Resumen

Este estudio de investigación muestra una comparación entre el rendimiento de diferentes algoritmos de procesamiento de imágenes digitales basados en métodos de segmentación de imágenes para procesar imágenes multiespectrales satelitales de Índice de Vegetación de Diferencia Normalizada NDVI con el fin de estimar el rendimiento de las tierras de cultivo como una propuesta para apoyar las decisiones de planificación espacial. Las imágenes multiespectrales NDVI fueron capturadas del satélite Sentinel-2 L2-A con características distintivas, para ser procesadas a través de estos algoritmos implementados en una interfaz de software propia y amigable desarrollada en MATLAB App Designer. Estos se basan en la detección del color de la imagen, utilizando tres técnicas: el método de umbralización rectangular, el método de umbralización simple y la segmentación mediante el clasificador discriminante Mahalanobis. Las imágenes segmentadas se utilizaron para calcular el rendimiento de las tierras de cultivo en función de las variaciones del NDVI y las características de cada imagen analizada mediante un modelo lineal que asignaba un rendimiento a cada área segmentada en función de rangos de valores NDVI. La precisión del algoritmo se determinó en función del rendimiento esperado de las tierras de cultivo. Los resultados muestran que el método de umbralización rectangular tiende a promediar el valor del rendimiento de las tierras de cultivo en imágenes poco uniformes. En cambio, los métodos de umbralización por píxel y Mahalanobis mostraron un mejor rendimiento en imágenes NDVI muy poco uniformes, con desviaciones inferiores al 8% en comparación con el rendimiento esperado. Se puede concluir que el método de umbralización rectangular podría ser una herramienta de menor costo computacional, aunado al hecho de que la demarcación de áreas rectangulares es más fácil para delimitar e identificar para un agricultor en cualquier área cultivada real, facilitando la implementación de planes de apoyo para planificación espacial. Se propone utilizar el método de umbralización rectangular como herramienta de planificación, mientras los demás métodos pueden utilizarse para realizar estimaciones más precisas.

• Materias:Acetamida
• Subjects:Acetamida
• Palabras claves:Umbralización; Clasificador discriminante de Mahalanobis; Detección de color; Índice de vegetación de diferencia normalizada (NDVI); Procesamiento de imágenes; Agricultura de precisión; Visión por computadora; Segmentación basada en píxeles; Segmentación basada en regiones
• Keywords:Thresholding; Mahalanobis discriminant classifier; Color detection; Normalized Difference Vegetation Index (NDVI); Image processing; Precision agriculture; Computer vision; Pixel-based segmentation; Region-based segmentation