El modelo mostró una consistente eficacia tanto en viñedos con disposiciones simples como en aquellos con estructuras de vegetación más complejas y variadas

Optimización avanzada de rutas de drones para la detección de racimos usando algoritmos basados en la inteligencia de enjambre

Mar Ariza-Sentís^1*, Sergio Vélez¹, Hilmy Baja¹, Gonzalo Mier¹, Roberto G. Valenti², João Valente¹

¹ Universidad de Wageningen, Países Bajos

² Oficina de Investigación y Tecnología Avanzada, MathWorks, EE UU

*Correspondencia: mar.arizasentis@wur.nl

26/02/2024

Al adaptar la tecnología UAV a las necesidades específicas de los viñedos, este estudio tiene el potencial de marcar un punto de inflexión en la agricultura de precisión, proporcionando a los viticultores herramientas poderosas para una gestión más eficiente y efectiva de sus cultivos.

Introducción

En el panorama actual de la agricultura de precisión, la integración de tecnologías avanzadas como los Vehículos Aéreos No Tripulados, UAVs, por sus siglas en inglés (Fig. 1), también llamados drones, está revolucionando el modo en que se gestionan y monitorean los cultivos. Esta evolución tecnológica es especialmente pertinente en viticultura, donde la detección precisa y eficiente de racimos es fundamental para estimar rendimientos, planificar cosechas, detectar enfermedades y gestionar recursos de manera óptima (Vélez et al., 2023). Sin embargo, la tarea de detectar racimos presenta desafíos únicos, principalmente debido a la complejidad de su entorno biofísico y a la variabilidad en la disposición y ocultación de los racimos entre el follaje.

En este contexto, el análisis detallado mediante la adquisición de datos de calidad es crucial. Tradicionalmente, este proceso ha sido manual, laborioso y propenso a errores, debido en gran parte a la dificultad de acceder visualmente a las frutas ocultas por las hojas y a la variabilidad ambiental de los viñedos. La implementación de UAVs en la viticultura y la automarización del procesado de imágenes (Ariza-Sentís et al., 2023) promete abordar estos desafíos, ofreciendo una plataforma ágil y versátil para la recopilación de datos. En este sentido, el uso de rutas eficientes utilizando algoritmos de optimización puede ser fundamental (Mier et al., 2023). Sin embargo, para maximizar su potencial, es esencial desarrollar no sólo metodologías avanzadas de planificación de rutas que optimicen las trayectorias de vuelo de los UAVs, sino que también consideren las peculiaridades específicas del cultivo y su entorno.

Figura 1. Distintos drones empleados en este proyecto, también llamados Vehículos Aéreos No Tripulados (UAVs, por sus siglas en inglés).

Nuestra investigación se centra en el desarrollo de una metodología que utiliza el algoritmo de Optimización de Colonias de Hormigas (ACO, por sus siglas en inglés) para mejorar significativamente la detección de racimos. Este enfoque innovador busca optimizar la recopilación de datos e imágenes desde múltiples ángulos y alturas, asegurando una cobertura exhaustiva y superando en lo posible los problemas de visibilidad causados por la ocultación foliar. Al adaptar la tecnología UAV a las necesidades específicas de los viñedos, nuestro estudio tiene el potencial de marcar un punto de inflexión en la agricultura de precisión, proporcionando a los viticultores herramientas poderosas para una gestión más eficiente y efectiva de sus cultivos. Además, al tratarse de una herramienta adaptable y configurable, es potencialmente extrapolable a otros cultivos leñosos.

El enfoque presentado no solo mejora la eficiencia operativa, sino que también contribuye a una gestión más sostenible del cultivo, tanto económica como medioambientalmente, reduciendo la necesidad de intervenciones manuales y permitiendo una toma de decisiones más informada y precisa

Objetivos

El propósito principal de esta investigación es desarrollar un modelo avanzado para la planificación de rutas de UAVs en viñedos, utilizando el algoritmo de Optimización de Colonias de Hormigas. Nuestro objetivo específico es crear un sistema que se enfrente a dos desafíos clave: 1) Mejorar las rutas de vuelo hacia las áreas donde potencialmente existen racimos 2) Establecer una serie de maniobras cerca de los puntos de observación para aumentar la probabilidad de identificar racimos, incluyendo los que pueden estar ocultos bajo el follaje. De este modo, el sistema permitirá a los UAVs navegar eficientemente a través de los complejos entornos de los viñedos, así como tomar imágenes de las cepas (waypoints) desde distintos ángulos mediante la rotación del drone para mejorar así la detección de racimos y evitando en lo posible los problemas causados por la ocultación que genera el follaje (Fig. 2). Además, buscamos evaluar y comparar la eficacia de nuestro algoritmo con métodos de planificación de rutas tradicionales, para determinar su efectividad en la mejora de la eficiencia en la recopilación de datos y en la calidad de la información recabada.

Figura 2. Movimiento del dron en cada cepa del viñedo: (a) Cada ubicación o waypoint se subdivide en izquierdo, central y derecho, capturando imágenes desde los tres ángulos. (b) En caso de interés agrícola en ambos lados del dosel, el UAV sigue una secuencia izquierda-central-derecha para cada lado, rotando la cámara para capturar desde múltiples perspectivas.

