La agricultura de precisión busca optimizar el rendimiento de los cultivos y, al mismo tiempo, minimizar el desperdicio de recursos mediante intervenciones específicas. Uno de los principales desafíos del cultivo del arroz es el control de las malas hierbas: la aplicación convencional de herbicidas por pulverización general desperdicia productos en zonas libres de maleza y puede dañar el cultivo. Un tractor autónomo capaz de recorrer las hileras, detectar malas hierbas en tiempo real y pulverizar únicamente sobre las ubicaciones confirmadas reduciría considerablemente el uso de herbicidas y los costes laborales.
Descripción general del sistema
Este artículo presenta AgriNav, un tractor autónomo para arrozales diseñado e implementado en la Florida Gulf Coast University para abordar los tres desafíos en un único sistema integrado. La arquitectura está compuesta por tres módulos cooperativos que se comunican mediante el Robot Operating System (ROS). El flujo completo de datos abarca desde las entradas brutas de los sensores hasta la percepción y la localización.
Los tres módulos son:
- Un subsistema de detección de objetos basado en visión con dos implementaciones paralelas: una reimplementación fiel de WeedDet y una variante ligera entrenable en CPU, además de un módulo de discriminación de lógica invertida que protege la clase arroz.
- Un módulo de detección de hileras de cultivo basado en LiDAR que proporciona tanto una referencia de navegación como una máscara de región de interés para el flujo de la cámara.
- Un sistema de localización fusionada que combina un EKF de seis estados sobre GNSS, IMU y odometría de las ruedas con un EKF LiDAR-IMU independiente para operar bajo el dosel vegetal.
El principal punto de integración del sistema es el puente LiDAR-cámara. El mismo LiDAR 2D utilizado para la navegación publica también una máscara proyectada de los límites de las hileras para el flujo de la cámara, que la emplea para restringir la región de inferencia. Este canal único reduce el coste computacional de la detección entre un 30 y un 50 % según las estimaciones, elimina los falsos positivos fuera de la zona entre hileras y proporciona la proyección sobre el plano del suelo en coordenadas del mundo que necesita el actuador de pulverización. El puente aprovecha un sensor que ya está instalado en la plataforma para la navegación; el coste de integración es únicamente de software.
Contribuciones técnicas
Las contribuciones técnicas de este trabajo son:
Discriminación de lógica invertida con veto de arroz codificado
Un módulo de discriminación aborda el problema de los costes asimétricos protegiendo la clase arroz mediante una compuerta de confianza que ningún módulo posterior puede anular.
Detección de hileras de cultivo mediante LiDAR con seguimiento por EKF
Un flujo de trabajo basado en agrupamiento K-means y RANSAC extrae los límites izquierdo y derecho. Cada hilera se sigue mediante un EKF independiente de dos estados, que mantiene el seguimiento durante breves oclusiones del LiDAR en modo exclusivamente predictivo.
EKF CVTR de seis estados con cobertura de interrupciones GNSS en tres niveles
Un filtro de localización de velocidad constante y velocidad de giro constante fusiona GNSS, IMU y odometría de las ruedas, con un modelado explícito de los estados AVAILABLE, DEGRADED y OUTAGE. El ruido de proceso aumenta linealmente durante la navegación a estima. El método se validó mediante un periodo simulado de denegación de GNSS de 20 segundos, con una deriva posicional acotada de 2,46 m respecto a la verdad terreno del simulador.
Puente de fusión LiDAR-cámara con cuatro mecanismos
La principal contribución a nivel de sistema consta del enmascaramiento de la región de interés, la proyección de los cuadros delimitadores en coordenadas del mundo, el filtrado sobre el plano del suelo y la fusión bidireccional de confianza. Los cuatro mecanismos utilizan un sensor ya presente para la navegación y no requieren hardware adicional.
Integración ROS de extremo a extremo
Un contrato definido de interfaz de temas ROS especifica umbrales asimétricos por clase y mensajes con marca temporal para la fusión posterior sincronizada temporalmente.
Trabajos relacionados
El sistema AgriNav se apoya en publicaciones fundamentales que, en conjunto, definen el panorama técnico sobre el que se construye. Esta sección resume los enfoques adoptados, modificados o ampliados por el diseño de AgriNav.
Detección de hileras de cultivo basada en LiDAR
Liu y sus colaboradores abordaron la navegación autónoma por encima del dosel en campos agrícolas, donde el seguimiento convencional de hileras basado en visión deja de ser fiable bajo condiciones variables de iluminación, sombra y densidad de vegetación. Propusieron un flujo de trabajo que primero segmenta las nubes de puntos LiDAR en grupos correspondientes a las hileras izquierda y derecha mediante agrupamiento K-means; después ajusta una recta a cada grupo utilizando RANSAC para extraer la geometría de las hileras; y, por último, sigue cada hilera a lo largo del tiempo mediante un filtro de Kalman extendido.
