FotosdelMaiz R1 Rev PDF

Instituto Politécnico Nacional
UNIDAD PROFESIONAL INTERDISCIPLINARIA EN

INGENIERÍA Y TECNOLOGÍAS AVANZADAS
Trabajo Terminal I
“SISTEMA DE CAPTACIÓN Y PROCESAMIENTO DE

IMÁGENES AÉREAS PARA LA AGRICULTURA DE
PRECISIÓN”
Que para obtener el título de

“Ingeniero en Mecatrónica”
Presentan:
Juan Carlos García Castán

Francisco Javier Marquez Rosas
Luis Francisco Vergara Coronel
Asesores:
Dr. Leonel German Corona Ramírez
Septiembre 2019
Instituto Politécnico Nacional
UNIDAD PROFESIONAL INTERDISCIPLINARIA EN

INGENIERÍA Y TECNOLOGÍAS AVANZADAS
Trabajo Terminal I
“SISTEMA DE CAPTACIÓN Y PROCESAMIENTO DE

IMÁGENES AÉREAS PARA LA AGRICULTURA DE
PRECISIÓN”
Que para obtener el título de
“Ingeniero en Mecatrónica”
Presenta:
Juan Carlos García Castán Francisco Javier Marquez Rosas
Luis Francisco Vergara Coronel
Asesor:
Dr. Leonel German Corona

Ramírez
Presidente del Jurado

Profesor titular
M. en C. Arodi Rafael Carballo

M. en C. Griselda Sánchez Otero
Dominguez
Contenido
Resumen vii
Abstract ix
Nomenclatura xv
Simbología xvii
Introducción 1
Definición del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Justificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Objetivos Particulares . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Enfoque mecatrónico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
iii
CONTENIDO
[a\
Capitulado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1. Marco de referencial 5
1.1. Marco teórico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1. Fertilización con nitrógeno . . . . . . . . . . . . . . . . . . . . 5
1.1.1.1. Carencia de nitrógeno en las plantas . . . . . . . . . 6
1.1.2. Malas hierbas en la agricultura . . . . . . . . . . . . . . . . . 7
1.1.3. Agricultura de precisión . . . . . . . . . . . . . . . . . . . . . 8
1.1.4. Índices de vegetación . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.5. Vehículos aéreos no tripulados (UAV) . . . . . . . . . . . . . 11
1.1.5.1. Dron de ala giratoria . . . . . . . . . . . . . . . . . 12
1.1.5.2. Dron de ala fija . . . . . . . . . . . . . . . . . . . . 12
1.1.6. Drones en el sector agrícola . . . . . . . . . . . . . . . . . . . 13
1.1.7. Sistemas de visión artificial . . . . . . . . . . . . . . . . . . . 14
1.1.8. Imágenes satelitales . . . . . . . . . . . . . . . . . . . . . . . 15
1.1.9. Drones aplicados a la agricultura de precisión . . . . . . . . . 15
1.2. Marco procedimental . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.1. Sistema Mecatrónico . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.2. Metodología Modelo V . . . . . . . . . . . . . . . . . . . . . . 16
1.2.3. Especificaciones de Diseño del Producto (PDS, Product Design
Specification) . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.4. Análisis Funcional . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.5. IDEF0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.6. FBS, Function-Behaviour-Structure ontology . . . . . . . . . 19
1.2.7. Método de selección de conceptos recomendada . . . . . . . . 20
1.2.7.1. Matriz de toma de decisiones . . . . . . . . . . . . . 20
1.2.7.2. Matriz de ranking de criterios . . . . . . . . . . . . 21
1.2.7.3. Matriz de criterios de peso . . . . . . . . . . . . . . 22
2. Diseño del sistema 23

2.1. Diseño Conceptual . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
iv IPN Ing. Mecatrónica

CONTENIDO
[a\
2.1.1. Necesidades - Requerimientos . . . . . . . . . . . . . . . . . . 23

2.1.2. Arquitectura funcional (funciones) . . . . . . . . . . . . . . . 23
2.1.3. Arquitectura física (módulos) . . . . . . . . . . . . . . . . . . 23
2.1.4. Propuestas de solución . . . . . . . . . . . . . . . . . . . . . . 23
2.1.4.1. Módulos (M1 . . . Mn ) . . . . . . . . . . . . . . . . . 23
2.1.4.2. Integración (sistema) . . . . . . . . . . . . . . . . . 23
2.1.5. Validación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.6. Selección diseño conceptual . . . . . . . . . . . . . . . . . . . 23
2.2. Diseño Detallado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1. Detalle módulo 1 (Ml ) . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1.1. Validación (Ml ) . . . . . . . . . . . . . . . . . . . . 24
2.2.2. Detalle módulo 2 (M2 ) . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2.1. Validación (M2 ) . . . . . . . . . . . . . . . . . . . . 24
2.2.3. Detalle módulo n (Mn ) . . . . . . . . . . . . . . . . . . . . . . 24
2.2.3.1. Validación (Mn ) . . . . . . . . . . . . . . . . . . . . 24
2.2.4. Integración sistema mecatrónico . . . . . . . . . . . . . . . . 24
2.2.5. Validación sistema mecatrónico . . . . . . . . . . . . . . . . . 24
3. Implementación del sistema 25

3.1. Implementación módulo 1 (Ml ) . . . . . . . . . . . . . . . . . . . . . 25
3.1.0.1. Verificación (Ml ) . . . . . . . . . . . . . . . . . . . . 25
3.2. Implementación módulo 2 (M2 ) . . . . . . . . . . . . . . . . . . . . . 25
3.2.0.1. Verificación (M2 ) . . . . . . . . . . . . . . . . . . . . 25
3.3. Implementación módulo 2 (Mn ) . . . . . . . . . . . . . . . . . . . . . 25
3.3.0.1. Verificación (Mn . . . . . . . . . . . . . . . . . . . . 25
3.4. Implementación módulo 1 (Ml ) . . . . . . . . . . . . . . . . . . . . . 25
3.4.0.1. Verificación (Ml ) . . . . . . . . . . . . . . . . . . . . 25
4. Discusión / Análisis de resultados 27

