| Resumen |
El avance de la tecnología ha permitido el diseño y desarrollo de vehículos móviles que son capaces de ejecutar de manera autónoma tareas agrícolas con gran precisión y eficacia. Datos provistos por cámaras y sensores se analizan y procesan con dispositivos computacionales de altas prestaciones para cumplir con las tareas para las que se diseña cada vehículo. En vehículos autónomos uno de los tópicos de mayor relevancia es la navegación segura, es decir, el sistema debe tener la capacidad de detectar elementos inesperados en el área de cultivo con el fin de garantizar la seguridad y continuidad del proceso. La detección de obstáculos en imágenes de campos de maíz es nuestro tópico de interés. En este trabajo se presenta una metodología que combina técnicas de visión computacional y algoritmos de aprendizaje supervisado para detectar obstáculos en imágenes agrícolas. Las imágenes fueron capturadas con una cámara montada en un tractor en un campo experimental en la estación de investigación “La poveda”, Arganda del Rey, Madrid. Los resultados experimentales muestran que el método propuesto es suficiente para detectar obstáculos dentro del área de cultivo con una precisión de 93%. |
