Creación de mapas de cobertura de malas hierbas para dar soporte a estrategias agroecológicas

Abstract

La creciente dependencia de herbicidas sintéticos en los sistemas agrícolas ha generado impactos negativos en la salud ambiental, la biodiversidad y la sostenibilidad de los agroecosistemas. A través de este trabajo se propone una metodología innovadora para la identificación y localización de malas hierbas mediante el uso de visión artificial, procesamiento de imágenes y técnicas de clasificación automática, con el fin de optimizar la gestión de cultivos y reducir el uso de agroquímicos. El estudio se llevó a cabo en un campo de cultivo de caquis en Valencia, utilizando un robot autónomo. A partir de la captura de imágenes se generaron nubes de puntos 3D y ortoimágenes, que permitieron aplicar técnicas de segmentación de vegetación, mejora de imagen y detección de puntos clave con el propósito de aislar las malas hierbas de forma individual. Posteriormente, las zonas de interés fueron analizadas con herramientas de clasificación, desarrolladas por terceros, para identificar especies vegetales de forma automática. Los resultados evidencian que la metodología permite identificar especies de malas hierbas en condiciones reales de campo, incluso en escenarios de variabilidad lumínica y de densidad vegetal. La validación de esta clasificación se encuentra fuera del alcance de este trabajo, dado que requiere la intervención de expertos herboristas para su correcta verificación. No obstante, la metodología desarrollada posibilita la generación de mapas de cobertura precisos que facilitan la toma de decisiones agronómicas, posibilitando la aplicación focalizada de tratamientos, la reducción en el uso de herbicidas y el avance hacia prácticas agroecológicas más sostenibles.