4.0.1. Análisis de ingeniería . . . . . . . . . . . . . . . . . . . . . . . 27
4.0.2. Análisis de costos . . . . . . . . . . . . . . . . . . . . . . . . . 27
Ing. Mecatrónica UPIITA v

CONTENIDO
[a\
4.0.3. Análisis de valor . . . . . . . . . . . . . . . . . . . . . . . . . 27
Conclusiones 29
Recomendaciones y trabajo futuro . . . . . . . . . . . . . . . . . . . . . . 29
Referencias 31
Apéndices 35
Apéndice 1 37
Der Zweite Anhang (Apéndice 2) 39
Der dritte Anhang (Apéndice 3) 41
Anexos 43
Anexo 1. Hoja de datos 45
Anexo 2. Hoja de datos 47
Anexo 3 (Anexo título 3) 49
vi IPN Ing. Mecatrónica

Resumen
Resumen:
Palabras Clave: Robot, Bípedo, Humanoide, Marcha humana, Criterio de equi-
librio, Punto de momento Cero, Actuadores, Sensores, Fuerza, Par torsor, Modelo
matemático, Estructura, Diseño mecánico, Esfuerzos, Desplazamientos, Optimiza-
ción, Simulaciones, Trayectoria, Cinemática directa e inversa, Análisis.
vii
Abstract
Abstract:
Palabras Clave: Robot, Bípedo, Humanoide, Marcha humana, Criterio de equi-
librio, Punto de momento Cero, Actuadores, Sensores, Fuerza, Par torsor, Modelo
matemático, Estructura, Diseño mecánico, Esfuerzos, Desplazamientos, Optimiza-
ción, Simulaciones, Trayectoria, Cinemática directa e inversa, Análisis.
ix
Índice de figuras
1.1. Agricultura de precisión, Precision Farming . . . . . . . . . . . . . . 9

1.2. Dron con cámara fotográfica adaptada [4]. . . . . . . . . . . . . . . . 12
1.3. Dron de ala fija [25]. . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4. Modelo V . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5. IDEF0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6. FBS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
xi
Índice de Tablas
1.1. Composición de una planta de maíz. . . . . . . . . . . . . . . . . . . 6
xiii
Nomenclatura
α The first letter of the greek alphabet
β The second letter of the greek alphabet
σ The total mass of angels per unit area
A The area of the needle point
a The number of angels per unit area
m The mass of one angel
N The number of angels per needle point
xv
Simbología
Simbolo 1
xvii
Introducción
Definición del problema
En México la gran mayoría de la producción agrícola que se desarrolla de forma

convencional se hace de manera empírica, es decir, sin conocimiento previo de las
condiciones del terreno, por lo que no se realiza un tratamiento del campo para la
semilla que se plantará ni se realiza un seguimiento apropiado de la evolución de los
cultivos.
Los insumos como fertilizantes, pesticidas o plaguicidas usados para el combate de

enfermedades son aplicados de manera uniforme sin un estudio de la variabilidad
de la producción, este uso desmedido de químicos en el campo genera un terreno
agotado, mal aprovechamiento de los recursos económicos y una cosecha irregular,
en otras palabras el desconocimiento del estado actual de una cosecha genera gastos
innecesarios y una producción irregular o con una calidad menor a la esperada [12].
En este trabajo se plantea una solución alternativa por medio de un dron que pueda
sobrevolar los cultivos de maíz de forma semiautónoma para capturar imágenes que
brinden información sobre el estado actual de la producción de maíz. El recorrido
del dron se realizará mediante la ejecución de un plan de vuelo donde el dron tome
fotografías del terreno en los puntos establecidos por un operador, posterior a la
captura de las imágenes, el sistema debe procesarlas para ofrecer información sobre
1
Introducción
[a\
las zonas con deficiencia en la producción, mala salud de las plantas o presencia de
maleza en los cultivos.
Justificación
Objetivo
Objetivo General
Diseñar e implementar un sistema de captación y análisis de imágenes aéreas que

brinde información a través de una interfaz gráfica sobre los niveles de nitrógeno,
clorofila y maleza presente en los cultivos de maíz.
Objetivos Particulares
1. Diseñar y desarrollar un programa que genere las coordenadas (puntos de re-

ferencia) para la captura de imágenes en una zona de cultivo.
2. Diseñar y desarrollar un programa para la captura de imágenes en coordenadas

específicas en una zona de cultivo.
3. Implementar el plan de vuelo generado en el vehículo aéreo para el sobrevuelo

de la zona de cultivo.
4. Desarollar e implementar un sistema de visión artificial para la segmentación y

clasificación de imágenes de cauerdo con el índice de vegetación (VARI, TGI,
etc.).
5. Desarrollar le interfaz gráfica donde se mostrará la información de relevancia

para el agricultor sobre los cultivos de maíz.
2 IPN Ing. Mecatrónica

0.0 Enfoque mecatrónico
[a\
Enfoque mecatrónico
Antecedentes
Capitulado
Ing. Mecatrónica UPIITA 3

CAPÍTULO 1
Marco de referencial
1.1. Marco teórico
1.1.1. Fertilización con nitrógeno
La fertilización tiene como objetivo mantener en el suelo los fertilizantes o nu-

