Gyga Servicios de Drones para Agricultura , genera eficiencias en tu producción, ahorros , topografía, proyectos con inteligencia artificial utilizando drones en agricultura
2. Utilizamos drones de última
generación, así como sensores,
software y diversos elementos
electrónicos para producir un
servicio de alto valor para
diversas industrias.
Nuestros Ingenieros y pilotos
están capacitados y certificados
en múltiples disciplinas
3. Propuesta de valor
Reducir costos
Automatizando labores de
mano de obra
Reducir plazos
Captura de información
Evitar riesgo
humano
Actividades de campo
Mucha precisión
En labores con
intervención humana
5. Definir el objetivo
• Medir estado de salud de
las plantaciones
• Levantamiento topográfico
• Medir áreas y/o
prospección
• Linderos, catastro
Preparación logística
Preparación
del proyecto
Levantamiento
con Drones
Procesamiento Análisis
Vuelos y levantamiento
con cámara RGB
Vuelos y levantamiento
con cámara multi
espectral
Procesamiento de fotografías
Ortofotos
Mapas colorimétricos
Análisis de algoritmos
Análisis de resultados
comparativo con la
producción o cosechas
Análisis ex post de
posibles problemas de
• Riego
• Enfermedades
• Vigor de la planta
6. Algoritmos y filtros de análisis
• Estado de la salud de la planta,
• Cantidad de clorofila,
• Presencia de nitrógeno, potasio por hectarea.
• Determinar la cantidad de follaje en una planta,
• Conteo de arboles,
• Altura de la planta
• Cantidad de maleza
• Detectar agua negra (empozamiento)
7. Filtros y algoritmos
Enhanced Normalized Difference Vegetation Index
Green Normalized Difference Vegetation Index
Difference Vegetation Index
ENDVI es un indicador de vegetación verde viva, y
puede usarse para cultivos en todas las etapas de
crecimiento.
Indicador más sensible a la variación del contenido de
clorofila en el cultivo. Es útil para evaluar la variación
del dosel en la biomasa, y es un indicador de la
senescencia en caso de estrés o etapa de madurez
tardía. Este índice se puede usar para analizar cultivos
en etapas de crecimiento medio o tardío.
DVI es un índice de vegetación simple, y distingue entre
el suelo y la vegetación. Este índice se puede usar para
cultivos en todas las etapas de crecimiento
8. Filtros y algoritmos
Field Uniformity Tool
Optimized Soil Adjusted Vegetation Index
Renormalized Difference Vegetation Index
La herramienta de uniformidad de campo permite
cuantificar las estadísticas a nivel de parcela sobre el
recuento de la planta, la altura, el vigor, el área foliar
y la cubierta del dosel. Dibujando datos de sus otros
algoritmos. Calcula la desviación máxima, mínima,
media y estándar para cada parcela o celda de grilla
definida por el usuario.
OSAVI es una versión simplificada de SAVI para
minimizar la influencia del brillo del suelo. Este índice
se recomienda para analizar cultivos en etapas de
crecimiento temprano a medio, en áreas con
vegetación relativamente escasa donde el suelo es
visible a través del dosel.
RDVI utiliza las ventajas de DVI y NDVI, y es insensible a
los efectos de la geometría de visualización del suelo y
el sol. Este índice no se recomienda para
levantamientos con vegetación escasa. Este índice se
puede usar para analizar cultivos en todas las etapas de
crecimiento.
9. Filtros y algoritmos
Normalized Difference Vegetation Index
Canopy Cover
Soil Adjusted Vegetation Index
El NDVI es el índice de vegetación más común, y se
usa para detectar la capacidad viva, verde o
fotosintética de las copas de las plantas en datos de
sensores remotos multi espectrales. Es uno de los
índices más exitosos para identificar rápidamente
las áreas con vegetación y su condición. Este índice
se puede usar para analizar cultivos en todas las
etapas de crecimiento.
La herramienta de mapeo de Canopy Cover se basa en
un índice de vegetación robusto y proporciona una
delineación precisa del área con vegetación. Desde la
cubierta del dosel, es posible cuantificar el porcentaje
de cobertura foliar por área (parcelas, campos). La capa
producida se utiliza mejor en un SIG para generar
estadísticas de cobertura vegetal.
SAVI se desarrolló como una modificación del NDVI
para corregir la influencia del brillo del suelo. Este
índice se recomienda para analizar cultivos en etapas
tempranas o intermedias de crecimiento.
