Identificación de contenido de clorofila en hojas del cultivo de maíz por medio de imágenes multiespectrales adquiridas con drones y su correlación con métodos estándares de laboratorio

Abstract

Es importante para los agricultores conocer el nivel de clorofila de las plantas ya que de esto depende el tratamiento que deben darle a sus cultivos. Existen dos métodos comunes para obtener la clorofila, a partir de análisis en laboratorios y de dispositivos electrónicos. Ambos métodos obtienen el nivel de clorofila de una muestra a la vez, aunque pueden ser destructivos. El objetivo es desarrollar un sistema que permita la obtención del nivel de clorofila de las plantas utilizando imágenes. Para el desarrollo de la solución se utilizó el lenguaje de programación Python y diferentes librerías de dicho lenguaje. Se decidió realizar un sistema de etiquetado, una regresión lineal simple y un sistema de predicción. El primer sistema se utilizó para crear una base de datos que relacione los valores de las imágenes con los de clorofila, la cual se utilizó para obtener la regresión lineal y determinar la relación que existe entre estas variables. Esta regresión lineal fue utilizada en el sistema de predicción para obtener los valores de clorofila a partir de las imágenes. La correlación lineal entre las imágenes y la clorofila SPAD fue 0.7054 y la raíz del error cuadrático medio fue 6.581877160210805 unidades SPAD en la primera prueba, en la segunda prueba la correlación lineal fue 0.0186 y la raíz del error cuadrático medio fue 6.477188141888954, mientras que en la tercera prueba la correlación lineal fue 0.1320 y la raíz del error cuadrático medio fue 7.27287620832889 unidades SPAD. Se concluye que, debido a que la correlación lineal es positiva, los valores de las imágenes son directamente proporcionales a los valores de clorofila SPAD y, como es mayor a 0.7, la relación es significativa; con lo cual el sistema de predicción brinda una precisión del 70.54% utilizando la primera regresión. En los casos de la segunda y tercera regresión se concluye que para obtener una mejor regresión deben usar diferentes estados de salud de las plantas para tener un mayor rango de valores NDVI con su respectivo valor SPAD.