trientes necesarios para que la planta pueda absorberlos en el momento preciso y en
las cantidades necesarias, con la fertilización se puede mejorar el rendimiento de los
cultivos y a menudo duplicarse o triplicarse [11]. De de los elementos absorbidos por
las plantas,el 95 % de la materia esta compuesta por carbono, oxígeno, hidrógeno y
nitrógeno, el restante 5 % esta compuesto por diversos elementos de los cuales no to-
dos son imprescindibles [24]. La composición total de una planta de maíz se muestra
en el cuadro 1.1
Las plantas pueden extraer normalmente del aire y agua el oxígeno, carbono
e hidrógeno necesarios, por lo que la fertilización mineral se centra los minerales
que son extraídos del suelo. Los elementos minerales necesarios suelen agruparse en
cuatro categorías de acuerdo a lo relevante que estos son para las plantas [24], esta
agrupación se muestra en el cuadro1.1.
De los elementos principales a ser administrados por la fertilización mineral están
el nitrógeno, fósforo y potasio que son imprescindibles para el desarrollo de la planta.
5
[a\
Elemento % del elemento en la planta
Oxígeno 44.43
Carbono 43.57
Hidrógeno 6.24
Nitrógeno 1.46
Fósforo 0.20
Potasio 0.92
Calcio 0.23
Magnesio 0.18
Azufre 0.17
Hierro 0.08
Manganeso 0.03
Silicio 1.17
Aluminio 0.11
Cloro 0.14
Elementos no determinados 0.93
Cuadro 1.1: Composición de una planta de maíz.
En este grupo destaca el nitrógeno, ya que es el elemento que se requiere en una

cantidad mayor a los demás elementos.
La función del nitrógeno en las plantas esta directamente relacionada con el
rendimiento y las proteínas del grano, ya que este elemento es necesario para el
metabolismo de los carbohidratos, el desarrollo de la planta y la asimilación de otros
nutrientes [6].
1.1.1.1. Carencia de nitrógeno en las plantas
El nitrógeno es esencial para el desarrollo vegetal de las plantas y la carencia de

este se traduce en deficiencias externas en las plantas que en general son fáciles de
apreciar [24], a continuación se en listan algunos aspectos afectados:

1.1 Marco teórico
[a\
Un déficit de nitrógeno se traduce en la reducción de clorofila y en general en

los órganos verdes, estos últimos se tornan en un color amarillo, principalmente
en las hojas.
El crecimiento de las plantas también se ve afectado produciendo tallos más

cortos, al igual que el índice de superficie foliar(LAI).
Las fases de floración y maduración se adelantan como consecuencia de un nivel

bajo de nitrógeno, el número de flores y frutos suele ser menor a lo normal. En
particular los frutos presentan carencia en cuanto al peso, tamaño y nutrientes.
1.1.2. Malas hierbas en la agricultura
El concepto de maleza o mala hierba no es sencillo de definir pues es relativo al

cultivo o los resultados esperados por el agricultor, de esta forma lo que puede ser
deseado en cierto cultivo puede no serlo para otro. De forma general podemos tomar
la definición de que una mala hierba es una "planta que crece en un lugar donde no es
deseada"[13]. Los efectos de las malas hierbas pueden ser muchos y las afectaciones
a los cultivos son muy variadas [24].
Las plantas tienen que competir con la maleza por el espacio y esto general-
mente no tiene resultados positivos ya que las malas hierbas suelen expandirse
de forma rápida afectando también el porcentaje de luz solar que la planta
puede absorber.
Las malas hierbas compiten por el agua y elementos nutritivos con las plantas
y esto es uno de los factores que mas influye en el rendimiento final de los
cultivos, ya que en ocasiones los elementos nutritivos que la maleza absorbe
puede ser igual al que las plantas necesitan.
Dado que la presencia de malas hierbas es un riesgo para el buen rendimiento

de los cultivos es fundamental la pronta identificación de zonas afectadas por la
presencia de la maleza para después elegir el método indicado para controlar estas o
eliminarlas del cultivo.

[a\
1.1.3. Agricultura de precisión
El sector de agrícola es sumamente competitivo, con demandas que crecen ex-

ponencialmente, precios cada vez más ajustados y exigencia de alimentos con una
calidad mayor, por lo que la aplicación de tecnologías se ha convertido prácticamente
en una necesidad, es en este contexto donde se origina la agricultura de precisión.
La agricultura de precisión se basa en el conjunto de técnicas que permiten op-

timizar el uso de los insumos agrícolas, es una tecnología que ha revolucionado el
mundo de la agricultura y que al paso de los años ha cobrado más importancia en
el ámbito social, económico y ambiental [9].
En Srinivasan [5] dice que la agricultura domina las decisiones del manejo de la tierra
en el mundo. Además de hacer un gran hincapié en la creciente urgencia de duplicar
la producción agrícola sobre los próximos 25 años con menos tierra y con menos agua.
Para Emilio Gil [14] “La agricultura de precisión es efectuar la intervención co-
rrecta, en el momento adecuado y en el lugar preciso”. Por lo tanto, a raíz de esto
se puede decir que la intervención correcta hace referencia a suministrar o aportar
la cantidad suficiente de los insumos entre los que se pueden contar las semillas, el
abono y pesticidas; el momento adecuado, explica, es cuando se modifican las can-
tidades durante todo el proceso y no solo en los inicios de este; por lugar preciso se
trata del atender no solo la zona de cultivo si no ir mas al fondo hacia la raíz del
problema.
La dificultad que se da en estas prácticas se enfoca principalmente en la correcta

identificación de las zonas en el interior de los cultivos y en la correcta toma de deci-
siones. Para esto se utilizan las nuevas tecnologías que buscan sustituir las antiguas
“practicas visuales”. Estas nuevas tecnologías se pueden agrupar en cuatro niveles
como lo explica Hernández [16]:
1. Sistemas de Posicionamiento Global (GPS), fue desarrollado por el ejército

1.1 Marco teórico
[a\
Imagen 1.1: Agricultura de precisión, Precision Farming
de los Estados Unidos para brindar servicios de posicionamiento y navegación

global. Se compone de 3 partes: espacial, de control y de usuario. En seg-
mento espacial lo conforma una constelación de 24 satélites. El segmento de
control está formado por estaciones ubicadas en distintos puntos del planeta.
El segmento del usuario está representado por los equipos receptores de la se-
ñal satelital [15]. Dado que el GPS tiene un margen limitado de precisión, se
introdujo el GPS diferencial, para corregir estos errores. En la agricultura de
precisión sirven para determinar la posición exacta de los campos de cultivo,
así como de las zonas a analizar.
2. Sensores, para de detectar, tratar y almacenar información sobre las variables

que se encontraran dentro del cultivo.
3. Sistemas de Información Geográfica (SIG), son sistemas que nos permiten al-
macenar, visualizar y analizar datos referidos geográficamente.
4. Las tecnologías para la automatización del control de los equipos agrícolas,

para poder controlar su funcionamiento de forma continua.

