Desarrollo de cámara térmica para RPAS utilizada en monitoreo del estado hídrico de cultivos
tatus
DOI:
https://doi.org/10.29312/remexca.v17i4.4097Palabras clave:
cámara térmica, estrés hídrico+, RPAS, sensores infrarrojos, temperatura del doselResumen
El monitoreo y la evaluación del estado hídrico de cultivos son fundamentales para optimizar el uso del agua y promover una producción agrícola sostenible. La medición de la temperatura del dosel mediante imágenes térmicas se ha consolidado como una técnica confiable para estimar el estado hídrico de las plantas; sin embargo, su adopción se ve limitada por el alto costo de las cámaras térmicas y los sistemas aéreos no tripulados. Debido a lo anterior, se desarrolló una cámara térmica de bajo costo basada en el sensor infrarrojo MLX90640 de 32 x 24 pixeles y el microcontrolador Teensy 3.6, con capacidad de almacenamiento en una tarjeta microSD. El dispositivo fue integrado en un sistema aéreo no tripulado y evaluado en un cultivo de maíz, comparando sus mediciones con un porómetro LI-COR LI-1600 (precisión ±0.5 °C). Las imágenes térmicas fueron mejoradas mediante interpolación bicúbica y fusionadas con imágenes RGB para obtener imágenes con resolución de 640 × 480 píxeles que se procesaron y segmentaron apoyándose en imágenes binarias para aislar los píxeles correspondientes a la temperatura del dosel del cultivo. Posteriormente, se compararon los valores de temperatura de las imágenes térmicas y el porómetro LI-COR LI-1600 en cada sitio de muestreo, con la raíz del error cuadrático medio de 0.74 °C. Los resultados demuestran que la cámara térmica desarrollada ofrece una precisión adecuada, bajo costo (135 USD) y alta representatividad espacial, posicionándose como una herramienta prometedora para la monitorización térmica del dosel en aplicaciones de agricultura de precisión y gestión eficiente del recurso hídrico.
Descargas
Referencias
Abioye, E. A.; Hensel, O.; Esau, T. J.; Elijah, O.; Abidin, M. S. Z.; Ayobami, A. S.; Yerima, O. and Nasirahmadi, A. 2022. Precision Irrigation management using machine learning and digital farming solutions. AgriEngineering. 4(1)70-103. https://doi.org/10.3390/agriengineering4010006. DOI: https://doi.org/10.3390/agriengineering4010006
Bijanzadeh, E.; Moosavi, S. M. and Bahadori, F. 2022. Quantifying water stress of safflower (Carthamus tinctorius L.) cultivars by crop water stress index under different irrigation regimes. Heliyon. 8(3):1-20. https://doi.org/10.1016/j.heliyon.2022.e09010. DOI: https://doi.org/10.1016/j.heliyon.2022.e09010
Bo, L.; Guan, H.; and Mao, X. 2023. Diagnosing crop water status based on canopy temperature as a function of film mulching and deficit irrigation. Field Crops Research, 304(1):1-10. https://doi.org/10.1016/j.fcr.2023.109154. DOI: https://doi.org/10.1016/j.fcr.2023.109154
Bwambale, E.; Abagale, F. K. and Anornu, G. K. 2022. Smart irrigation monitoring and control strategies for improving water use efficiency in precision agriculture: a review. Agricultural Water Management. 260(1):1-12. Elsevier B. V. https://doi.org/10.1016/j.agwat.2021.107324. DOI: https://doi.org/10.1016/j.agwat.2021.107324
Dong, M.; Shen, H.; Jia, P.; Sun, Y.; Liang, C.; Zhang, F. and Hou, J. 2023. Calibration method for airborne infrared optical systems in a non-thermal equilibrium state. Sensors. 23(14):1-18. https://doi.org/10.3390/s23146326. DOI: https://doi.org/10.3390/s23146326
Elsayed, S.; Elhoweity, M.; Ibrahim, H. H.; Dewir, Y. H.; Migdadi, H. M. and Schmidhalter, U. 2017. Thermal imaging and passive reflectance sensing to estimate the water status and grain yield of wheat under different irrigation regimes. Agricultural Water Management. 189(1):98-110. https://doi.org/10.1016/j.agwat.2017.05.001. DOI: https://doi.org/10.1016/j.agwat.2017.05.001
