Diseño de dron para análisis de salud vegetal

• Autor: Méndez Cam, Joseph Ramses
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.pucp.edu.pe:20.500.14657/195952
• Enlace del recurso: http://hdl.handle.net/20.500.12404/26204
• Nivel de acceso: acceso abierto
• Materia: Vehículos aéreos no tripulados--Diseño y construcción; Agricultura--Perú; https://purl.org/pe-repo/ocde/ford#2.00.00

El presente trabajo presenta como marco problemático la pérdida de los cultivos por situaciones adversas como como las plagas, malas hierbas, enfermedades, falta de nutrientes y condiciones térmicas. Estos problemas, se podrían evitar en su mayoría si se realizara análisis de salud constantemente a los sembríos. El problema recae en la falta de análisis de la salud de los cultivos por la demandante naturaleza de la tarea. No sería posible realizar una revisión manual constante a todas las plantas. Además, las herramientas actuales que existen no son óptimas y no son capaces de integrar el análisis de diferentes sensores. El objetivo general del presente trabajo es diseñar una solución a partir de un vehículo aéreo que sea capaz de tomar imágenes multiespectrales y térmicas para el análisis de la salud vegetal. La metodología que se utilizará para cumplir con el correcto diseño del proyecto será la metodología VDI. Para las secciones relacionadas a la arquitectura de software, el proyecto usó la metodología Attribute Driven Design (ADD) 3.0. Adicionalmente, se usó la metodología Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) para realizar una revisión sistemática de la literatura. Finalmente, los resultados son el diseño de un dron capaz de intercambiar entre cámara multiespectral y térmica sin necesidad de desarmar todo el sistema. Se presenta una solución escalable a través de la nube de AWS para realizar el procesamiento de datos. Por otro lado, a partir de la revisión bibliográfica y del diseño de la arquitectura de software, se elaboraron los artículos académicos “Precision agriculture drone technology: A systematic review of the literature” y “Cloud-based processing on drone imaging for precision agriculture” respectivamente. Como conclusión, en las pruebas realizadas para el procesamiento en el sistema ciber de la nube, se obtuvo un tiempo promedio de respuesta de 430 ms.