Optimització de les metodologies per a la caracterització tridimensional de conreus arboris i arbustius amb sistemes òptics terrestres en Agricultura de Precisió

Abstract

En un context de creixement continuat de la població mundial, sorgeix la necessitat d’augmentar la producció fructícola, al mateix moment que la societat demanda major sostenibilitat ambiental. La caracterització geomètrica de les plantacions fruiteres obre les portes a realitzar un maneig acurat del cultiu que permet optimitzar el reg, les aplicacions de productes fitosanitaris, la fertilització, l’aportació de nutrients i l’automatització de tasques com la poda, l’aclarida i la collita dels fruits. Els sistemes basats en el principi LiDAR (detecció d’objectes i mesura de distància mitjançant llum, de l’anglès light detection and ranging) han esdevingut una alternativa prometedora per a l’obtenció de núvols de punts 3D de la capçada dels fruiters. Malgrat que conèixer l’error dels núvols de punts 3D és bàsic per poder realitzar el maneig agronòmic basat en la caracterització del cultiu, aquesta qüestió ha estat poc estudiada en la literatura científica. Aquesta tesi s’estructura al voltant de quatre articles científics que responen als següents objectius generals: i) desenvolupar una metodologia per a l’obtenció de la veritat digital del terreny (DGT, de l’anglès digital ground-truth) en entorns agrícoles; ii) desenvolupar una metodologia per a l’avaluació realista de l’error dels núvols de punts en un context integral 3D; iii) analitzar l’efecte dels paràmetres que intervenen en la generació dels núvol de punts i proposar una configuració que minimitzi l’error dels núvols obtinguts; iv) dissenyar una metodologia per a l'estimació automatitzada de l'àrea foliar (LA) en plantacions arbòries i arbustives en fileres mitjançant un sistema terrestre basat en LiDAR. En resum, aquesta tesi presenta i valida diverses metodologies que contribueixen a l’optimització i l’avaluació realista de la caracterització tridimensional de conreus arboris i arbustius, facilitant el disseny de nous sistemes, aplicacions i processos d’automatització que requereixin núvols de punts d’alta exactitud i precisió i obre les portes a l’Agricultura de Precisió en fructicultura, altrament dita Fructicultura de Precisió.

En un contexto de crecimiento continuado de la población mundial, surge la necesidad de aumentar la producción frutícola, al mismo tiempo que la sociedad demanda una mayor sostenibilidad ambiental. La caracterización geométrica de las plantaciones frutales abre las puertas a realizar un manejo preciso del cultivo que permite optimizar el riego, las aplicaciones de productos fitosanitarios, la fertilización, el aporte de nutrientes y la automatización de tareas como la poda, el aclareo y la cosecha de los frutos. Los sistemas basados en el principio LiDAR (del inglés light detection and ranging) se han convertido en una alternativa prometedora para la obtención de nubes de puntos 3D de la copa de los frutales. A pesar de que conocer el error de las nubes de puntos 3D es fundamental para poder realizar el manejo agronómico basado en la caracterización del cultivo, esta cuestión ha sido poco estudiada en la literatura científica. Esta tesis se estructura en torno a cuatro artículos científicos que responden a los siguientes objetivos generales: i) desarrollar una metodología para la obtención de la verdad digital del terreno (DGT, del inglés digital ground-truth) en entornos agrícolas; ii) desarrollar una metodología para la evaluación realista del error de las nubes de puntos en un contexto integral 3D; iii) analizar el efecto de los parámetros que intervienen en la generación de las nubes de puntos y proponer una configuración que minimice el error de las nubes obtenidas; iv) diseñar una metodología para la estimación automatizada del área foliar (LA) en plantaciones arbóreas y arbustivas en hileras mediante un sistema terrestre basado en LiDAR. En resumen, esta tesis presenta y valida diversas metodologías que contribuyen a la optimización y la evaluación realista de la caracterización tridimensional de cultivos arbóreos y arbustivos, facilitando el diseño de nuevos sistemas, aplicaciones y procesos de automatización que requieran nubes de puntos de alta exactitud y precisión, y abre las puertas a la Agricultura de Precisión en fruticultura, también denominada Fruticultura de Precisión.

In a context of continuous global population growth, there is a need to increase fruit production while society demands greater environmental sustainability. The geometric characterization of fruit plantations opens the door to precise crop management, allowing for the optimization of irrigation, the application of plant protection products, fertilization, nutrient supply, and the automation of tasks such as pruning, thinning, and fruit harvesting. Systems based on the LiDAR principle (Light Detection and Ranging) have emerged as a promising alternative for obtaining 3D point clouds of fruit tree canopies. Although understanding the error in 3D point clouds is essential for agronomic management based on crop characterization, this issue has not been widely studied in the scientific literature. This thesis is structured around four scientific papers that address the following general objectives: i) to develop a methodology for obtaining the digital ground-truth (DGT) in agricultural environments; ii) to develop a methodology for the realistic evaluation of point cloud error in a full 3D context; iii) to analyse the effect of the parameters involved in point cloud generation and propose a configuration that minimizes the error of the resulting clouds; iv) to design a methodology for the automated estimation of leaf area (LA) in row-structured fruit-tree plantations using a ground-based LiDAR system. In summary, this thesis presents and validates various methodologies that contribute to the optimization and realistic evaluation of the three-dimensional characterization of tree and shrub crops, facilitating the design of new systems, applications, and automation processes that require highly accurate and precise point clouds. It paves the way for Precision Agriculture in fruit growing, also known as Precision Horticulture or Precision Fructiculture.