Materiales y Métodos

Para lograr estos objetivos, desarrollamos un algoritmo de planificación de rutas basado en ACO, diseñado para adaptar las rutas de vuelo en tiempo real, teniendo en cuenta factores como la topografía del viñedo, la disposición de las plantas y la presencia de obstáculos naturales, como árboles en la parcela o incluso bosques alrededor de las mismas. La implementación práctica del estudio involucró el uso de UAVs equipados con sensores para la recopilación de datos. Los vuelos se llevaron a cabo siguiendo las rutas planificadas por nuestro algoritmo ACO, centrándose especialmente en la eficacia de la recopilación de datos en áreas de difícil acceso visual. Los datos obtenidos se analizaron para evaluar la mejora en la eficiencia de la planificación de rutas y en la calidad de los datos recogidos, en comparación con los métodos tradicionales y otros algoritmos de planificación de rutas.

Finalmente, para realizar las pruebas se seleccionaron dos viñedos con distintas características. Esta diversidad nos permitió evaluar la adaptabilidad y robustez del algoritmo desarrollado en diferentes escenarios. Esta fase fue crucial para asegurar que nuestro enfoque no solo es teóricamente sólido, sino también práctico y aplicable en el campo de la agricultura de precisión, especialmente en el contexto de la viticultura.

Fig. 3. Planificación de misiones aéreas con ACO-MMAS, usando una o varias plataformas. Los puntos verde y rojo señalan el inicio y fin de la ruta, respectivamente; las áreas en blanco representan zonas prohibidas o sin interés agrícola.

Resultados y Discusión

Los resultados obtenidos de la implementación y adaptación del algoritmo de Optimización de Colonias de Hormigas en la planificación de rutas de UAVs en viñedos han sido significativamente positivos. El modelo desarrollado demostró una notable mejora en la eficiencia de la navegación de los UAVs, reduciendo la longitud del camino de las rutas calculadas en hasta un 24% en comparación con el algoritmo base (Fig. 3). Esta optimización resultó en una cobertura más exhaustiva del viñedo y una mejor detección de racimos, especialmente en áreas donde había ocultación de racimos.

Además, la adaptabilidad del algoritmo a diferentes entornos de viñedos fue una de las fortalezas más destacadas. El modelo mostró una consistente eficacia tanto en viñedos con disposiciones simples como en aquellos con estructuras de vegetación más complejas y variadas. Esta flexibilidad es crucial para la aplicación práctica del algoritmo en la agricultura de precisión, donde las condiciones de los cultivos pueden variar significativamente.

Es importante destacar cómo la implementación de tecnologías avanzadas, como los UAVs con planificación de rutas inteligentes, puede revolucionar la agricultura moderna. El enfoque presentado no solo mejora la eficiencia operativa, sino que también contribuye a una gestión más sostenible del cultivo, tanto económica como medioambientalmente, reduciendo la necesidad de intervenciones manuales y permitiendo una toma de decisiones más informada y precisa.

Concluyendo, este estudio demuestra que el uso del algoritmo ACO para la planificación de rutas de UAVs en viñedos ofrece un enfoque prometedor para mejorar la eficiencia y precisión en la detección de racimos dentro del marco de la agricultura de precisión. Los resultados obtenidos no solo validan la eficacia del modelo en diferentes entornos, sino que también abren el camino para futuras investigaciones y aplicaciones en otros aspectos de la gestión agrícola.

A través de esta investigación, aspiramos a establecer un nuevo estándar en la planificación de rutas para UAVs en cultivos en espaldera, potenciando la eficiencia y efectividad en la gestión de los cultivos y marcando un paso significativo hacia el aprovechamiento del potencial de las tecnologías avanzadas en la mejora de las prácticas agrícolas, marcando un avance importante en la búsqueda de métodos más eficientes y sostenibles.

Agradecimientos

Este trabajo se realizó en el marco del proyecto H2020 FlexiGroBots, financiado por la Comisión Europea (número de contrato 101017111, https://flexigrobots-h2020.eu/). Agradecemos a todos los colaboradores del proyecto y a 'Bodegas Terras Gauda, S.A.' por sus valiosas contribuciones.

Referencias

Ariza-Sentís, M., Vélez, S., & Valente, J. (2023). BBR: An open-source standard workflow based on biophysical crop parameters for automatic Botrytis cinerea assessment in vineyards. SoftwareX, 24, 101542. https://doi.org/10.1016/j.softx.2023.101542

Mier, G., Valente, J., & De Bruin, S. (2023). Fields2Cover: An Open-Source Coverage Path Planning Library for Unmanned Agricultural Vehicles. IEEE Robotics and Automation Letters, 8(4), 2166–2172. https://doi.org/10.1109/LRA.2023.3248439

Vélez, S., Ariza-Sentís, M., & Valente, J. (2023). Mapping the spatial variability of Botrytis bunch rot risk in vineyards using UAV multispectral imagery. European Journal of Agronomy, 142, 126691. https://doi.org/10.1016/j.eja.2022.126691