Automatic image processing in the cloud as a help for irrigation management and crop monitoring. Application in horticultural crops

[SPA] Para una gestión adecuada del riego, es de suma importancia conocer la cantidad de agua requerida, maximizando la eficiencia de riego. Adicionalmente se han de estimar correctamente los requerimientos hídricos del cultivo que se pretende implantar. Según la literatura científica, los requerimientos hídricos del cultivo se calculan a partir de la evapotranspiración del cultivo (ET), obtenida como el producto de un coeficiente de cultivo (Kc) por la evapotranspiración de referencia (ETo). Estudios posteriores han podido determinar Kc a partir de la cobertura vegetal. A su vez, la cobertura vegetal se puede estimar mediante procesamiento de fotografía digital. Según algunos autores, la estimación de la profundidad radicular también se puede determinar mediante fotografía digital, aunque tanto para la estimación del Kc y de la profundidad radicular se requieren diversas técnicas de calibración. Uno de los objetivos de esta tesis es la simplificación de este proceso de calibrado a través de la utilización de un nuevo parámetro, el diámetro efectivo de la planta obtenido mediante procesamiento de imagen para cultivos hortícolas de hoja ancha. Con el uso de este nuevo parámetro además de simplificar el calibrado, se obtiene significativamente una mejor precisión en todos los casos. Específicamente se han obtenido unos coeficientes de regresión R2 superiores a 0,95 en los valores de Kc respecto a los obtenidos por una estación de Bowen. El error máximo relativo fue de sólo un 2,1%. Además, con esta metodología se ha estimado de forma precisa la profundidad radicular con valores de R2 superiores a 0,986 y un máximo error relativo por debajo del 9%. Posteriormente se estudian los fundamentos y conceptos para la creación de un algoritmo para el cálculo automático y preciso de la cobertura vegetal, y su incorporación en un sistema de cloud computing con una nueva aplicación web. Esta aplicación incorpora dos técnicas de segmentación de color diferentes para estimar el porcentaje de cobertura vegetal (Percentage Green Cover, PGC). Ello permite una monitorización remota de los cultivos, así como su almacenamiento y la visualización gráfica de los resultados. Los dos métodos utilizados, segmentación basada en modelos probabilísticos de color usando histogramas y segmentación en el espacio RGB usando el algoritmo fuzzy c-means, son comparados respecto a la técnica de segmentación manual, donde un experto humano validaba los resultados del proceso de cada imagen. Se ha realizado una extensa validación de esta herramienta en cultivares de lechuga (Lactuca Sativa L.) de la variedad “Little Gem”, demostrando una excelente precisión en el método mixto propuesto. Por otro lado, el servidor que ejecuta esta aplicación es responsable de la configuración de estos módulos. Además, el servidor ejecuta la computación de los algoritmos de visión y la estimación del balance hídrico, el almacenamiento de todos los datos en una base de datos segura, y la interacción con el usuario a través de la interfaz utilizando la web.Por último se presenta y desarrolla de forma concisa el diseño y construcción de un nodo que permite automatizar el proceso de captura y envío de las imágenes al servidor para la determinación de las necesidades hídricas y el estado del cultivo. El sistema se compone de un conjunto de módulos económicos de cámara que se comunican con el servidor de cloud computing. Los módulos de cámara han sido desarrollados utilizando componentes Arduino de arquitectura abierta, para encontrar una solución de bajo coste, con módulos independientes, con conectividad a la red, almacenamiento y suministro de energía. El resultado final es un sistema completo y económico que permite la monitorización continua del estado de los cultivos, proporcionando al usuario una valiosa información sobre el balance hídrico para el control de riego. Se trata de un conjunto hardware y software que en fases más avanzadas podrá interactuar con la instalación de riego donde se aplique.[ENG] A key aspect to achieve proper irrigation management is to know the amount of water required, thus maximizing irrigation efficiency. Additionally, the water requirements of the implanted crop have to be correctly estimated. According to the scientific references, crop water requirements are calculated from the crop evapotranspiration (ET). This parameter is obtained as the product of a crop coefficient (Kc) multiplied by the reference evapotranspiration (ETo). Recent studies have been capable to determine Kc from the green cover. Moreover, the green cover can be estimated by means of a digital photography procedure. According several authors, the estimation of root depth can be determined by means of digital photography procedure too. For both methods, several complex calibration techniques are required. One of the main objectives of this thesis is the simplification of this calibration process through the use of a new parameter, the effective diameter of the plants obtained by imagine processing for broadleaf horticultural crops. With the use of this new parameter is possible to simplify the calibration proceeding and additionally, a best precision in all the cases. Specifically, the obtained values of R2 regression coefficient are over 0.95 comparing with the Kc values by means of a Bowen ratio station. The maximum relative error was only a 2.1%. Moreover, with this methodology, the root depth has been estimated with R2 values over 0.986 and a maximum relative error under 9%. Subsequently, the fundamentals and concepts for the creation of an algorithm for the automatic and accurate calculation of the green cover and its incorporation in a cloud computing system with a new web application are studied. This application incorporates two different color segmentation techniques for estimating the percentage of green cover (PGC). This allows a crop remote monitoring and data storage and graphical display of results. Both used methods, segmentation based on color probabilistic methods using histograms and segmentation in RGB space using the fuzzy c-means algorithm are compared according to the hand segmentation technique. In this case a human expert was validating the results of the image processing. An extend validation of this tool in lettuce (Lactuca Sativa L.) crops, “Little Gem” variety, has been done. An excellent precision of the mixed proposed method has been demonstrated. In the other hand, the server that is executing this application is the responsible of the configuration of these modules. Moreover, the server is executing the computing of the vision algorithms, the water balance estimation, the data storage in a safe database and the interacting with the user through the web interface. Finally, the design and construction of a prototype system that allows complete automation of caption and sending of images to the server for determining the water needs and the crop state is presented and developed. The system consists of a set of low cost camera modules that are connected to the cloud computing server. The camera modules has been developed using open architecture Arduino components. This is ought to find a low cost solution. There are independent modules with network connectivity, storage and energy supply. The final result is a complete, low cost system that allows the continuous monitoring of the crop stages. This provides to the user valuable information about water balance for irrigation management. This consist of a hardware and software set that in more advanced phases will be able to interact with the irrigation systems where is applied.Escuela Internacional de Doctorado de la Universidad Politécnica de CartagenaUniversidad Politécnica de CartagenaPrograma de Doctorado en Técnicas Avanzadas en Investigación y Desarrollo Agrario y Alimentario por la Universidad Politécnica de Cartagen