[a\
En el último punto se incluyen nuevas tecnologías, entre las que destacan los siste-
mas de visión artificial, los cuales son dispositivos que permiten realizar cambios en
tiempo continuo, sin que sea necesario detener la tarea que se esté realizando.
1.1.4. Índices de vegetación
Un índice de vegetación se usa para combinar múltiples conjuntos de datos es-

pectrales en un solo valor para cada punto en una imagen. Estos se expresan por
medio de una fórmula matemática. Por lo general, a la salida se le asigna un color de
una escala de color y se utiliza para generar una imagen de color de un campo. Un
rápido vistazo a la imagen resultante puede mostrar las regiones del campo donde el
índice devolvió valores bajos y aquellos donde se obtuvieron valores altos.
Existen docenas, si no es que centenas de desarrollos de índices de vegetación para

propósitos específicos. La mayoría de los índices requieren de datos de un sensor que
opere en la longitud de onda del infrarrojo cercano (NIR por sus siglas en ingles) [20].
Dentro de los diferentes índices de vegetación hay 2 que se basan únicamente en

señales RGB:
1. Índice de resistencia atmosférica visible (VARI). Desarrollado en la Universidad

de Nebraska, usa la fórmula:
RV ERDE − RROJO
V ARI = , (1.1)
RV ERDE + RROJO − RAZU L
Donde RXX es la reflectancia de la vegetación en ese color.
Los autores buscaban un método para predecir la fracción de vegetación (VF)

y el índice de área de hoja o foliar (LAI) a partir de señales de detección
remota [1] [2]. Las señales roja, azul y verde contienen información durante la
temporada de crecimiento, los resultados obtenidos mostraron una correlación
con buenos datos estadísticos entre el LAI y VF en los cultivos de trigo y maíz.

1.1 Marco teórico
[a\
2. Índice de verdor triangular (TGI) Sirve para estimar el nivel de clorofila de la

panta, e indirectamente el contenido de nitrógeno de la planta, usando imágenes
de espectro visible. Es el área obtenida del triángulo definido por las señales
reflectantes de rojo, azul y verde [10].
La ecuación de TGI es:
T GI = RV ERDE − 0.39 ∗ RROJO − 0.61 ∗ RAZU L (1.2)
1.1.5. Vehículos aéreos no tripulados (UAV)
Un sistema de aeronave piloteado a distancia, coloquialmente conocido como

dron, es una aeronave sin un operador a bordo, la cual es controlada de forma remo-
ta, ya sea por medio de un programa autónomo o por un operador humano. Entre
los tipos más comunes de drones se encuentran los de ala giratoria y fija. Los drones
de ala fija tienen la ventaja de ser más rápidos y eficientes, pero generalmente no
pueden permanecer estáticos en el aire mientras que los de ala giratoria a pesar de
que el vuelo frontal tiende a ser menos eficiente, estos pueden permanecer suspendi-
dos en el aire además de ser mayormente maniobrables [7].
Se compone por 2 subsistemas:
1. El subsistema del vehículo aéreo, el cual está compuesto por los motores, un
controlador, además de contar con un sistema de comunicación el cual es esen-
cial para el vehículo ya que este da la orden de inicio para que el sistema de
control del UAV empieza a funcionar, agregado a esto se encuentra el módulo
de batería.
2. El subsistema de estación de control en el cual se encuentran los equipos de

comunicaciones, procesadores de datos para el correcto monitoreo y control del
dron.
El crecimiento en la utilización y comercialización de los drones ha hecho que

asociaciones nacionales e internacionales realicen normas para la seguridad de su
funcionamiento. En México se clasifican de acuerdo con el peso máximo de despegue

[a\
Imagen 1.2: Dron con cámara fotográfica adaptada [4].
lo que quiere decir el peso del dron más su carga. Estas clasificaciones se pueden
dividir en tres; el dron micro el cual tiene un peso máximo de 2 kg, el dron pequeño
el cual puede pesar entre 2 y 25 kg, y la ultima la cual se considera dron grande con
un peso mayor a los 25 kg [8].
1.1.5.1. Dron de ala giratoria
Es un dron que puede poseer desde 2 a 8 rotores, dependiendo de la cantidad se

dará su nombramiento, por ejemplo, un dron con 4 motores también conocido como
cuadroptero tiene por lo general una estructura en forma de cruz teniendo en cada
punta un motor, los cuales dan el torque necesario para que este tome vuelo. Como
anteriormente se había planteado este tipo de drones tiene una gran versatilidad de
movimiento, además de poseer motores eléctricos los cuales le brindan la autonomía
necesaria para realizar las tareas que el operador necesite.
1.1.5.2. Dron de ala fija
Este tipo de dron necesita de una pequeña porción de tierra para el despegue y
aterrizaje son embargo una vez en el aire el consumo de energía es bajo debido a la

1.1 Marco teórico
[a\
Imagen 1.3: Dron de ala fija [25].
fuerza de propulsión del viento, por lo que se pueden realizar viajes largos además
de tener mejores velocidades, comúnmente este tipo de dron es utilizado para fines
militares.
1.1.6. Drones en el sector agrícola
Un mundo globalizado cada vez más competitivo ha provocado que la cantidad

de agricultores que hacen uso de la agricultura de precisión aumente año con año, y
esto obedece a factores tanto económicos como sociales. Una de las soluciones más
confiables y de fácil implementación es el uso de drones para la captación de imáge-
nes aéreas, esto debido a que el área que se cubre es de una mayor extensión lo que
reduciría la cantidad de veces que se tendría que hacer el recorrido, aunado a esto
se suma la manera precisa en que se toman las mediciones.
La captación de las imágenes se hace por medio de cámaras hiperespectrales ca-

paces de capturar el espectro electromagnético, en frecuencias de banda muy bajas
lo cual permite el obtener una gran cantidad de estas, lo que tiene como finalidad
proporcionar más información, además de este tipo de cámaras también se pueden

