Resumo A utilização de Veículos Aéreos Não Tripulados (VANTs) equipados com câmeras espectrais tem aumentado nos últimos anos, principalmente no setor agrícola, pois permite que agricultores e pesquisadores analisem o estado de uma lavoura, seja para analisar sua saúde, nutrientes, crescimento, epidemias, entre outros parâmetros. Na Colômbia, o setor cafeeiro enfrenta diversos desafios, como a necessidade de aumentar a produtividade, o rendimento e a qualidade do café. Este trabalho estimou o estado de saúde de um cultivo da variedade Castilla localizado em San Joaquín, Tambo, Cauca, para apoiar a tomada de decisões dos cafeicultores. Para fazer isso, os dados de clorofila foram medidos no campo com o dispositivo CCM-200 plus, imagens multiespectrais foram capturadas com a câmera aérea MAPIR SURVEY 3 em um SOLO 3DR UAV e dados sintéticos foram gerados para aumentar o conjunto de dados. Foram estabelecidos seis índices de vegetação que, juntamente com os valores de clorofila, foram modelados por meio da implementação de regressões lineares simples e múltiplas, árvores de decisão, máquinas vetoriais, florestas aleatórias e k-vizinhos mais próximos. O modelo com melhor desempenho e menor erro quadrático médio foi o modelo implementado com a máquina de vetores de suporte. Da mesma forma, os índices de melhor desempenho nos modelos foram CVI, GNDVI e GCI, amplamente utilizados na agricultura para estimar a clorofila das plantas.
Abstract The use of Unmanned Aerial Vehicles (UAVs) equipped with spectral cameras has increased in recent years, especially in the agricultural sector, because it allows farmers and researchers to analyze the state of a crop, i.e., health, nutrients, growth, epidemics, among other parameters. In Colombia, the coffee production sector faces several challenges, such as the need to increase the productivity, the yield, and the quality of coffee. This work estimated the health status of a Castilla variety crop located in San Joaquín, Tambo, Cauca to support the decision-making of coffee growers. For this, chlorophyll data were measured in the field with the CCM-200 plus device, multispectral images were captured with the MAPIR SURVEY 3 camera airborne on a SOLO 3DR UAV, and synthetic data were generated to increase the data set. Six vegetation indices were set, which—together with the chlorophyll values—were modeled through the implementation of simple and multiple linear regressions, decision trees, vector machines, random forests, and k-nearest neighbors. The model with the best performance and the lowest mean square error was disorder with the support vector machine. Likewise, the best performance indices in the models were CVI, GNDVI, and GCI, which are widely used in agriculture to estimate the chlorophyll of plants.
Resumen El uso de Vehículos Aéreos No Tripulados (UAVs) equipados con cámaras espectrales se ha incrementado en los últimos años, especialmente en el sector agrícola ya que permite a los agricultores e investigadores analizar el estado de un cultivo, ya sea para analizar su salud, nutrientes, crecimiento, epidemias, entre otros parámetros. En Colombia, el sector cafetero enfrenta varios desafíos, como la necesidad de incrementar la productividad, el rendimiento y la calidad del café. Este trabajo estimó el estado sanitario de un cultivo variedad Castilla ubicado en San Joaquín, Tambo, Cauca para apoyar la toma de decisiones de los caficultores. Para ello, se midieron datos de clorofila en campo con el dispositivo CCM-200 plus, se capturaron imágenes multiespectrales con la cámara MAPIR SURVEY 3 aerotransportada en un UAV SOLO 3DR y se generaron datos sintéticos para aumentar el conjunto de datos. Se establecieron seis índices de vegetación, los cuales, junto con los valores de clorofila, se modelaron mediante la implementación de regresiones lineales simples y múltiples, árboles de decisión, máquinas vectoriales, bosques aleatorios y k-vecinos más cercanos. El modelo con el mejor rendimiento y el menor error cuadrático medio fue el modelo implementado con máquina de vectores de soporte. De igual forma, los mejores índices de desempeño en los modelos fueron CVI, GNDVI y GCI, los cuales son muy utilizados en agricultura para estimar la clorofila de las plantas.