Contar plantas o árboles con visión artificial a partir de imágenes aéreas

Paso a paso

1. Aclara para qué necesitas el recuento
   Contar por contar no aporta nada. Decide si buscas localizar marras en una plantación joven, evaluar la nascencia de un cultivo en línea, verificar el número de árboles de una finca o planificar una reposición. El objetivo marca la exigencia: para ver dónde faltan plantas basta una precisión moderada, y para un inventario hace falta más rigor. Escribe qué decisión tomarás con el resultado y qué error aceptas. Así evitarás perder tiempo con un método sofisticado cuando una revisión visual del ortomosaico habría bastado.
2. Elige el momento y la altura de vuelo adecuados
   La detección funciona mejor cuando las plantas se distinguen del suelo y entre sí. En cultivos anuales, vuela cuando las plántulas ya se ven pero aún no se tocan; si se solapan, el programa no podrá separarlas. En arbolado, vuela cuando las copas estén definidas y la cubierta entre calles no las confunda. Un vuelo más bajo ofrece más detalle, aunque exige más tiempo y más imágenes. Elige luz estable y evita sombras largas que pueden contarse como plantas. Cumple la normativa de drones al planificar el vuelo.
3. Genera el ortomosaico y revisa su calidad
   Procesa las fotografías para obtener un mosaico georreferenciado de la parcela. Antes de contar nada, examínalo: busca zonas borrosas, deformaciones, costuras mal ajustadas o regiones con sombras de nubes. Un ortomosaico defectuoso produce un recuento defectuoso sin avisar. Comprueba que el contorno de la parcela está bien delimitado para excluir caminos, setos y árboles de fincas vecinas. Si el mosaico no es bueno, repite el vuelo o la parte afectada en lugar de intentar arreglarlo con el programa de detección.
4. Aplica el modelo de detección y ajusta lo básico
   Usa un programa o servicio de detección de plantas o copas adecuado a tu cultivo y revisa los primeros resultados sobre la imagen con detalle. Observa si cuenta dos veces una misma planta, si junta dos copas pegadas, si confunde malas hierbas con cultivo o si ignora plantas pequeñas. Ajusta los parámetros que permita, como el tamaño mínimo de objeto, y repite. Un modelo entrenado con otro cultivo, otra edad o una luz distinta puede equivocarse mucho. Sé crítico, porque el resultado suele parecer convincente aunque falle.
5. Valida con un conteo manual de varias muestras
   Elige varias zonas de la parcela, por ejemplo una cuadrícula o varias líneas de longitud conocida repartidas en lugares distintos, incluidas zonas buenas y malas. Cuenta las plantas a mano en el campo o sobre la imagen ampliada y compáralas con el recuento automático de esas mismas zonas. Calcula cuánto se desvía el programa y si el error es sistemático, por ejemplo siempre por defecto en zonas densas. Esa desviación te dice con qué confianza puedes usar el recuento total y si debes corregirlo.
6. Usa el resultado con prudencia y guarda los datos
   Con el error conocido, decide qué hacer: reponer marras en un área concreta, revisar el riego de una zona con mala nascencia o actualizar el inventario. Antes de actuar, visita las zonas que el mapa señala como vacías para confirmar la causa. Guarda el ortomosaico, el mapa de detecciones, la fecha y el error medido, de forma que el siguiente recuento sea comparable. Si usas un servicio externo, revisa qué hace con tus imágenes y datos y quién tiene acceso a ellos.

Prompt de ejemplo

Adáptalo sustituyendo lo que va entre corchetes:

Actúa como un técnico en visión artificial aplicada a la agricultura. Quiero contar [PLANTAS O ÁRBOLES] de [CULTIVO] en una parcela de [SUPERFICIE] con marco [MARCO DE PLANTACIÓN], a partir de imágenes de dron tomadas a [ALTURA] en [FECHA O FASE]. Mi objetivo es [DETECTAR MARRAS, EVALUAR NASCENCIA O INVENTARIO]. Prepara: 1) criterios para elegir el mejor momento del vuelo, 2) una lista de fallos típicos de la detección en mi caso, 3) un protocolo de conteo manual de muestras para medir el error del programa, indicando cuántos puntos conviene muestrear según el tamaño de la parcela sin dar cifras exactas si dependen del caso, 4) cómo registrar los resultados. Avísame de lo que no pueda saberse solo con la imagen.

Copiar prompt

Qué esperar

Un mapa de detecciones y un recuento total con un error medido por ti. Será útil para localizar zonas problemáticas; no sustituye una comprobación en el campo cuando la decisión sea costosa.

Cómo verificar el resultado

• Cuenta a mano varias muestras repartidas por la parcela y compáralas con el recuento automático.
• Revisa sobre la imagen si hay plantas contadas dos veces o copas unidas contadas como una.
• Visita las zonas señaladas como vacías para confirmar si faltan plantas de verdad.
• Comprueba que el perímetro dibujado de la parcela no abarca árboles o plantas ajenos.

Errores comunes

• Volar cuando las plantas ya se solapan y esperar que el programa las separe.
• Confiar en el total sin medir el error con un conteo manual.
• Contar sombras, malas hierbas o postes como si fueran plantas.
• Usar un modelo entrenado con otro cultivo, edad o luz sin comprobarlo.

Riesgos y límites

La visión artificial depende de la calidad de las imágenes y de que el modelo se parezca a tu caso; con luz distinta, plantas solapadas o malas hierbas abundantes puede fallar sin avisar. El recuento es una estimación y no tiene valor oficial ni legal: no sirve para acreditar superficies, plantaciones o ayudas. Si el vuelo se hace con dron, deben cumplirse los requisitos de la normativa aeronáutica. Si las imágenes incluyen fincas ajenas o personas, trata los datos con cuidado. Cualquier decisión de reposición o inversión debe apoyarse en una comprobación de campo y en el consejo de un técnico.

Antes de aplicarlo: contrasta el resultado en tu parcela o con tu técnico, no sigas ninguna indicación sobre fitosanitarios, dosis o sanidad animal sin el asesor y la etiqueta, y cumple la normativa vigente. Más en Normativa.

Preguntas frecuentes

Prácticas relacionadas

Fuentes oficiales para profundizar

• Agencia Estatal de Seguridad Aérea (AESA)
• Ministerio de Agricultura, Pesca y Alimentación (MAPA)
• FAO (Organización de las Naciones Unidas para la Alimentación y la Agricultura)
• Datos con fuente de esta web, con su fecha y su cautela

Sigue aprendiendo

• Más prompts
• Cooperativas y datos compartidos: cómo organizar la información de los socios
• El técnico asesor con IA: apoyarse en ella sin delegar el criterio
• Calculadoras agronómicas y de costes
• Normativa: hechos con fuente