García-Tejero, I. F.; Gutiérrez-Gordillo, S.; Ortega-Arévalo, C.; Iglesias-Contreras, M.; Moreno, J. M.; Souza-Ferreira, L. and Durán-Zuazo, V. H. 2018. Thermal imaging to monitor the crop-water status in almonds by using the non-water stress baselines. Scientia Horticulturae. 238(1):91-97. https://doi.org/10.1016/j.scienta.2018.04.045. DOI: https://doi.org/10.1016/j.scienta.2018.04.045
Gheysari, M.; Pirnajmedin, F.; Movahedrad, H.; Majidi, M. M. and Zareian, M. J. 2021. Crop yield and irrigation water productivity of silage maize under two water stress strategies in semi-arid environment: two different pot and field experiments. Agricultural Water Management, 255(1):1-9. https://doi.org/10.1016/j.agwat.2021.106999. DOI: https://doi.org/10.1016/j.agwat.2021.106999
Gomes, K. R.; López, D.; Ortega, J. F.; Ballesteros, R.; Poblete, T. y Moreno, M. A. 2017. Calibración de cámaras térmicas no refrigeradas embarcadas en uavs para aplicaciones agronómicas. INOVAGRI International Meeting. 26(4):1-11. https://doi.org/10.7127/iv-inovagri-meeting-2017-res0240343. DOI: https://doi.org/10.7127/iv-inovagri-meeting-2017-res0240343
Jiménez, A. F.; Cárdenas, P. F. and Jiménez, F. 2022. Intelligent IoT-multiagent precision irrigation approach for improving water use efficiency in irrigation systems at farm and district scales. Computers and Electronics in Agriculture. 192(20):1-19. https://doi.org/10.1016/j.compag.2021.106635. DOI: https://doi.org/10.1016/j.compag.2021.106635
Kamath, R.; Balachandra, M.; Vardhan, A. and Maheshwari, U. 2022. Classification of weeds of paddy fields using deep learning. ECTI Transactions on Computer and Information Technology. 16(4):365-377. https://doi.org/10.37936/ecti-cit.2022164.246857. DOI: https://doi.org/10.37936/ecti-cit.2022164.246857
LI-COR inc. 1989. LI-1600 steady state porometer service manual (issue 82100030). https://licor.app.boxenterprise.net/s/auoxn0ewmmka5r5inwcf.
López-López, R.; Arteaga-Ramírez, R.; Vázquez-Peña, M. A.; López-Cruz, I. y Sánchez-Cohen, I. 2009. Índice de estrés hídrico como un indicador del momento de riego en cultivos agrícolas. Agricultura Técnica en México. 35(1):97-111.
Melexis. 2019. MLX90640 32x24 IR array, Datasheet. https://github.com/melexis/mlx90640-.
Melo, L. L. de; Melo, V. G. M. L.; Marques, P. A. A.; Frizzone, J. A.; Coelho, R. D.; Romero, R. A. F. and Barros, T. H. da S. 2022. Deep learning for identification of water deficits in sugarcane based on thermal images. Agricultural Water Management. 272(1):1-13. https://doi.org/10.1016/j.agwat.2022.107820. DOI: https://doi.org/10.1016/j.agwat.2022.107820
Noguera, M.; Millán, B.; Pérez-Paredes, J. J.; Ponce, J. M.; Aquino, A. and Andújar, J. M. 2020. A new low-cost device based on thermal infrared sensors for olive tree canopy temperature measurement and water status monitoring. Remote Sensing. 12(1):1-20. https://doi.org/10.3390/rs12040723. DOI: https://doi.org/10.3390/rs12040723
Ouma, G.; Wanyama, J.; Kabenge, I.; Jjagwe, J.; Diana, M. and Muyonga, J. 2024. Assessing the effect of deficit drip irrigation regimes on crop performance of eggplant. Scientia Horticulturae, 325(1):1-14. https://doi.org/10.1016/j.scienta.2023.112648. DOI: https://doi.org/10.1016/j.scienta.2023.112648
Oz, N.; Sochen, N.; Mendlovic, D. and Klapp, I. 2025. End-to-end pipeline for simultaneous temperature estimation and super resolution of low-cost uncooled infrared camera frames for precision agriculture applications. Electrical Engineering and Systems Science. 250(1):1-24. http://arxiv.org/abs/2502.13985.