El sistema se validó en un robot Amiga a escala real, dentro de campos simulados en Gazebo, con cultivos de maíz y soja en varias etapas de crecimiento, incluidos escenarios exigentes con malas hierbas y discontinuidades entre hileras.
Fusión multisensor para el seguimiento de hileras bajo el dosel
Higuti y sus colaboradores estudiaron la fiabilidad del seguimiento autónomo de hileras en robots agrícolas compactos que operan bajo el dosel vegetal. Demostraron que fusionar datos de la IMU con mediciones LiDAR mediante un filtro de Kalman extendido mejora sustancialmente la continuidad de la navegación ante ruido de sensores, oclusiones parciales y brechas cortas entre hileras.
La incorporación de la fusión sensorial basada en EKF aumentó la distancia media entre intervenciones manuales de 51,6 m sin EKF a 400 m con EKF en campos sin grandes brechas: una mejora aproximada de 7,7 veces.
LIO-EKF: odometría LiDAR-inercial de alta frecuencia
Wu y sus colaboradores analizaron si los métodos clásicos basados en EKF siguen siendo competitivos frente a los enfoques modernos basados en grafos de factores y optimización para la odometría LiDAR-inercial. Propusieron LIO-EKF, un sistema ligero basado en el registro punto a punto y un esquema EKF clásico, capaz de estimar la pose cerca de la frecuencia de la IMU, 100 Hz, manteniendo una precisión comparable a la de métodos más complejos.
El resultado confirma que las formulaciones clásicas de EKF siguen siendo una opción sólida para aplicaciones robóticas en tiempo real cuando se requieren simplicidad computacional y latencia predecible.
Aplicación en AgriNav
AgriNav no implementa LIO-EKF directamente, pero este resultado motiva la decisión arquitectónica general de utilizar EKF clásicos en toda la pila de localización, en lugar de un optimizador de ventana deslizante o un grafo de factores. La pila de localización aplica este principio a la fusión de GNSS, IMU y odometría, con el objetivo de lograr robustez en el entorno arrocero bajo el dosel, un ajuste más sencillo y un rendimiento en tiempo real predecible.
Componentes de detección fundamentales
Otros trabajos se utilizan directamente como bloques constructivos, sin modificaciones.
La pérdida Smooth L1 proporciona una regresión de cuadros delimitadores robusta frente a valores atípicos. La pérdida IoU generalizada ofrece un gradiente distinto de cero incluso cuando los cuadros predichos y reales no se solapan, complementando a Smooth L1 durante las primeras fases del entrenamiento.
El conjunto de datos DeepWeeds y los trabajos de evaluación comparativa establecieron el rango de rendimiento habitual para arquitecturas similares y sirvieron de referencia para los límites de rendimiento esperados a resoluciones de entrenamiento superiores.
WeedDet: RetinaNet mejorado para la detección de malas hierbas en arrozales en tiempo real
La lógica de detección desarrollada para AgriNav invierte deliberadamente el enfoque habitual de los sistemas de detección de malas hierbas. En lugar de enumerar especies de malas hierbas, el sistema identifica con alta confianza la única clase arroz y considera mala hierba todo lo que queda fuera de las regiones de arroz detectadas con alta confianza.
El razonamiento se basa en el riesgo asimétrico: un falso negativo sobre una planta de arroz provoca daños por herbicida en el cultivo, algo categóricamente peor que no detectar una mala hierba. Ninguno de los artículos fundamentales en este ámbito aborda esta asimetría en su formulación de la función de pérdida, sus métricas de evaluación o su política de actuación.
Arquitectura de WeedDet
El modelo de detección es una implementación personalizada en PyTorch de WeedDet, un detector de objetos mejorado de una sola etapa basado en RetinaNet y adaptado aquí a una tarea de detección de arroz de una sola clase. La arquitectura introduce tres modificaciones estructurales respecto a RetinaNet.
Red piramidal de características eficiente
El cuello de botella es una red piramidal de características de tres niveles. Las convoluciones laterales 1×1 reducen C3, C4 y C5 a 256 canales. El sobremuestreo de arriba abajo y la fusión aditiva producen P3, P4 y P5.
Los niveles P6 y P7 de RetinaNet estándar se omiten deliberadamente. Esta omisión ahorra aproximadamente 7,71 millones de parámetros sin una pérdida de precisión medible en objetos del tamaño de plantas, donde no es necesario gestionar escalas extremas en múltiples octavas.
