Introducción
La viticultura de precisión está avanzando a pasos agigantados gracias a las nuevas tecnologías basadas en el análisis avanzado de datos de drones. En este contexto, el subproyecto VineScaleque forma parte del proyecto Camaleónpretende revolucionar la vigilancia de los viñedos mediante el análisis de imágenes de drones. El objetivo del proyecto VineScale es probar y validar la herramienta de análisis automático de datos de drones de Chameleon, verificando su eficacia y fiabilidad en diversos escenarios de aplicación, en 12 viñedos repartidos por toda Italia (Fig. 1).

Fig.1: Resumen de vuelo del proyecto VineScale.

Para garantizar la validez de la información obtenida del sistema automatizado de Chameleon, se compararon los resultados de VineScale con los datos recogidos directamente en el campo.

Detección automática de plantas de vid
Entre las herramientas que ofrece la plataforma Camaleón se encuentra la herramienta de detección automática de plantas de vid. La herramienta, mediante el análisis de una nube de puntos 3D derivada del procesamiento de imágenes tomadas por dron durante el periodo sin hojas, permite generar una máscara vectorial que identifica todas las plantas del campo.

Esta herramienta demostró ser eficaz, pero se puso de manifiesto la necesidad de especificar directrices para la adquisición, como la altura de vuelo, el solapamiento y la cuadrícula (por ejemplo, vuelo de doble cuadrícula), para obtener un conjunto de datos adecuado y procesar los datos correctamente.

Fig.2: Nube de puntos de plantas individuales extraídas (izquierda) y máscara de plantas (derecha)

Seguimiento del crecimiento de los cultivos con información RGB
Una vez generadas las máscaras (automática o manualmente), es posible probar otro algoritmo, que permite controlar el volumen foliar de cada planta individual. Al comparar las estimaciones del volumen del dosel de la vid obtenidas mediante la herramienta Camaleón con algunas mediciones manuales del grosor y la altura de la planta, surgió un patrón coherente (Fig. 3, 4). Las diferencias se deben a simplificaciones en el cálculo del volumen, pero en general el método mostró una buena fiabilidad para el seguimiento del crecimiento. Interpolando los valores de cada planta individual, se pudieron generar mapas temáticos para representar la situación sobre el terreno.

Fig.3: Resultados del algoritmo de cálculo del volumen de cada planta individual.

Fig.4: Correlación entre los datos estimados por el instrumento Camaleón y los datos medidos sobre el terreno.

Detección del estrés hídrico en las vides
El análisis del estrés hídrico se realiza mediante imágenes térmicas y técnicas de segmentación de la vegetación, calculando el Índice de Estrés Hídrico del Cultivo (IS C) de cada vid a partir de la temperatura. Esto ha permitido obtener muy rápidamente datos fundamentales sobre el estado hídrico de las plantas para mejorar la gestión del riego. Para estimar con precisión los valores del CWSI derivados de los datos de temperatura, se utilizaron datos de temperatura y humedad del aire como referencia para garantizar el correcto funcionamiento del sistema.

Fig.5: Resultados de temperatura de cada planta.

Análisis de vides a partir de información multiespectral
Al utilizar ortomosaicos multiespectrales, el sistema permitió identificar con precisión el vigor de las vides, facilitando la segmentación y el seguimiento del cultivo a un ritmo más rápido que los métodos tradicionales. Además, se compararon los mapas de zonificación del suelo obtenidos a partir de datos de drones con el muestreo físico. Mediante un coeficiente de correlación (Pearson), se evaluó la similitud entre los mapas generados por el instrumento y los datos recogidos en el campo, lo que confirmó la fiabilidad del método de zonificación.

Fig.6: NDVI de cada planta individual.

Conclusiones y perspectivas de futuro
El proyecto VineScale ha demostrado el potencial del uso de drones para la viticultura de precisión, ofreciendo una herramienta innovadora para la supervisión de la vid, el análisis del crecimiento y la gestión del agua. Aunque han surgido algunos retos, los resultados muestran un futuro prometedor para la integración de estas tecnologías en la gestión moderna de los viñedos.

Un elemento clave del proyecto es que el sistema Camaleón fue capaz de analizar unas 44,6 hectáreas y 129.636 plantas en 33.752 segundos (unas 9 horas). Este sistema calculó numerosos índices y mediciones biométricas, como el NDVI, la temperatura, el CWSI y el volumen de la copa, con una rapidez impensable en comparación con las mediciones manuales. De hecho, mientras que el estudio tradicional de estos parámetros requeriría días de trabajo y una mano de obra considerable, el uso de drones y algoritmos avanzados hizo posible un análisis rápido, completo y detallado.

Con nuevas mejoras en los algoritmos, la eficacia de estas herramientas puede ser aún mayor, lo que conducirá a una viticultura cada vez más inteligente y sostenible.