10. Filtros y algoritmos
Green Leaf Index
Green Soil Adjusted Vegetation Index
Visual NDVI
GLI fue diseñado para ajustarse al verdor y amarillez
del cultivo, y fue diseñado para sistemas de
monitoreo de baja altitud, como los UAV. Este índice
se puede usar para cultivos en todas las etapas de
crecimiento.
GSAVI fue diseñado para corregir la influencia del brillo
del suelo. Este índice se recomienda para analizar
cultivos en etapas de crecimiento temprano a medio,
cuando la vegetación es escasa y el suelo es visible a
través del dosel
Visual NDVI, también conocido como NGRDI, es un
indicador del verdor de superficie y es un índice para
detectar doseles vivos de plantas verdes. Este índice se
puede usar para analizar cultivos en todas las etapas de
crecimiento
11. Filtros y algoritmos
Visible Atmospherically Resistant Index
Scoutview Report
Waterpooling
VARI fue diseñado para introducir una corrección
atmosférica y es un buen índice para estimar la
fracción de vegetación del rango visible del espectro.
Este índice se puede usar para analizar cultivos en
todas las etapas de crecimiento.
Obtenga una instantánea de su encuesta. ScoutView le
permite crear y conservar un informe intuitivo de una
sola página de su encuesta aérea. La información
meteorológica específica del sitio se incluye para
proporcionarle un registro de las condiciones el día y la
semana anterior a su encuesta.
Identificar el agua estancada en los campos agrícolas
preemergentes usando solo imágenes de alta resolución
de su sensor modificado NIR. Este algoritmo fue
desarrollado para trabajar en campos agrícolas
preemergentes y cuantificar áreas que no se pueden
plantar debido al agua estancada. Los usos adicionales
podrían incluir determinar el daño por inundación
inmediatamente después de un evento de lluvia extrema
12. Filtros y algoritmos
Tree Crown Delineation
Triangular Greenness Index
Nitrogen In Crop Map
Delineación de la Corona del árbol identifica
automáticamente las coronas de los árboles individuales
en la encuesta. También genera una capa geoespacial de
coronas arbóreas con nivel de salud general, diámetro de
la corona, así como los valores medios de índice de
vegetación.
Este es un índice de verdor triangular simple para detectar
el contenido de clorofila foliar basado en imágenes de
color verdadero. El índice fue el resultado de un estudio
para crear un índice que es sensible a las diferencias en el
contenido de clorofila foliar en las escamas de las hojas y el
dosel, cuando se limita al color verdadero.
instantánea de la distribución de nitrógeno en su campo. Vea
las mejores / peores áreas para la absorción de nitrógeno.
Combine con otros mapas de nutrientes en el cultivo y / o
mapas de suelos para obtener una imagen completa de la
información. Valores en kilogramos de nitrógeno por hectárea.
Información adicional para apoyar decisiones agronómicas
para calcular aplicaciones de fertilizantes. Apoyo las
decisiones de manejo de fertilizantes.
13. Filtros y algoritmos
Row Based Plant Counting
Weed Pressure
Potassium In-Crop Map
Trabajando a partir de imágenes de alta resolución, la
herramienta de recuento de plantas basada en hileras
puede proporcionar conteos de plantas precisos de su
encuesta. Este algoritmo solo está destinado a utilizarse
en filas rectas, y asume una orientación de fila única y
constante identificada por la entrada del usuario. Las filas
con un ángulo de orientación diferente se deben
considerar como AOI por separado.
Identifica las plantas no cultivadas o no deseadas
conocidas como malezas dentro de la encuesta. Este
algoritmo genera un índice de presión de malezas que
tiene un rango de 0 a 20 por cada celda de cuadrícula de 2
m X 2 m junto con el porcentaje de malezas presentes y el
área en metros cuadrados..
Vista instantánea de la distribución de potasio en su campo.
Mejores / peores áreas para la absorción de potasio.
Combine con otros mapas de nutrientes en el cultivo y / o
mapas de suelos. Apoya las decisiones de planificación.
Valores en kilogramos de potasio por hectárea.
14. Medición de terrenos, topografía y otros
• Medición de parcelas, desde pequeñas hasta grandes extensiones
• Prospección de nuevos terrenos a sembrar
• Levantamiento topográfico para determinar pendientes, regadío, empozamiento y
defensas ante inundaciones
• Realizar conteo de árboles
• Filmación y fotografía para difusión, comunicación y márketing.
15. Análisis de producción
• Análisis de los algoritmos analizados
• Modelos de correlación entre los
algoritmos y la producción real
• Analizar toda la información de la
producción, por cada parcela
• Determinar causas raíz de problemática
del cultivo
Uso de herramientas básicas y
avanzadas, tales como algoritmos y
herramientas de Big Data