Malas hierbas Ensayos Dicotiledónea de Verano Maquinaria Biodiversidad

Autores: MENA, J.D., DORADO, J, GUERRA, J.G., MESÍAS RUIZ, G.A., PEÑA, J.M., BORRA SERRANO, I.
Publicación: Revista de Ciências Agrárias de Portugal. Vol. 47. Nº 1. 113-117
Fuente: SCAP
Año de publicación: 2024
Tamaño: 782 Kb
Descargas: 780
Detección de crucíferas en márgenes de biodiversidad en ecosistemas agrarios mediante el análisis de imágenes dron y arquitecturas CNN
Hace falta realizar nuevos ajustes y calibraciones de parámetros para el modelo de última generación YO-LOv8-l
La pérdida generalizada de biodiversidad en los paisajes y ecosistemas agrarios es una preocupación a nivel global. Esta pérdida se relaciona con la intensificación de las prácticas agrícolas, el uso inadecuado de agroquímicos y la fragmentación de hábitats naturales. Todo esto afecta la diversidad vegetal y tiene un impacto en el funcionamiento del ecosistema, limitando los servicios ecosistémicos. Promover una mayor diversidad funcional en los márgenes de nuestros cultivos es una meta alcanzable mediante el manejo de los recursos que nos ofrece la flora arvense. En particular, las especies de la familia Brassicaceae Burnett (en adelante, crucíferas), desempeñan un papel fundamental en los agrosistemas al atraer enemigos naturales de plagas y proporcionar néctar y polen a los polinizadores.
El objetivo de este estudio era detectar y estimar los recursos florales ofrecidos por las crucíferas en presencia de otras especies arvenses. Para ello, se diseñó un experimento en la finca “La Poveda” (CSIC, Madrid) en 2023, en el que se llevaron a cabo hasta 4 vuelos con un dron sobre los márgenes florales donde se encontraban tres crucíferas de interés: Diplotaxis tenuifolia, Eruca vesicaria y Moricandia arvensis. Estas especies representan algunos de los rasgos funcionales clave de las crucíferas que suelen estar presentes en nuestros agrosistemas. La detección de estas especies se realizó mediante el análisis de imágenes capturadas por el dron y la implementación de arquitecturas de redes neuronales convolucionales. En este trabajo, presentamos los primeros resultados de los modelos que estamos desarrollando.