Monitorización del estado del césped en un parque urbano mediante cámaras RGB de bajo coste

Resumen

Este estudio analiza las posibilidades de monitorización del estado del césped en parques urbanos mediante cámaras RGB de bajo coste. Con series temporales de imágenes, modelos de aprendizaje automático e índices de verdor se consigue definir, en el parque Universidad de Huesca, cuatro estados funcionales del césped que van desde un vigor óptimo hasta una degradación severa. Random Forest (RF), con una precisión global del 78% y un coeficiente Kappa de 0,67 fue, frente a Extreme Learning Machine (ELM) y eXtreme Gradient Boosting (XGB), el mejor modelo para estimar los porcentajes de suelo desnudo y de césped en distintos estados (verde, amarillo, marrón). Para la discriminación del verdor, el Índice de Resistencia Atmosférica Visible (VARI) resultó ser el indicador más robusto de los cuatro índices de vegetación analizados. El análisis de agrupamiento K-medias, considerando porcentaje de superficie ocupada por cada estado del césped y valores de VARI, llevó a determinar los cuatro estados funcionales. El sistema de monitorización aplicado demostró ser operativo para la caracterización temporal del estado del césped en un parque urbano, revelando diferencias significativas entre las zonas del parque estudiadas e identificando momentos en que el césped presentaba un peor estado, lo que permite priorizar y focalizar las labores de riego y mantenimiento.