultura de precisión, la robótica y los sistemas embebidos.

  • Andrés Fernando Jiménez López, Universidad de los Llanos, Villavicencio

    Máster en Ciencias–Física, de la Universidad Nacional de Colombia, e Ingeniero Electrónico de la Universidad Pedagógica y Tecnológica de Colombia. Desde 2013 es profesor del Departamento de Matemáticas y Física de la Facultad de Ciencias Básicas e Ingeniería, e investigador del grupo Macrypt de la Universidad de los Llanos (Villavicencio-Colombia). Sus áreas de interés en investigación son el procesamiento de imágenes, la agricultura de precisión, la física y los laboratorios remotos.

Referências

Abril, P., & Butcher, S. (2001). Overgrazing and soil carbon dynamics in the western Chaco of Argentina. Appl. Soil Ecology, 16, 243-249.

Hoffer, A. (1978). Biological and physical considerations in applying computer-aided analysis techniques to remote sensor data. In Remote Sensing: The Quantitative Approach (pp. 227-289). New York, NY: McGrawHill.

Hunt, E., Hively, W., Fujikawa, W., Linden, S., Daughtry, C., & McCarty, G. (2010). Acquisition of NIR-green-blue digital photographs from unmanned aircraft for crop monitoring. Remote Sensing, 2(1), 290-305.

Inoue, Y. (1997). Remote sensing of crop and vegetative environment. Journal of Japan Remote Sensing Society, 17(4), 57-67.

Jiménez, A. (2010). Dispersión de ondas electromagnéticas en coberturas vegetales. Ingeniería, Investigación y Desarrollo, 10(1), 33-38.

Jiménez, A., Arteaga, E., & Mesa, R. L. (2006). Sistemas de agricultura de precisión. Ingeniería, Investigación y Desarrollo, 2(1), 44-47.

Jiménez, A., Jiménez, F., & Fagua, E. (2013). Digital image processing of remote sensing products for precision agriculture. Revista Colombiana de Tecnologías de Avanzada, 1(21), 19-26.

Jiménez, A., Ravelo, D., & Gómez, J. (2010). Sistema de adquisición, almacenamiento y análisis de información fenológica para el manejo de plagas y enfermedades de un duraznero mediante tecnologías de agricultura de precisión. Tecnura, 14(27), 41-51.

Lee, W. & Searcy, S. (2000). Multispectral sensor for detecting nitrogen in corn plants. In ASAE Annual International Meeting, Midwest Express Center, Milwaukee, Wisconsin, (pp. 9-12) [ASAE No. 001010]. Washington, DC: ASAE.

Nebiker, S., Annena, A., Scherrerb, A., & Oeschc, D. (2008). A light-weight multispectral sensor for micro UAV—Opportunities for very high resolution airborne remote sensing. International Arch. Photogrammetry and Remote Sensing Spatial Information, 37, 1193-1198.

Sanabria, J. & Archila, J. (2010). Land use discrimination from multiespectral images. Revista Colombiana de Tecnologías de Avanzada, 2(16), 100-107.

Schale, H., Keller, J., & Fischer, J. (2000). Land cover texture information extraction from remote sensing image data. CO2 ASPRS Annual Conference. Bethesda, MD: ASPRS.

Srinivasan, A. (2001). Site-specific management for selected cropping systems in Asia: Progress and prospects. In Promoting Global Innovation of Agricultural Science and Technology and Sustainable Agriculture Development Session 6: Information Technology of Agriculture, Proceedings of the International Conference on Agricultural Science and Technology: Beijing, China, 2001, (pp.180-190). ICAST

Srinivasan, A. (2006). Handbook of precision agriculture: Principles and applications. Binghamton, NY: Food Products.

Turner, D., Lucieer, A., & Wallace, L. (2013). Direct georeferencing of ultrahigh-resolution UAV imagery. IEEE Transactions on Geoscience and Remote Sensing, 99, 1-8.

Uto, K., Seki, H., Saito, G., & Kosugi, Y. (2013). Characterization of rice paddies by a UAV-mounted miniature hyperspectral sensor system. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 6(2), 851-860.

Zhou, G., Ambrosia, V., Gasiewski, A., & Bland, G. (2009). Foreword to the special issue on unmanned airborne vehicle (UAV) sensing systems for earth observations. IEEE Transactions in Geoscience Remote Sensing, 47(3), 687-689.

Downloads

Publicado

2015-06-30

Edição

v. 13 n. 33 (2015)

Seção

Original Research

Licença

Esta publicação está licenciada sob os termos da licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/deed.pt_BR).