Nota de prensa

CSIC comunicacin
T el. : + 3 4 91 56 8 1 4 7 7
g. pr ens a @c s ic . es
ww w.c s ic . es

Madrid, mircoles 20 de enero de 2016

El CSIC innova en la deteccin temprana

de malas hierbas mediante drones
Un sistema ideado por investigadores cordobeses logra una
precisin del 95% en campos de girasol y del 79% en maz
Los cientficos han podido identificar por primera vez las
malas hierbas que se encuentran en la lnea de cultivo

Un drone sobrevuela un cultivo de girasoles (CSIC)

Investigadores del Instituto de Agricultura Sostenible del CSIC, en Crdoba, han

mejorado su sistema para la deteccin temprana de malas hierbas mediante vehculos
areos no tripulados. El nuevo mtodo, basado en tcnicas de anlisis de imagen e
inteligencia artificial, aade a la deteccin la discriminacin de las malas hierbas
dentro de las lneas de cultivo. El trabajo, publicado en la revista Expert Systems with
Applications, podra ayudar a reducir el uso de herbicidas en toda la regin de cultivo.
Segn sus impulsores, el sistema puede dar una respuesta al agricultor en un tiempo
mnimo. Los resultados muestran una precisin del 95% en cultivos de girasol y del
79% en maz. Adems, las caractersticas ptimas que sirven para discriminar las

Pgina 1 de 2

Nota de prensa
CSIC comunicacin
Tel.: 91 568 14 77
g.prensa@csic.es
www.csic.es/prensa

malas hierbas coinciden en su mayora para ambos cultivos, indica la investigadora

del CSIC Mara Prez Ortiz.
Hasta ahora existan dificultades a la hora de crear mapas de malas hierbas a tiempo
para un tratamiento optimizado con herbicidas. Tambin era un problema la baja
resolucin de muchas de las plataformas areas que actualmente se emplean en
teledeteccin.

Agricultura de precisin
Uno de los retos actuales de la agricultura de precisin es la identificacin temprana
de malas hierbas, responsables de una gran reduccin de la produccin del cultivo.
Normalmente, aunque se distribuyan en rodales, los herbicidas se aplican en todo el
cultivo, lo que conlleva un perjuicio medioambiental y econmico, precisa Prez Ortiz.
El proceso para obtener estos mapas, que se enmarca dentro de las lneas de trabajo
del proyecto imaPing, consiste en adquirir primero las imgenes desde el aire
mediante una cmara de alta resolucin instalada en los drones; en segundo lugar, se
lleva a cabo la segmentacin de la imagen y el etiquetado. Y, finalmente, se aplica una
tcnica de clasificacin que se engloba dentro de la inteligencia artificial.
En investigaciones anteriores, el grupo liderado por la investigadora del CSIC Francisca
Lpez-Granados obtuvo mapas de malas hierbas con precisiones similares. Esta vez, los
cientficos han abordado el problema de una forma nueva para poder detectar
tambin las malas hierbas que estn en la lnea de cultivo, lo que en anteriores
investigaciones no haba sido posible.
Los investigadores han demostrado que el uso de este sistema se adapta a la
perfeccin al cambio en factores tales como la altura de vuelo, la iluminacin, el
cultivo y la cmara usada. Esta adaptabilidad facilitara la adopcin de la tcnica por
parte de cualquier agricultor.

Mara Prez-Ortiz, Jos Manuel Pea, Pedro Antonio Gutirrez, Jorge Torres-Snchez, Csar HervsMartnez, Francisca Lpez-Granados. Selecting patterns and features for between- and withincrop-row weed mapping using UAV-imagery. Expert Systems with Applications. DOI:
10.1016/j.eswa.2015.10.043

Pgina 2 de 2