Coffee Trees Segmentation in UAV-Acquired Images Using Deep Learning

Siguiendo la línea del segundo Objetivo de Desarrollo Sostenible, centrado en la exploración de nuevas tecnologías agrícolas para fortalecer la seguridad alimentaria, se propone un algoritmo para la segmentación de cafetos que permite estudiar los árboles a nivel individual. Este algoritmo utiliza imágenes RGB obtenidas a través de un UAV y se apoya en la herramienta Segmenting Anything Model (SAM) desarrollada por META AI, diseñada para la aplicación de modelos de aprendizaje profundo en la segmentación de imágenes. Se realizaron extracciones de características cruciales de las segmentaciones, incluyendo información de varios espacios de color, texturas como Local Binary Pattern y Co-occurrence Matrix, así como momentos invariantes de Hu. Posteriormente, se realizó una clasificación supervisada de objetos para generar un conjunto de datos binarios. Este conjunto de datos se utilizó para entrenar varios modelos de aprendizaje automático, como Random Forest, Support Vector Machine y Decision Tree. Los resultados destacaron el modelo Random Forest como el más efectivo, con un valor kappa de 0,86 y una precisión del 93%.