Flujo de datos
Se obtuvo de Roboflow un conjunto de datos de detección de arroz con aproximadamente 4.041 imágenes y cuadros delimitadores ajustados a cada planta. Se generó un segundo conjunto de 1.347 imágenes aumentadas mediante volteos horizontales e inyección de ruido. Ambos conjuntos se exportaron en formato XML de Pascal VOC.
Configuración del entrenamiento y resultados
Primero se entrenó un modelo base torchvision retinanet_resnet50_fpn como comprobación de la integridad del flujo de datos. Los hiperparámetros fueron:
- Optimizador: SGD
- Tasa de aprendizaje: 0.001
- Momentum: 0.9
- Decaimiento de pesos: coeficiente de regularización; no se proporcionó su valor numérico
- Tamaño de lote: 2
- Planificador: StepLR con un factor multiplicativo de 0.1 después de la época 9
- Recorte de gradiente: norma máxima de 1.0
- Duración total del entrenamiento: 12 épocas
El modelo base convergió a una pérdida media de aproximadamente 0,63.
El modelo WeedDet personalizado se entrenó durante 94 épocas en varias sesiones de Google Colab debido a los límites de tiempo de ejecución. La configuración fue:
- Optimizador: SGD
- Tasa de aprendizaje inicial: 0.01
- Momentum: 0.9
- Decaimiento de pesos: coeficiente de regularización; no se proporcionó su valor numérico
- Tamaño de lote: 2
- Recorte de gradiente: norma máxima de 1.0
- Programación de la tasa de aprendizaje: esquema cosenoidal con reinicios en caliente
Los datos de entrenamiento se aumentaron con volteos horizontales, desplazamientos aleatorios, cambios aleatorios de brillo, desenfoque gaussiano y CLAHE. El entrenamiento se detuvo cuando la pérdida de validación se separó de la pérdida de entrenamiento, lo que indicaba el inicio del sobreajuste. La mejor pérdida observada fue aproximadamente 1,2346.
La evaluación cuantitativa mediante mAP no se completó dentro del alcance del trabajo, una limitación que los autores reconocen. La validación fue cualitativa.
En una imagen densa de un arrozal tomada a nivel del suelo, con tallos de arroz superpuestos, el modelo entrenado produjo aproximadamente 60 instancias de arroz detectadas, con puntuaciones de confianza de entre 0,32 y 0,88. En una imagen escasa tomada desde una perspectiva aérea, con plantas jóvenes de arroz bien separadas sobre grava clara, produjo aproximadamente 22 detecciones, con puntuaciones de confianza de entre 0,33 y 0,77. En una imagen posterior a una inundación, con un contraste elevado entre el agua y el barro, las detecciones presentaron puntuaciones de confianza de entre 0,40 y 0,95.
Módulo de discriminación: protección del arroz mediante inversión
El módulo de discriminación se sitúa entre el modelo de detección y el actuador de pulverización. Convierte la lista de detecciones en una decisión de actuación herbicida para cada boquilla. Toda región de la imagen que no esté cubierta por un cuadro delimitador de arroz con alta confianza se clasifica como zona candidata a mala hierba.
Antes de abrir cualquier válvula de pulverización, cada candidato a actuación debe atravesar una compuerta de confianza que impone conjuntamente dos condiciones:
- La puntuación de clasificación de la detección de arroz, consciente del IoU, debe superar 0,5.
- La clase predicha no debe ser arroz.
La segunda condición constituye el veto de arroz codificado. Se implementa mediante un retorno incondicional de spray = False siempre que se prediga la clase arroz, independientemente de su nivel de confianza. Ningún módulo posterior puede anular el veto.
También está disponible una transformación de preprocesamiento opcional Excess Green menos Excess Red (ExGR). La transformación resta la intensidad normalizada de exceso de rojo a la intensidad normalizada de exceso de verde para aumentar el contraste entre el material vegetal verde y los fondos de suelo o agua.
ExGR se considera una opción de preprocesamiento ajustable, no un componente fijo, porque sus ventajas dependen de la iluminación ambiental.
Posprocesamiento de la inferencia
Durante la inferencia se conservan los anclajes que superan un umbral de confianza específico para cada clase, y los duplicados se suprimen mediante supresión no máxima con un umbral de IoU de 0,45. El texto fuente menciona umbrales asimétricos recomendados, pero no proporciona sus valores numéricos.
Estos umbrales asimétricos reflejan la diferencia de costes de la tarea. No detectar una mala hierba es una situación recuperable; no detectar una planta de arroz significa que el herbicida podría aplicarse sobre el cultivo. El módulo de discriminación posterior proporciona un filtro de segunda etapa, por lo que el módulo de detección se ajusta deliberadamente para obtener una alta exhaustividad.