[a\
encontrar en mayor cantidad las termográficas o infrarrojas, estas tienen la función

de obtener las bandas del espectro que por medio de un algoritmo se obtienen datos
los cuales servirán para darle un correcto trato al cultivo [19].
Con las imágenes captadas por los drones se pueden generar datos con los cuales
se podrá generar diagnósticos que permiten tomar acción en diferentes ámbitos de
operaciones, entre los que se destaca la detección de enfermedades, con lo que se
podrá determinar los problemas y los pasos a seguir para su tratamiento.
1.1.7. Sistemas de visión artificial
Se puede definir la visión artificial como un campo de la Inteligencia artificial,

permite por medio de técnicas obtener el análisis y procesamiento de cualquier tipo
de información obtenida a partir de imágenes digitales.
Se clasifican dependiendo de si la toma de datos es o no en tiempo real, primero

los Sistemas directos estos permiten trabajar en tiempo real realizando un recorrido,
sin la necesidad de un operario, sobre las zonas a tratar, es decir al mismo tiem-
po que se toma la imagen se puede realizar la detección de problemas; también se
clasifican en Sistemas indirectos no permiten trabajar en tiempo real, por lo que el
procesamiento de la imagen se realiza posterior a la captura de imágenes, y por lo
tanto no se puede actuar de manera inmediata sobre la zona a tratar.
En el caso de los drones, los sistemas de visión artificial utilizados se enfocan

en estimar y evaluar el estado en el que se encuentra la vegetación, mediante varias
técnicas entre las cuales se puede mencionar el detectar la actividad de la fotosíntesis
en la planta [22].
Generalmente el análisis de las imágenes consiste en segmentarlas, una imagen

digital es una matriz NxM de números los cuales representan los índices de ilumi-
nación de puntos en una imagen. Las intersecciones entre las filas y columnas se

1.1 Marco teórico
[a\
denominan pixeles. La segmentación divide a la imagen en objetos, estos dependen

específicamente del uso que se le dará. Los algoritmos más comúnmente usados para
segmentación de imágenes se basan en los valores de la escala de gris: discontinuidad
y similaridad [21].
1.1.8. Imágenes satelitales
Los satélites han sido usados para la toma de imágenes de cultivos desde hace
años, y son una alternativa de solución para la captura de imágenes aéreas cuando se
requiere analizar grandes áreas de terreno, actualmente existen varios satélites que
nos permiten obtener estas imágenes, Modis tiene 250 metros de resolución, Landsat
y Deimos ofrecen imágenes con una resolución de 30 metros por pixel, Rapideye tiene
imágenes con una mejor resolución de 5 metros por pixel [23].
Una de las desventajas de las imágenes satelitales son la resolución en cultivos de

no muy grandes dimensiones ya que dificultan su análisis para una óptima aplicación
variable de los insumos. Otro aspecto para considerar es el tiempo de muestreo, este
es el tiempo en que el satélite se posicionará de nuevo sobre el cultivo.
Ventaja de estos sistemas son la información ya existente, es decir, los bancos de

imágenes donde se puede obtener información histórica sobre los cultivos, así como
las condiciones climáticas del lugar que se quiere analizar.
1.1.9. Drones aplicados a la agricultura de precisión
Con los avances en las tecnologías de drones, se ha visto un incremento en el

uso de estos para diferentes tareas, especialmente en la agricultura ya que con estos
es posible resolver problemáticas en campos de cultivos de grandes extensiones, ya
que además de realizar el proceso de una manera más rápida y sencilla, cuentan con
cámaras de alta definición para la toma de mediciones y capturas de imágenes.
El empleo de estos puede apoyar la toma de decisiones para mejorar la produc-

[a\
tividad del campo.Un ejemplo donde se puede ver el uso directo de drones en la
agricultura es un estudio realizado en la isla de Barro Colorado en Panamá, donde
un grupo de 14 investigadores tenía la tarea del censo de los árboles en la región en
campos de 50 hectáreas, el estudio tomo alrededor de 3 años para el primer censo.
Se realizo un estudio con drones en un área de 20 hectáreas de bosque donde además
de censar, se realizaban las mediciones de la altura del árbol, la perturbación del
bosque y la apertura del dosel, cosa que se vería limitada por la mano de obra y los
recursos financieros. Los resultados además haberse realizado más rápido tuvieron
la ventaja de poder obtener información más completa y precisa [3].
1.2. Marco procedimental
1.2.1. Sistema Mecatrónico
Un sistema Mecatrónico resulta del diseño e integración de los sistemas mecá-

nicos, sistemas electrónicos y tecnologías de control e información. La integración
es entre los componentes (hardware), y las funciones manejadas por información
(software), orientadas a encontrar un equilibrio óptimo entre la estructura mecánica
básica, la implementación del sensor y el actuador, el procesamiento automático de
la información digital y el control general. Además, se crean efectos sinérgicos, que
resultan en una funcionalidad mejorada (sistema robusto) y soluciones innovado-
ras. [18].
La metodología nos permite comparar, analizar, describir y valorar los aspectos
importantes para el desarrollo de un prototipo, el conjunto de procedimientos o meto-
dologías empleadas en este trabajo, se muestran de manera detallada a continuación.
1.2.2. Metodología Modelo V
Es la representación gráfica del ciclo de vida del desarrollo de un sistema. En él se

resumen las principales medidas que deben adoptarse en relación con las prestaciones
correspondientes en el marco del sistema informático de validación. Aquí se describen

