Comunicacions a congressos (Grup de Recerca en AgròTICa i Agricultura de Precisió)

Permanent URI for this collection

https://repositori.udl.cat/handle/10459.1/84011

Browse

Recent Submissions

Now showing 1 - 5 of 14
  • Thumbnail Image
    Item
    Open Access
    Low-cost terrestrial photogrammetry for orchard sidewards 3D reconstruction
    (2023) Martínez Casasnovas, José Antonio; Rosell Tarragó, Miquel; Rosell Polo, Joan Ramon; Sanz Cortiella, Ricardo; Gregorio López, Eduard; Gené Mola, Jordi; Arnó Satorra, Jaume; Plata Moreno, José Manuel; Escolà i Agustí, Alexandre
  • Thumbnail Image
    Item
    Open Access
    Amodal segmentation for on-tree apple fruit size es timation with RGB-D images
    (2023) Gené Mola, Jordi; Gregorio López, Eduard; Ferrer Ferrer , Mar; Blok, Pieter M.; Hemming, Jochen; Morros Rubió, Josep Ramon; Rosell Polo, Joan Ramon; Vilaplana Besler, Verónica; Ruiz Hidalgo, Javier
    The detection and sizing of fruits with computer vision methods is of interest because it provides relevant information to improve the management of orchard farming. However, the presence of partially occluded fruits limits the performance of existing methods, making reliable fruit sizing a challenging task. While previous fruit segmentation works limit segmentation to the visible region of fruits (known as modal segmentation), in this work we propose an amodal segmentation algorithm to predict the complete shape, which includes its visible and occluded regions. CONCLUSIONS The main advantages of the present methodology are its robustness for measuring partially occluded fruits and the capability to determine the visibility percentage. Future works should evaluate the performance of the method with commercial RGB-D sensors, which would facilitate data collection.
  • Thumbnail Image
    Item
    Open Access
    Uncertainty analysis of a LiDAR-based MTLS point cloud using a high-resolution ground-truth
    (2023) Lavaquiol Colell, Bernat; Llorens Calveras, Jordi; Sanz Cortiella, Ricardo; Arnó Satorra, Jaume; Escolà i Agustí, Alexandre
    The study of plant geometry is crucial to design specific management by providing the optimal quantities of nutrients, fertilizers, pesticides and irrigation rates. Before the advent of the first 3D characterization systems, it was very laborious to obtain accurate commercial scale 3D crop data. Nowadays, there are sensing systems which allow 3D canopy characterization to be performed in a relatively simple and fast way. LiDAR (light detection and ranging) sensors have been widely used in agriculture. When 3D scanning techniques are used, it is essential to be aware of the total measurement error. One of the limitations when using real data is the absence of ground-truth (GT) to compare the obtained measurements . In a previous research [1], validated a high-resolution 3D point cloud on an actual defoliated tree obtained from RGB images and stereo-photogrammetry techniques. This accurate 3D point cloud can be used as digital ground-truth (DGT) to validate 3D LiDAR point. The accuracy of the scanning system includes the errors committed by the sensor, the positioning system (GNSS), the data acquisition set up, the point cloud generation algorithms and the georeferentiation of the DGT.
  • Thumbnail Image
    Item
    Open Access
    A new Leafiness-LiDAR index to estimate light interception in intensive olive orchards
    (2023-07) Sandonís Pozo, Leire; Martínez Casasnovas, José Antonio; Escolà i Agustí, Alexandre; Rosell Polo, Joan Ramon; Rufat i Lamarca, Josep; Pascual Roca, Miquel
    Canopy light interception constitutes an important yield limiting factor in high density olive orchards. However, its characterisation still implies laborious measurements. A new index, the Leafiness-LiDAR index (LLI), is presented as a LAI estimator. LLI combines LiDAR-derived parameters: Cross-Section and Leafiness from 3D point clouds. To validate the results, photosynthetically active radiation (PAR) measurements, canopy volume, yield and quality parameters were collected and analysed. LLI showed significant correlations both with PAR and canopy volume (r = 0.8) and quality parameters (r = -0.6). LLI may be useful as an early decision canopy monitoring tool in the framework of Precision Fructiculture.
  • Thumbnail Image
    Item
    Open Access
    Metodología para el análisis de los errores y validación de nubes de puntos 3D obtenidas en campo para la caracterización de la arquitectura de árboles frutales
    (2021) Lavaquiol Colell, Bernat; Llorens Calveras, Jordi; Sanz Cortiella, Ricardo; Gené Mola, Jordi; Arnó Satorra, Jaume; Gregorio López, Eduard; Escolà i Agustí, Alexandre
    El estudio de la estructura de la planta (índice de área foliar, porosidad del dosel, densidad foliar, arquitectura leñosa y sistema de entrenamiento) y de su geometría (tamaño, forma y volumen) es básico para realizar un manejo óptimo del cultivo. Antes de la introducción de los sensores 3D, la caracterización precisa de cultivos en 3D era una tarea muy laboriosa que resultaba inviable en grandes cultivos comerciales. Sin embargo, la introducción de nuevos sensores 3D ha supuesto una oportunidad para realizar esta tarea de una forma relativamente sencilla y rápida. Antes de utilizar un sistema de escaneo 3D para caracterizar el dosel, es fundamental conocer su error de medición o precisión. En esta investigación proponemos una metodología para evaluar la precisión de los sensores LiDAR comparando las nubes de puntos 3D basadas en LiDAR con un modelo digital de Ground-Truth (DGT) generado mediante la aplicación de técnicas de fotogrametría. La nube de puntos 3D de la DGT se obtuvo a partir de 288 fotografías de la escena que incluye el árbol Ground-Truth (Malus domestica Bork). La nube de puntos resultante tiene un sesgo de - 0,15 mm de diámetro y 0,05 mm de longitud, por lo que se puede considerar que la DGT representa fielmente la realidad. Este DGT es utilizado posteriormente para validar la nube de puntos generada por un sistema mobile terrestrial laser scanner (MTLS) compuesto por un sensor VLP-16 Velodyne LiDAR sincronizado con un sistema de posicionamiento GNSS-RTK. El MTLS se condujo a velocidades de 0,14 m/s y 0,55 m/s. Se obtuvo un error promedio de 4,3 cm y 4,4 cm, respectivamente. El número de puntos obtenidos a 0,14 m/s fue de 50 051 puntos y a 0,55 m/s de 12 503 puntos. A pesar de tener un error de medición bajo cuando se escanea a ambas velocidades, se obtiene una densidad de puntos óptima cuando se escanea a 0,14 m/s y pobre cuando se escanea a 0,55 m/s. De estos resultados se concluye que el error obtenido con el sensor Velodyne VLP-16 se considera aceptable en aplicaciones agronómicas.