Desarrollo de un sistema automático de medición de la masa de café en rama a través de visión de máquina

La estimación de producción de café en Colombia es un proceso que se realiza periódicamente para proyectar la dinámica del negocio del café, tanto a nivel Nacional como Internacional. Actualmente no se cuenta con herramientas, dispositivos o sistemas que asistan esta labor, es un proceso que se lleva a cabo de forma manual, siendo costoso y dispendioso. Como un primer acercamiento a una solución del problema anterior se propone, a través de esta tesis doctoral, desarrollar un sistema para estimar la producción de café en una rama a partir de imágenes adquiridas con sistemas monoculares en condiciones de campo. Se desarrollaron algoritmos con alta robustez a los cambios en iluminación y con un manejo adecuado del ruido en imágenes generadas por sistemas monoculares, como el presente en algunos dispositivos móviles. Este trabajo se desarrolló en cuatro etapas: (i) La primera consistió en diseñar una estrategia para adquirir imágenes en condiciones de campo, se desarrolló un aplicativo móvil para controlar la adquisición y el almacenamiento de las imágenes y realizar geolocalización de cada una de las ramas chequeadas en una parcela de café; (ii) En la segunda etapa se diseñó un algoritmo para la identificación y conteo de frutos de café por estado de desarrollo, en condiciones de campo, usando información de textura (2D) en las imágenes adquiridas; se tuvieron en cuenta técnicas de segmentación adecuadas para frutos visibles y medianamente ocluidos, reconocimiento de patrones para diferenciar los frutos de otras estructuras vegetativas presentes en las ramas, como por ejemplo hojas, flores, tallo, etc.; (iii) La etapa tres consistió en diseñar un algoritmo 3D para obtener el modelo geométrico de los frutos de café en la rama, e inferir su estado de desarrollo a partir de la información geométrica y de color de cada nube de puntos generada: (iv) La última etapa consistió en probar cada uno de los algoritmos desarrollados en la segunda y tercera etapa y crear modelos de estimación de producción a nivel de rama, para cada uno de los estados de desarrollo. Se logró estimar el número de frutos en una rama de café, por medio del conteo automático generado por el sistema de visión de máquina desarrollado, con un R2 del 0,98 y un error del 17%. Se estimó también el porcentaje de maduración de la rama con un R2 del 0,94 y un error del 7%. La masa de la rama fue estimada a partir del conteo automático y se obtuvo un R2 de 0,94 con un error de estimación del 22%. Se realizaron estimaciones a nivel de árbol y parcela que muestran que es posible estimar la masa a cosechar de la parcela por medio del conteo automático a frutos de café en ramas. La información obtenida en este trabajo permitirá generar herramientas para que los caficultores utilicen un método eficiente, no destructivo y de bajo costo que proporcione información útil para planificar el trabajo agrícola y la obtención de beneficios económicos de la gestión eficiente de los recursosAbstract : The process of coffee production estimation in Colombia is carried out periodically, in order to predict the dynamics of the coffee business nationally and internationally. Currently, there are no tools, devices, or systems that help in this endeavor. Instead, it is a process conducted manually, which is both costly and wasteful. In hopes of solving the previously mentioned problem, by way of this doctoral thesis, a coffee branch production estimation system will be developed, using images acquired with monocular systems in field conditions. Algorithms highly resistant to changes in illumination and with adequate handling of image noise generated by monocular systems, such as those present on some mobile devices, are developed. This investigation was undertaken in four stages: (i) The first consisted in designing a strategy for image acquisition in field conditions. A mobile application was created, in order to control image acquisition and storage, and for geolocation of each of the branches checked on a coffee parcel; (ii) In the second stage, an algorithm was designed for the identification and counting of coffee fruits according to ripeness, in field conditions, using texture information (2D) in the acquired images. Segmentation techniques adequate for visible and moderately occluded fruit, pattern recognition for differentiation of fruits from other vegetative structures present on branches, such as leaves, flowers, stems, etc., were taken into account; (iii) The third stage consisted of designing a 3D algorithm for obtention of a geometric model of coffee fruits on branches, and inferring their ripeness using information about their geometry, and the color of each point cloud generated: (iv) The last stage consisted of testing each of the algorithms created in the second and third stages, and creating production estimation models on the branch level, for each of the stages of ripeness. It was possible to estimate the number of fruits on a coffee branch, using the automatic count generated by the machine vision system developed, with an R2 of 0.98 and 17% error. Also, the ripeness percentage on the branch was estimated, with an R2 of 0.94 and 7% error. The mass of the branch was estimated using the automatic count, and an R2 of 0.94 with 22% estimation error was obtained. Estimations on the tree and parcel level were performed, which show that it is possible to estimate the amount to be harvested from the parcel, using the automatic count of coffee fruits on branches. Abstract: The information obtained in this research will allow for the generation of tools, so that coffee growers can use an efficient, non-destructive, low cost method, that provides useful information for the planning of agricultural work, and obtention of economic benefits from efficient resource management.Doctorad