Paciolla, F.; Popeo, G.; Farella, A. and Pascuzzi, S. 2025. Agronomic information extraction from UAV-based thermal photogrammetry using MATLAB. Remote Sensing. 17(1)1-17. https://doi.org/10.3390/rs17152746. DOI: https://doi.org/10.3390/rs17152746
Sagan, V.; Maimaitijiang, M.; Sidike, P.; Eblimit, K.; Peterson, K. T.; Hartling, S.; Esposito, F.; Khanal, K.; Newcomb, M.; Pauli, D.; Ward, R.; Fritschi, F.; Shakoor, N. and Mockler, T. 2019. UAV-based high resolution thermal imaging for vegetation monitoring and plant phenotyping using ICI 8640 P, FLIR Vue Pro R 640 and thermomap cameras. Remote Sensing. 11(1)1-29. https://doi.org/10.3390/rs11030330b. DOI: https://doi.org/10.3390/rs11030330
Wu, Y.; Jiang, J.; Zhang, X.; Zhang, J.; Cao, Q.; Tian, Y.; Zhu, Y.; Cao, W. and Liu, X. 2023. Combining machine learning algorithms and multi-temporal temperature indices to estimate the water status of rice. Agricultural Water Management. 289(1)1-18. https://doi.org/10.1016/j.agwat.2023.108521. DOI: https://doi.org/10.1016/j.agwat.2023.108521
Yun, H.; Lo, S.; Diepenbrock, C. H.; Bailey, B. N.; and Earles, J. M. 2024. VisTA-SR: improving the accuracy and resolution of low-cost thermal imaging cameras for agriculture. Computer Vision. 240(1):1-10. http://arxiv.org/abs/2405.19413.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Revista Mexicana de Ciencias Agrícolas
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los autores(as) que publiquen en Revista Mexicana de Ciencias Agrícolas aceptan las siguientes condiciones:
De acuerdo con la legislación de derechos de autor, Revista Mexicana de Ciencias Agrícolas reconoce y respeta el derecho moral de los autores(as), así como la titularidad del derecho patrimonial, el cual será cedido a la revista para su difusión en acceso abierto.
Los autores(as) deben de pagar una cuota por recepción de artículos antes de pasar por dictamen editorial. En caso de que la colaboración sea aceptada, el autor debe de parar la traducción de su texto al inglés.
Todos los textos publicados por Revista Mexicana de Ciencias Agrícolas -sin excepción- se distribuyen amparados bajo la licencia Creative Commons 4.0 atribución-no comercial (CC BY-NC 4.0 internacional), que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en Revista Mexicana de Ciencias Agrícolas (por ejemplo incluirlo en un repositorio institucional o darlo a conocer en otros medios en papel o electrónicos) siempre que indique clara y explícitamente que el trabajo se publicó por primera vez en Revista Mexicana de Ciencias Agrícolas.
Para todo lo anterior, los autores(as) deben remitir el formato de carta-cesión de la propiedad de los derechos de la primera publicación debidamente requisitado y firmado por los autores(as). Este formato debe ser remitido en archivo PDF al correo: revista_atm@yahoo.com.mx; revistaagricola@inifap.gob.mx.
Esta obra está bajo una licencia de Creative Commons Reconocimiento-No Comercial 4.0 Internacional.
