Detección de humedad y PH a partir de imágenes multiespectrales del suelo mediante visión computacional en la Estación Experimental El Porvenir

• Autor: Barreto Gamarra, Dante Ulises
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Universidad Ricardo Palma
• Repositorio: URP-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.urp.edu.pe:20.500.14138/9237
• Enlace del recurso: https://hdl.handle.net/20.500.14138/9237
• Nivel de acceso: acceso abierto
• Materia: Teledetección por microondas; Visión por computadora; Imágenes multiespectrales; Aprendizaje automático (Inteligencia artificial); Humedad de suelos; Acidez del suelo; https://purl.org/pe-repo/ocde/ford#1.02.00

Esta investigación explora la detección y predicción de propiedades fisicoquímicas del suelo, como la humedad y el pH, mediante imágenes multiespectrales y visión computacional. El estudio se realizó en la estación experimental El Porvenir, en San Martín, Perú, y buscó validar el uso de tecnologías de teledetección para optimizar la caracterización del suelo en la agricultura sostenible. Se emplearon imágenes capturadas con un dron equipado con cámaras multiespectrales que registraron las bandas espectrales Red, Green, Red Edge y NIR. Los datos fueron analizados con modelos avanzados de aprendizaje automático, como redes neuronales convolucionales (CNN) y LightGBM, optimizados con GridSearchCV y Optuna. La evaluación de los modelos incluyó métricas como el Error Absoluto Medio (MAE) y la Raíz del Error Cuadrático Medio (RMSE). Los resultados identificaron a la banda Green como clave para la predicción de la humedad y a las bandas red y green para el pH. LightGBM optimizado con Optuna mostró el mejor desempeño, con un MAE de 0.1930 para pH y 5.2043 para humedad, superando a las CNN, especialmente en contextos de datos limitados. Sin embargo, se evidenció que arquitecturas como CNN1 requieren datos más ricos para mejorar su eficacia. Este trabajo valida la viabilidad de la teledetección y el aprendizaje automático como herramientas precisas y económicas para la gestión del suelo, sentando las bases para investigaciones futuras en aplicaciones agrícolas y ambientales