Sistema automático con visión artificial para detección de malezas en maíz

Abstract

Entre los desafíos clave en el cultivo de maíz está la interferencia de malezas que compiten por luz, agua, nutrientes y espacio, lo que conduce a pérdidas en la producción. En este trabajo se propuso desarrollar un sistema de detección de malezas en campos de maíz utilizando visión artificial, mediante modelos de aprendizaje profundo y navegación autónoma de un robot para tareas de monitoreo. Para lograrlo se utilizó un conjunto variado de imágenes de maíz y malezas en diversas etapas de crecimiento, ángulos de visión, condiciones climáticas y de iluminación. Posteriormente se propuso una metodología que combina detección de objetos y segmentación semántica procesando imágenes en U-Net y YOLOv5. Además, se probaron métodos de deep learning para compararlos (RetinaNet, U-Net, YOLOv5). Se desarrolló un algoritmo de navegación que integra sensores, como encoder, IMU, RPLIDAR y cámaras en Ubuntu 18.04 con ROS Melodic, para un vehículo terrestre no tripulado (VTNT) creado en la Universidad Autónoma Chapingo, lo que permitió un movimiento autónomo entre hileras de maíz. La metodología propuesta dio los mejores resultados con los siguientes valores de precisión media (mAP): mAP = 0.936 para maíz, mAP = 0.909 para maleza y mAP = 0.9225 para todas las clases, lo que muestra una alta precisión de detección. Además se lograron eficiencias en tiempo de inferencia y tamaño del modelo con 0.0196 segundos y 94.9 MB respectivamente. El Sistema integrado en ROS representó un avance importante en el movimiento autónomo del robot por los campos de maíz. La implementación de este sistema tiene potencial como alternativa para combatir los arvenses cercanos a las plantas cultivadas en la producción de maíz. No obstante, es necesario perfeccionar la adaptabilidad del sistema a las variaciones del entorno mediante la integración de más sensores y la actualización de las librerías y entorno de desarrollo usados.