Implementación del sistema de control de vuelo autónomo de un dron y modelamiento de patrones de imágenes multiespectrales para detección de plagas en el cultivo de mango en Piura

• Autores: Jiménez Fernández, Junior Isaac, Medina Palacios, Luis Eduardo
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional de Piura
• Repositorio: UNP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unp.edu.pe:20.500.12676/3607
• Enlace del recurso: https://repositorio.unp.edu.pe/handle/20.500.12676/3607
• Nivel de acceso: acceso abierto
• Materia: control autónomo de drones; imágenes multiespectrales; recarga inalámbrica; índice de vegetación; detección de plagas y enfermedades; http://purl.org/pe-repo/ocde/ford#2.02.02

La presente investigación tiene como objetivo la implementación de un sistema de control de vuelo autónomo de un dron y el modelamiento de patrones de imágenes multiespectrales para la detección de plagas en el cultivo de mango en la región Piura, necesidad que surge debido a la ausencia de implementaciones tecnológicas para la detección de plagas y enfermedades de los cultivos de mango. La metodología de la investigación se desarrolló con un enfoque cuantitativo y con un diseño del tipo no experimental. Se plantearon objetivos específicos que ayudaron al desarrollo ordenado del proyecto, determinando parámetros funcionales y no funcionales en la selección del dron DJI Mavic Air 2 y la cámara multiespectral Parrot Sequoia, empleados en el sobrevuelo de 30ha de cultivos de mango. Se diseñó e implementó un sistema de recarga inalámbrica de 35W de potencia (10V a 3.5A) para recargar la batería del dron en un tiempo estimado de 30 min. Se programó el sistema de control autónomo del vuelo utilizando el programa Dronelink a una altura de 100 m a una velocidad máxima de 25 km/h empleando el modo de vuelo Mapa, con un tiempo de 1:08:39 horas, recorriendo un total de 12 km. Finalmente se aplicó el índice NDVI en el modelamiento de patrones de imágenes multiespectrales y haciendo uso de la calculadora de índices del programa Pix4D se determinó que el 40% del terreno se encuentra en estado saludable mientras que otro 40% se encuentra enferma o agónica y el 20% restante representa tierra sin cultivar.