Rendimiento de la detección
El modelo ligero se entrenó durante 12 épocas a el texto fuente no proporciona la resolución de entrenamiento en una CPU. La convergencia de la pérdida fue uniforme con recocido cosenoidal. Los resultados de detección en la partición de prueba se mencionan en una tabla, pero los datos de esa tabla no aparecen en el texto proporcionado.
La métrica AP@IoU0.5 exige que los cuadros predichos se solapen con la verdad terreno al menos en un 50 %. A el texto fuente no proporciona la resolución de imagen, las pequeñas instancias de malas hierbas ocupan apenas unos píxeles, lo que dificulta una localización precisa y hace que el IoU caiga por debajo de 0,5 incluso cuando se identifica la región correcta. Se trata de un efecto de la resolución de entrenamiento, no de una limitación arquitectónica.
La capacidad de clasificación del modelo queda confirmada por la distribución de confianza. Las regiones de malas hierbas reciben puntuaciones de hasta 0,995, y la inspección cualitativa confirma la localización espacial correcta de los grupos de malas hierbas.
Para el sistema en su conjunto, este es el comportamiento previsto: el módulo de detección genera candidatos con alta exhaustividad y el módulo de discriminación posterior filtra los falsos positivos antes de cualquier actuación. Se espera que un entrenamiento completo en GPU a el texto fuente no proporciona la resolución de imagen eleve el AP de malas hierbas por encima del 30 % y el mAP por encima del 60 %, en consonancia con los resultados publicados para arquitecturas comparables.
Detección de hileras de cultivo basada en LiDAR
El módulo de detección de hileras basado en LiDAR está diseñado para facilitar la navegación entre hileras en entornos donde los enfoques basados exclusivamente en visión se vuelven inestables. Las variaciones de iluminación, las sombras y la vegetación irregular pueden degradar los métodos basados en cámaras. El LiDAR proporciona una estructura geométrica en gran medida independiente de estas condiciones y que puede procesarse mediante pasos interpretables de filtrado y ajuste de rectas.
La secuencia de procesamiento es: escaneo LiDAR, filtrado de rango y geometría, extracción de los límites de las hileras y estimación de la línea central.
Cada mensaje LaserScan entrante se convierte a coordenadas cartesianas en el marco del robot. Los puntos se separan en grupos izquierdo y derecho y se filtran según la separación esperada entre hileras. Dentro de cada lado se aplica agrupamiento K-means para agrupar los puntos pertenecientes a una misma hilera. Posteriormente, el ajuste de rectas mediante RANSAC extrae los parámetros de las hileras con 100 iteraciones y un umbral de inclusión de 0,05 m.
Las salidas intermedias de este flujo —grupos de puntos filtrados, rectas límite ajustadas y línea central— son fáciles de interpretar y visualizar. Esto supone una ventaja práctica frente a los enfoques de caja negra de extremo a extremo, ya que la depuración y la validación pueden realizarse en cada etapa.
Salidas
La salida principal del módulo LiDAR es la línea central de la hilera, calculada como la bisectriz de los límites izquierdo y derecho.
Estas salidas cumplen una doble función. La línea central se utiliza directamente en el controlador de seguimiento de carril como trayectoria de conducción deseada. Las rectas límite también se emplean para definir una región de interés para el módulo de detección de malas hierbas basado en cámara.
Rendimiento observado
Los resultados de detección de hileras mediante LiDAR muestran varias ventajas prácticas:
- Estimación fiable de la estructura geométrica de las hileras
- Salidas intermedias interpretables
- Soporte directo para la navegación basada en la línea central
- Capacidad para definir una región de interés destinada a la percepción posterior
La confianza de detección se mantuvo por encima de 0,9 durante las simulaciones, incluso durante las interrupciones de GNSS, en las que el sistema r
Preguntas frecuentes
¿Para qué está diseñado el sistema AgriNav? AgriNav es un tractor autónomo para arrozales diseñado para recorrer las hileras, detectar malas hierbas y facilitar la pulverización selectiva de herbicidas.
¿Por qué el sistema de detección protege la clase arroz? Un falso negativo sobre el arroz puede provocar daños por herbicida en el cultivo. Por eso, el sistema utiliza un veto de arroz codificado que impide pulverizar siempre que se prediga arroz.
¿Cómo ayuda el LiDAR a la detección de malas hierbas basada en cámara? El LiDAR detecta los límites de las hileras y publica una máscara proyectada de la región de interés que restringe la inferencia de la cámara y facilita la proyección en coordenadas del mundo.
¿Cómo se evaluó el sistema de localización durante la pérdida de GNSS? Un periodo simulado de denegación de GNSS de 20 segundos produjo una deriva posicional acotada de 2,46 m respecto a la verdad terreno del simulador.