1.2 Marco procedimental
[a\
las actividades y resultados que deben producirse durante el desarrollo del proyecto.
La letra V significa Verificación y validación, el lado izquierdo de la V representa la
descomposición de las necesidades, y la creación de las especificaciones del sistema,
y el lado derecho representa la integración de las piezas y su verificación. [18].
Tiene cuatro niveles:
1. Fase 1: Es el inicio del proyecto y el fin del proyecto. Se componen del análisis de
requisitos y especificaciones, se produce un entregable en forma de documento
de requisitos y especificaciones.
2. Fase 2: Son las características funcionales del sistema, se produce un entregable

del análisis funcional.
3. Fase 3: Define los componentes hardware y software del sistema final, Diseño
detallado.
4. Fase 4: Es donde se realiza la implementación, en la que se desarrollan los

elementos unitarios o módulos del sistema.
1.2.3. Especificaciones de Diseño del Producto (PDS, Product De-

sign Specification)
Es una herramienta continua para el diseñador que permite describir las fran-
teras en las que se encuentra el producto, en él se encuentran los requerimientos y
condiciones bajo las cuales debe operar nuestro producto con el fin de proveer una
posible solución que abarque estos requerimientos solicitados.
El PDS, debe proporcionar información concisa y debe ser interpretado de manera
sencilla, los datos que deben estar presentes son el objetivo a perseguir y los re-
querimientos para que este se cumpla, estos requerimientos pueden ser agrupados
por:
1. Requerimientos de operación
2. Requerimientos de manufactura

[a\
Imagen 1.4: Modelo V
3. Estándares de aceptación
4. Requerimientos de rendimiento
5. Disposiciones
Todo esto con el fin de asegurar que los factores relevantes del producto sean tomados
en cuenta.
1.2.4. Análisis Funcional
El análisis funcional es una representación gráfica de las áreas funcionales que se

requieren para alcanzar los resultados en una función global denominada propósito
principal con el fin de descomponer la función principal en sub-funciones y poder
visualizar las áreas de oportunidad o innovación que pudiera tener el sistema.
1.2.5. IDEF0
Se usa para producir un modelo de funciones. Un modelo de funciones es una

estructura donde se representan las funciones, actividades o procesos en el sistema

[a\
Imagen 1.5: IDEF0
modelado. Primero se definen los requerimientos y se definen las funciones, después

para diseñar una implementación que cumpla con los requerimientos y realice las
funciones.
Como un lenguaje de modelado de funciones, IDEF0 tiene las siguientes carac-
terísticas:
1. Es completo y expresivo, capaz de representar gráficamente una amplia varie-

dad de negocios, fabricación y otros tipos de operaciones empresariales para
cualquier nivel de detalle.
2. Es un lenguaje coherente y simple, que proporciona instrucciones precisas, y

promueve consistencia de uso e interpretación.
3. Mejora la comunicación entre analistas de sistemas, desarrolladores y usuarios

a través de la facilidad de aprendizaje y su énfasis en la exposición jerárquica
de los detalles.
4. Puede ser generado por una variedad de herramientas de gráficos por compu-
tadora;una gran cantidad de productos comerciales apoyan específicamente el
desarrollo y análisis de diagramas IDEF0 y modelos. [17].
1.2.6. FBS, Function-Behaviour-Structure ontology
Se usa para representar los procesos, proporciona un marco uniforme para cla-
sificar los procesos e incluye una semántica de mayor nivel en su representación.
Propone 8 procesos fundamentales en el diseño: [26].

[a\
1. Formulación: Nos da una vision del problema, transformando los requisitos

en una función (R ->F), y estas se transforman en un espacio de estado de
comportamiento (F ->Be).
2. Síntesis: Genera una estructura en base al comportamiento esperado (Be ->S).
3. Análisis: Analiza el comportamiento de la estructura generada (S ->Bs).
4. Evaluación: Compara el comportamiento esperado con el comportamiento de-

rivado de la estructura (Be <->Bs).
5. Documentación: Se documentan las descripciones del diseño basándose en la

estructura (S ->D).
6. Reformulación 1: Modifica el espacio de estado de la estructura basándose en

la re interpretación de la estructura (S ->S’).
7. Reformulación 2: Modifica el comportamiento basandose en la reinterpretación

de la estructura (S ->Be’).
8. Reformulación 3: Modifica las funciones basandose en la re interpretación de

la estructura y la subsecuente reformulación del comportamiento esperado (S
->F’).
1.2.7. Método de selección de conceptos recomendada
Es una técnica conveniente para realizar una toma de decisión, involucra el uso
de varias matrices, matriz de toma de decisiones subjetiva, matriz de ranking de
criterios y matriz de pesos.
1.2.7.1. Matriz de toma de decisiones
Ilustra las consideraciones que el equipo de diseñadores debe tener para seleccio-
nar una alternativa óptima. La tabla contiene los conceptos en el eje horizontal y los
objetivos que se persiguen en el eje vertical, los diseñadores llenan la tabla con una
estimación subjetiva de que tan bueno es cada concepto individualmente con cada

[a\
Imagen 1.6: FBS
objetivo.
Podemos ponderar esta estimación con porcentajes, cuidando siempre que la ponde-
ración sea equitativa, por ejemplo:
1. Bueno 90
2. Regular 60
3. Malo 30
Esta matriz se hace con el fin de visualizar que concepto es mejor que otro en ciertos
objetivos y así poder tomar una decisión.
1.2.7.2. Matriz de ranking de criterios
Esta matriz se le conoce como matriz de dominio binario, es un método similar

a la matriz de toma de decisiones, en esta tabla se enlistan los criterios en ambos
ejes y consiste en comparar cada característica con las otras y colocar 0 y 1 según su
importancia, ceros para las de menor importancia y 1 para las de mayor importancia.
El total corresponde a la suma de los unos y el ranking a los ceros. La suma de los
totales debe ser igual a tener 0.5n(n-1), donde n representa el número de criterios.

[a\
Esta matriz nos ayuda a visualizar que criterios son más prioritarios respecto de
otros antes de realizar una toma de decisión.
1.2.7.3. Matriz de criterios de peso
Esta matriz consiste en reordenar la matriz de ranking de criterios y asignar

un peso a cada criterio, con la finalidad de integrar todos los criterios de manera
equitativa en relación a su importancia. La tabla consiste en reordenar la matriz de
criterios en el eje vertical y en los ejes horizontales colocar los totales, el Rank y el
peso.
El peso se obtiene de dividir el total de la matriz de criterios entre la suma de los
totales.
Para verificar la matriz, la suma de los pesos debe ser igual a 1.0.
Para poder aplicar el método de selección de conceptos recomendada, se debe con-
centrar todas las tablas anteriores en una sola tabla, esta consiste en colocar los
criterios en el eje vertical, seguido de la matriz de ranking, el total y los pesos.
Una vez hecho esto, se completa otra tabla más donde los criterios se colocan en
el eje vertical, y en el horizontal, los pesos y la ponderación de los conceptos de la
matriz de decisión, para saber que concepto es el que mejor resulta ponderado, se
debe multiplicar la ponderación de la matriz de decisión por su peso obtenido en la
matriz de pesos.

CAPÍTULO 2
Diseño del sistema
2.1. Diseño Conceptual
2.1.1. Necesidades - Requerimientos
2.1.2. Arquitectura funcional (funciones)
2.1.3. Arquitectura física (módulos)
2.1.4. Propuestas de solución
2.1.4.1. Módulos (M1 . . . Mn )
2.1.4.2. Integración (sistema)
2.1.5. Validación
2.1.6. Selección diseño conceptual
23
Diseño del sistema
[a\
2.2. Diseño Detallado
2.2.1. Detalle módulo 1 (Ml )
2.2.1.1. Validación (Ml )
2.2.2. Detalle módulo 2 (M2 )
2.2.2.1. Validación (M2 )
2.2.3. Detalle módulo n (Mn )
2.2.3.1. Validación (Mn )
2.2.4. Integración sistema mecatrónico
2.2.5. Validación sistema mecatrónico

CAPÍTULO 3
Implementación del sistema
3.1. Implementación módulo 1 (Ml )
3.1.0.1. Verificación (Ml )
3.2. Implementación módulo 2 (M2 )
3.2.0.1. Verificación (M2 )
. . . . ...
3.3. Implementación módulo 2 (Mn )
3.3.0.1. Verificación (Mn
3.4. Implementación módulo 1 (Ml )
3.4.0.1. Verificación (Ml )
25
CAPÍTULO 4
Discusión / Análisis de resultados
4.0.1. Análisis de ingeniería
4.0.2. Análisis de costos
4.0.3. Análisis de valor
27
Conclusiones
Recomendaciones y trabajo futuro
29
Referencias
[1] A. Gitelson, e. a. Remote estimation of leaf area index and green leaf biomass
in maize canopies. Geophysical Research Letters 30 (2003), 1248.
[2] A. Gitelson, R. Stark, e. a. Novel algorithms for remote estimation of

vegetation fraction. Remote Sensing of Environment 80 (2002), 76–87.
[3] A. González, G. Amarillo, M. A. y. F. S. Drones aplicados a la agricultura

de precisión. Universidad de Cundinamarca, Bogotá, 2016.
[4] Adama. Qué es un dron? http://www.adama.com/mexico/es/noticias/que-es-

un-drone.html, 2019.
[5] A.Srinivasan. Handbook of precision agriculture: Principles and application.

CRC, 2006.
[6] Brady, N. C. The nature and properties of soil. Mc Millan Publishing Co.
Inc., 2017.
[7] D. Floreano, R. Science, technology and the future of small autonomous

drones. Nature 521 (2015), 460–466.
[8] de Comunicaciones y Transporte, S. Dirección General de

Aeronáutica Civil. Secretaría de Comunicaciones y Transporte,
31
REFERENCIAS
[a\
https://www.gob.mx/sct/acciones-y-programas/direccion-general-de-
aeronautica-civil, 2016.
[9] E. Chartuni, F. de Carvalho, D. M. y. E. R. Agricultura de precisión.

COMUNIICA 1 (2007), 24–31.
[10] E. Raymond, P.Doraiswamy, e. a. A visible band index for remote sensing

leaf chlorophyll content at the canopy scale. International Journal of Applied
Earth Observation and Geoinformation 21 (2013), 103–112.
[11] FAO. Los fertilizantes y su uso. FAO, http://www.fao.org/3/a-x4781s.pdf,

2019.
[12] FOA. México Rural del Siglo XXI. Organización de las Naciones Unidas para
la Alimentación y Agricultura, Ciudad de México, 2018.
[13] Fryer, J. Weed control handbook. Blackwell Scientific, 1968.
[14] Gil, E. Situación actual y posibilidades de la agricultura de precisión. Confe-

rencia Internacional de Mecanización Agraria (2001).
[15] government information about the Global Positioning Sys-

tem (GPS), O. U., and related topics. GPS. U.S. Government,
https://www.gps.gov/systems/gps/, 2017.
[16] Guerrero, J. SISTEMA DE VISIÓN PARA AGRICULTURA DE PRECI-

SIÓN: IDENTIFICACIÓN EN TIEMPO REAL DE LÍNEAS DE CULTIVO
Y MALAS HIERBAS EN CAMPOS DE MAÍZ. PhD thesis, Universidad Com-
plutense de Madrid, Facultad de Informática, 2015.
[17] Information, D. F. Integration Definition for Function Modeling. USA, 1993.
[18] Iserman, R. Integrated Mechanical Electronic Systems. USA, 2003.
[19] M. Elarab, A. Ticlavilca, e. a. Estimating chlorophyll with thermal and

broadband multispectral high resolution imagery from an unmanned aerial sys-

REFERENCIAS
[a\
tem using relevance vector machines for precision agriculture. International

Journal of Applied Earth Observation and Geoinformation 43 (2015), 32–42.
[20] McKinnon, T., and Hoff, P. Comparing rgb-based vegetation indices with
ndvi for drone based agricultural sensing. Agribotix (2017).
[21] Restrepo, L. Una Introducción a la Visión de Máquina. http://luisguiller-

mo.com/visiona.htm, 2007.
[22] RHEA. Robot Fleets for Highly Effective Agriculture and Forestry Management.
RHEA, http://www.rhea-project.eu/, 2014.
[23] TEK. Imágenes satelitales. https://www.geoagro.com/blog/imágenes-

satelitales, 2019.
[24] Terrón, P. U. Tratado de Fitotecnia General. Ediciones Mundi-Prensa, Ma-

drid, España, 2001.
[25] Vistadrone. Dron ala fija. Vistadrone, https://www.vistadrone.es/dro-

nes/drone-ala-fija/, 2015.
[26] y U. Kannengiesser, J. G. A function-behaviour-structurw ontology of pro-

cesses. Cambridge University Press, USA, 2007.

