cultivcEl vehículo está preparado para cubrir de manera autónoma un campo siguiendo un plan de ruta predenido. En el vehículo se ha integrado, entre otros, un sensor RGB-D conectado a una computadora de alto rendimiento. La información heterogénea adquirida con el sensor RGB-D se integra posteriormente para generar automáticamente mapas en 3D de los cultivos mediante el uso de un software desarrollado por el grupo. El rendimiento del sistema de inspección se ha comprobado principalmente en viñedos. Los resultados muestran que la tecnología propuesta es viable y puede proporcionar información complementaria a otras alternativas de inspección.

Una de las etapas clave de un sistema de Manejo Integrado de Plagas (MIP) es el monitoreo o la inspección continua de los cultivos para garantizar que los problemas se detecten a tiempo. Mientras que en campos pequeños los operadores pueden realizar de forma efectiva esta vigilancia, en grandes extensiones la única opción viable es el muestreo discreto, seleccionando aleatoriamente o de forma regular un conjunto de puntos de muestreo. Así, el desarrollo de tecnologías que permitan la inspección automática y continua de un cultivo resulta de gran interés. Entre los diversos medios para recopilar información bien estructurada, los vehículos autónomos equipados con sensores son una tecnología prometedora a medio plazo para la adquisición de información en el campo. Pero el uso de robots móviles en entornos agrícolas sigue siendo un reto, ya que la navegación presenta dicultades debido a la variabilidad y la naturaleza tanto del terreno como de la vegetación. En Bechar y Vigneault (2016) se puede encontrar una revisión actual de los desarrollos e innovaciones en robots agrícolas para operaciones de campo y se analizan las limitaciones principales.

El uso de robots de tamaño mediano para inspeccionar completamente un cultivo utilizando un conjunto de sensores embarcados es una opción adecuada para minimizar la compactación del suelo y es el mejor medio de lograr una navegación segura en cultivos leñosos. Así, este tipo de robots puede ser una opción útil para la detección temprana de plagas recopilando la información georreferenciada necesaria para construir mapas precisos del cultivo. Es más, en casos como el de los cultivos leñosos, es posible realizar más de un muestreo durante el año gracias al mínimo impacto que tiene el vehículo.

En las siguientes secciones, se presenta un sistema de inspección y sus resultados de rendimiento iniciales. El sistema de inspección desarrollado está compuesto por: 1) una plataforma de inspección multisensorial y autónoma integrada en un vehículo comercial capaz de cubrir completamente un campo siguiendo una ruta predenida (Conesa-Muñoz et al., 2016) y capaz de recopilar información georreferenciada; y 2) el software de desarrollo propio que permite generar automáticamente, a partir de la información heterogénea adquirida en el campo, un mapa tridimensional de las líneas de cultivo, así como el mapa de la distribución del volumen.

La plataforma de inspección

La plataforma de campo (Figura 1) se basa en un vehículo eléctrico Twizy (Renault) que tiene una autonomía de aproximadamente 80 km, con una carga de 3 horas y media con un enchufe estándar, y capaz de alcanzar una velocidad de 80 km/h. El vehículo, con una longitud de 2,32 metros, una anchura de 1,19 metros y una altura de 1,46 metros, permite velocidades libres de vibraciones por debajo de 3 km/h, lo que favorece la adquisición de información de gran calidad.

Se ha integrado una estructura de soporte de aluminio para colocar fácilmente los sensores adaptándolos a las características de cada tipo de muestreo. El sensor RGB-D (Kinect v2, Microsoft) integrado, y que es la base de la información que se presenta en este artículo, suministra 30 fotogramas por segundo; en pocas palabras imágenes RGB con una resolución de 1920 × 1080 píxeles junto con información de profundidad con una resolución de 512 × 424 píxeles. Los datos de profundidad se obtienen utilizando la tecnología ToF (tiempo de vuelo). La cámara está conectada al ordenador de a bordo que integra un procesador Intel Core i7- 4771@3.5GHz, 16 GB de RAM y una tarjeta gráca NVIDIA GeForce GTX 660. El vehículo de inspección está equipado además con un receptor RTK-GPS (R220, Hemisphere), que proporciona datos de ubicación a una frecuencia de muestreo de 20 Hz con un error de posición inferior a 2 cm.