Detección y caracterización geométrica de frutos utilizando técnicas de fotogrametría

Abstract

La decreixent disponibilitat i l'elevat cost de la mà d'obra en les explotacions agrícoles obliga l'estudi i desenvolupament de sistemes de mecanització i automatització. La detecció i caracterització de fruits utilitzant tècniques de fotogrametria pretén ser una alternativa a la quantificació i mesurament manual de fruita. S'ha utilitzat l'algoritme RANSAC per a la detecció i caracterització de fruits. Per a facilitar el funcionament de l'algoritme s'ha de generar un núvol de punts representatiu. En conseqüència, s'hauran de prendre fotografies ben exposades, no mogudes i ben enfocades (combinant correctament les variables fotogràfiques segons l'escenari fotografiat) i ajustar els paràmetres del programa Agisoft Photoscan. En aquest treball s'han descrit els paràmetres fotogràfics que intervenen en la generació del núvol de punts i s'ha desenvolupat un full de càlcul que automatitza els valors dels paràmetres (nombre de fotogrames, píxels marc fruita, velocitat en la presa de fotos horitzontals i total fotografies per filera) segons les dades escollides de la sèrie fotogràfica i les especificacions de la càmera. Amb els resultats obtinguts, s'observa que l'augment de la distància de treball és un factor crític en la detecció i caracterització de fruita. Per a mitigar aquest problema es recomana utilitzar càmeres fotogràfiques amb una resolució d'imatge superior.

La decreciente disponibilidad y el elevado coste de mano de obra en las explotaciones agrícolas obliga el estudio y desarrollo de sistemas de mecanización y automatización. La detección y caracterización de frutos utilizando técnicas de fotogrametría pretende ser una alternativa a la cuantificación y medición manual de fruta. Se ha utilizado el algoritmo RANSAC para la detección y caracterización de frutos. Para facilitar el funcionamiento del algoritmo se tiene que generar una nube de puntos representativa. Para ello, se tendrán que tomar fotografías bien expuestas, no movidas y bien enfocadas (combinando correctamente las variables fotográficas según el escenario fotografiado) y ajustar los parámetros del programa Agisoft Photoscan. En este trabajo se han descrito los parámetros fotográficos que intervienen en la generación de la nube de puntos y se ha desarrollado una hoja de cálculo que automatiza los valores de los parámetros (número de fotogramas, píxeles marco fruta, velocidad en la toma de fotos horizontales y total fotografías por hilera) según los datos escogidos de la serie fotográfica y las especificaciones de la cámara. Con los resultados obtenidos, se observa que el aumento de la distancia de trabajo es un factor crítico en la detección y caracterización de fruta. Para mitigar este problema se recomienda utilizar cámaras fotográficas con una resolución de imagen mayor.

The decreasing availability and the high cost of labour in the farming activity forced the study and development of mechanization and automation systems. The detection and characterization of fruits through photogrammetric techniques pretend to be an alternative to manual fruit counting and measuring. It has been used the RANSAC algorithm for detection and characterization of fruits. For a better algorithm process, it is recommended to generate a representative point cloud. Therefore, it has to be taken an exposed, non-moved and focused photos (correctly combining the photographic variables according to the photographed scene) and to adjust Agisoft Photoscan software parameters. In this project, it has been described the photographic parameters that are involved in the point cloud generation and it has been developed a spreadsheet to obtain the values of the parameters (number of frames, pixels fruit frame, speed on taking horizontal photos and total line per photos) according to selected data of the photographic series and the camera specifications. With the obtained results, it has been realized that the increment of the working distance is a critical factor in fruit detection and characterization. To fix this problem, it is recommended to use a camera with a higher image resolution.