Apéndices
35
Apéndice 1
Incluyen información que ayuda a interpretar parte del contenido del libro, o as-
pectos más técnicos y menos esenciales del libro, como información complementaria.
Ab hier beginnt der Anhang.
37
Der Zweite Anhang (Apéndice 2)
39
Der dritte Anhang (Apéndice 3)
41
Anexos
43
Anexo 1. Hoja de datos
Una ficha técnica, hoja técnica u hoja de datos (datasheet en inglés), también
ficha de características u hoja de características, es un documento que resume el fun-
cionamiento y otras características de un componente (por ejemplo, un componente
electroóico) o subsistema (por ejemplo, una fuente de alimentación) con el suficiente
detalle para ser utilizado por un ingeniero de diseño y diseñar el componente en un
sistema.
Comienza típicamente con una página introductoria que describe el resto del
documento, seguido por los listados de componentes específicos, con la información
adicional sobre la conectividad de los dispositivos. En caso de que haya código fuente
relevante a incluir, se une cerca del extremo del documento o se separa generalmente
en otro archivo.
Las fichas técnicas no se limitan solo a componentes electrónicos, si no que tam-
bién se dan en otros campos de la ciencia, como por ejemplo compuestos químicos o
alimentos.
45
Anexo 2. Hoja de datos
electroóico) o subsistema (por ejemplo, una fuente de alimentación) con el suficiente
sistema.
en otro archivo.
alimentos.
\bigskip
47
Anexo 3 (Anexo título 3)
electrónico) o subsistema (por ejemplo, una fuente de alimentación) con el suficiente
sistema.
en otro archivo.
alimentos.
\bigskip
49

FotosdelMaiz R1 Rev PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

FotosdelMaiz R1 Rev PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Instituto Politécnico Nacional

UNIDAD PROFESIONAL INTERDISCIPLINARIA EN

“SISTEMA DE CAPTACIÓN Y PROCESAMIENTO DE

Que para obtener el título de

Juan Carlos García Castán

Dr. Leonel German Corona Ramírez

UNIDAD PROFESIONAL INTERDISCIPLINARIA EN

“SISTEMA DE CAPTACIÓN Y PROCESAMIENTO DE

Que para obtener el título de

Juan Carlos García Castán Francisco Javier Marquez Rosas

Luis Francisco Vergara Coronel

Dr. Leonel German Corona

Presidente del Jurado

M. en C. Arodi Rafael Carballo

2. Diseño del sistema 23

iv IPN Ing. Mecatrónica

2.1.1. Necesidades - Requerimientos . . . . . . . . . . . . . . . . . . 23

3. Implementación del sistema 25

4. Discusión / Análisis de resultados 27

Ing. Mecatrónica UPIITA v

4.0.3. Análisis de valor . . . . . . . . . . . . . . . . . . . . . . . . . 27

Der Zweite Anhang (Apéndice 2) 39

Der dritte Anhang (Apéndice 3) 41

Anexo 1. Hoja de datos 45

Anexo 2. Hoja de datos 47

Anexo 3 (Anexo título 3) 49

vi IPN Ing. Mecatrónica

1.1. Agricultura de precisión, Precision Farming . . . . . . . . . . . . . . 9

1.1. Composición de una planta de maíz. . . . . . . . . . . . . . . . . . . 6

α The first letter of the greek alphabet

β The second letter of the greek alphabet

σ The total mass of angels per unit area

A The area of the needle point

a The number of angels per unit area

m The mass of one angel

N The number of angels per needle point

Definición del problema

En México la gran mayoría de la producción agrícola que se desarrolla de forma

Los insumos como fertilizantes, pesticidas o plaguicidas usados para el combate de

Diseñar e implementar un sistema de captación y análisis de imágenes aéreas que

1. Diseñar y desarrollar un programa que genere las coordenadas (puntos de re-

2. Diseñar y desarrollar un programa para la captura de imágenes en coordenadas

3. Implementar el plan de vuelo generado en el vehículo aéreo para el sobrevuelo

4. Desarollar e implementar un sistema de visión artificial para la segmentación y

5. Desarrollar le interfaz gráfica donde se mostrará la información de relevancia

2 IPN Ing. Mecatrónica

Ing. Mecatrónica UPIITA 3

1.1. Marco teórico

1.1.1. Fertilización con nitrógeno

La fertilización tiene como objetivo mantener en el suelo los fertilizantes o nu-

Elemento % del elemento en la planta

Cuadro 1.1: Composición de una planta de maíz.

En este grupo destaca el nitrógeno, ya que es el elemento que se requiere en una

1.1.1.1. Carencia de nitrógeno en las plantas

El nitrógeno es esencial para el desarrollo vegetal de las plantas y la carencia de

6 IPN Ing. Mecatrónica

Un déficit de nitrógeno se traduce en la reducción de clorofila y en general en

El crecimiento de las plantas también se ve afectado produciendo tallos más

Las fases de floración y maduración se adelantan como consecuencia de un nivel

1.1.2. Malas hierbas en la agricultura

El concepto de maleza o mala hierba no es sencillo de definir pues es relativo al

Dado que la presencia de malas hierbas es un riesgo para el buen rendimiento

Ing. Mecatrónica UPIITA 7