Algorithm with the Planning of Trajectories of a Quadrotor for Pest Detection and Nutritional Status of Annona Muricata Crops

Autor: Castro Vega, Juan Gabriel
Přispěvatelé: Ramos Sandoval, Olga Lucia
Jazyk: Spanish; Castilian
Rok vydání: 2021
Předmět:
Zdroj: Repositorio UMNG
Universidad Militar Nueva Granada
instacron:Universidad Militar Nueva Granada
Popis: La agricultura en Colombia juega un papel fundamental en la economía del país, el desarrollo de nuevas técnicas de optimización de los procesos ayuda al crecimiento de este sector. Con la ayuda de nuevas tecnologías y la optimización de los procesos es posible disminuir las perdidas en las cosechas, mejorar la calidad de los productos y generar una mayor rentabilidad a los campesinos. La agricultura de precisión es una tendencia en el mundo, la cual busca aumentar la capacidad de producción y mejorar la calidad de los cultivos, disminuyendo la cantidad de insumos y químicos requeridos. En este documento se trabajó con un Drone Tello Edu para monitorear el estado de un cultivo de Annona Muricata también conocido como guanábana. Para esta tarea se desarrolló un algoritmo con IA para la planeación de trayectorias del quadrotor, con el fin de minimizar la distancia que este debía recorrer en el cultivo por su limitada capacidad y duración de batería. Adicionalmente, se optimizó este recorrido para tener una mayor estabilidad en el vuelo y poder por medio de la cámara abordo tomar fotografías de los frutos. Las fotografías obtenidas fueron procesadas y clasificadas para determinar el estado general del cultivo. Con el propósito de alcanzar el objetivo propuesto se realizó el modelo matemático del quadrotor, el algoritmo de planeación de trayectorias y la optimización de estas. También se realizó un algoritmo para la clasificación de las imágenes, donde se buscaba determinar los frutos que presentaban algún tipo de enfermedad o presencia de plagas, generando así la posibilidad de toma de decisiones de forma efectiva que garanticen el adecuado tratamiento del cultivo. Con este proyecto se logró identificar los principales problemas que afectan a los cultivos de Annona Muricata como lo es la plaga de la “Avispita” y la enfermedad de la antracnosis causada por Colletotrichum spp, además, se desarrolló un sistema de monitoreo para este tipo de cultivos, en el que se optimiza el recorrido que debe realizar un quadrotor para supervisar el cultivo, minimizando la distancia del trayecto. Adicionalmente se logró por medio de algoritmos de inteligencia artificial y técnicas de procesamiento de imágenes clasificar las imágenes de cultivos de Annona Muricata, esta clasificación de imágenes permite identificar frutos las imágenes con una exactitud del 79.4%. TABLA DE CONTENIDO .......................................................................................6 LISTA DE FIGURAS ..............................................................................................8 LISTA DE TABLAS .............................................................................................11 LISTA DE ABREVIATURAS Y SIGNIFICADOS ..................................................12 RESUMEN ...........................................................................................................13 ABSTRACT .........................................................................................................14 1. INTRODUCCIÓN ...........................................................................................15 1.1 OBJETIVO GENERAL ............................................................................ 18 1.1.1 OBJETIVOS ESPECÍFICOS ................................................................ 18 2. ESTADO DEL ARTE .....................................................................................19 3. MARCO TEÓRICO ........................................................................................24 3.1 MODELO Y CONTROL DE UN QUADROTOR ........................................... 24 3.1.1 FUNCIONAMIENTO GENERAL ........................................................... 24 3.1.2 MODELO MATEMÁTICO ..................................................................... 27 3.1.3 COMUNICACIÓN ................................................................................. 28 3.2 PLANEACIÓN DE TRAYECTORIAS .......................................................... 29 3.2.1 ALGORITMOS INTELIGENTES ........................................................... 29 3.3 PROCESAMIENTO Y CLASIFICACIÓN DE IMÁGENES ............................ 31 4. DESARROLLO DE LA METODOLOGÍA ......................................................34 4.1 METODOLOGÍA ......................................................................................... 34 4.2 MATERIALES Y MÉTODOS ....................................................................... 36 4.2.1 DRONE TELLO EDU ............................................................................ 36 4.2.2 PYTHON Y MATLAB ............................................................................ 37 7 4.3 DESARROLLO EXPERIMENTAL ............................................................... 37 4.3.1 MODELO MATEMÁTICO ..................................................................... 37 4.3.2 DISEÑO CONTROLADOR ................................................................... 43 4.3.3 PLANEACIÓN DE TRAYECTORIAS .................................................... 49 4.3.4 OPTIMIZACIÓN DE TRAYECTORIA .................................................... 53 4.3.5 ESTIMACIÓN CON FILTRO KALMAN ................................................. 57 4.3.6 PROCESAMIENTO DE IMÁGENES ..................................................... 59 5. RESULTADOS Y ANÁLISIS .........................................................................68 5.1 CONTROLADOR ........................................................................................ 68 5.2 PLANIFICACIÓN DE TRAYECTORIAS ...................................................... 72 5.3 OPTIMIZACIÓN DE TRAYECTORIAS ........................................................ 78 5.4 PROCESAMIENTO DE IMAGENES ........................................................... 91 6. CONCLUSIONES Y RECOMENDACIONES ............................................... 103 6.1 CONCLUSIONES ..................................................................................... 103 6.2 RECOMENDACIONES ............................................................................. 104 7. REFERENCIAS ........................................................................................... 106 Agriculture in Colombia plays a fundamental role in the country's economy, the development of new techniques of optimization of processes helps the growth of this sector. With the help of new technologies and the optimization of processes it is possible to decrease the losses on the crops, improve the quality of the products and generate greater profitability to the peasants. Precision agriculture is a trend in the world, which seeks to increase production capacity and improve the quality of crops, decreasing the number of required inputs and chemicals. In this document we worked with a Drone Tello Edu to monitor the state of an Annona Muricata cultivation. For this task an algorithm with AI was developed for the planning of trajectories of the Quadrotor, to minimize the distance that this had to travel in the cultivation by its limited capacity and battery life. Additionally, this journey was optimized to have a greater stability in the flight and power through the camera on board with photographs of the fruits. The photographs obtained were processed and classified to determine the general condition of the crop. To reach the proposed objective, the mathematical model of the quadrotor was performed, the trajectory planning algorithm and the optimization of these. An algorithm for the classification of the images was also performed, where it was sought to determine the fruits that presented disease or presence of pests, thus generating the possibility of decision-making effectively that guarantee the adequate treatment of crop. With this project, it was possible to identify the main problems that affect the crops of Annona Muricata as it is the pest of the "alarm" and the disease of the anthracnose caused by Colletotrichum SPP, in addition, a monitoring system for this type of type was developed Crops, which optimizes the route that a quadrotor must perform to monitor the crop, minimizing the distance of the journey. Additionally, it was achieved through artificial intelligence algorithms and imaging techniques classifying the crop images of Muricata, this image classification allows to identify fruits the images with an accuracy of 79.4%. Maestría
Databáze: OpenAIRE
Externí odkaz: