CLASIFICACIÓN DE IMÁGENES DE TELEDETECCIÓN MEDIANTE APRENDIZAJE PROFUNDO PARA ESTUDIOS DE POBLACIÓN DE CAÑA DE AZÚCAR

Resumen

La plataforma satelital Sentinel-2, lanzada por la Agencia Espacial Europea, ha tenido una amplia aplicación en la agricultura de precisión. Su ventaja, además de todas las posibilidades tecnológicas, en el caso de Cuba, es su acceso libre, que abarata de forma sustancial los costos de soluciones tecnológicas desarrolladas sobre esta base. Por otro lado, en las actuales circunstancias, se hace necesario mejorar la exactitud en los métodos de estimación automatizada de la población del cultivo de la caña de azúcar, como elemento esencial para la apreciación de las producciones a obtener. Tomando en cuenta las condiciones de este cultivo en Cuba y a su vez la necesidad de una herramienta para la ayuda a la toma de decisiones en las empresas del grupo AZCUBA, proponemos el mejoramiento de la metodología computacional para la estimación de población del cultivo. Se presenta un modelo basado en aprendizaje profundo sobre la base de los conceptos de génesis semántica para la clasificación de imágenes Sentinel-2. El modelo propuesto toma como característica para la clasificación al índice de vegetación de diferencia normalizada (NVDI). Se mejora la metodología previa existente. Dicho modelo, integrado a la metodología fue aplicado en áreas cañeras del país. Los resultados fueron comparados, con los obtenidos por especialistas del cultivo y con los obtenidos por la metodología sin el modelo propuesto, demostrando una exactitud superior y la factibilidad de su aplicación.