The primary objective of this thesis was to develop a system through which precision spraying of herbicides could be applied to a corn field at an early post-emergence stage of development. The initial hypotheses underlying this thesis were that it was possible to: 1) capture a series of digital images using a tractor-mounted camera; 2) tag these images using a Global Positioning System (GPS); 3) develop an algorithm to detect weeds in an image; 4) develop a weed map using a series of images tagged with the presence or absence of weeds; and 5) significantly reduce the amount of spraying needed by spraying only areas known to contain weeds, thus reducing both costs and environmental impact.The experimental conditions consisted of a field of corn crop 12-17 days into their development stage and at the 3-5 leaf stage of development. A tractor-mounted camera interfaced to a GPS system and linked to a laptop computer was used for gathering images of the corn field.Due to the complexities involved in separating weeds the crop, the bulk of the thesis work was dedicated to the analysis of different algorithms through which weeds could be identified and weed maps could be created. The algorithm selected for the identification of weeds was the greenness method, using a pixel-by-pixel analysis of the red-green-blue (RGB) intensity values. The weed-tagged images were used to develop a series of algorithms to create weed maps. These algorithms utilized a set of image aggregation methods in order to establish a spray- or no-spray value for each location on the field, which were then plotted to demonstrate the locations of the field to be sprayed. The algorithms were validated through the use of the bootstrap statistical method. Once done, the potential herbicide savings for each weed mapping algorithm were evaluated. The results indicated that the algorithms had the potential to yield a maximum herbicide savings of 76% when compared with blanket spraying of the entire field. Factors that influenced the potential herbicide savings included the weed density necessary before spraying is employed, the number of images chosen to aggregate, and the size of the field as a whole. Seven algorithms were 100% successful in detecting weeds. Validation testing revealed that, when compared with a control situation in which 100% of the field would be sprayed, the algorithm that sprayed the smallest percentage of the field while still eliminating all weeds yielded a potential 10% herbicide savings; under the same parameters, the best performing real-time algorithm yielded a potential 9% herbicide savings. Therefore, it was determined that a solution involving the real-time acquisition and processing of video data and using the greenness method for weed detection could be employed in order to obtain savings in herbicide application. / L'objectif principal de cette thèse était de développer un système par lequel l'application précise des herbicides pourrait être appliquée à un champ de maïs qui est dans un stade précoce post levée de développement. Les hypothèses de cette thèse étaient qu'il était possible de: 1) capturer une série d'images à l'aide d'une caméra montée sur un tracteur; 2) marquer ces images en utilisant un système de positionnement global (GPS); 3) développer un algorithme pour détecter les mauvaises herbes dans une image; 4) de développer une carte des mauvaises herbes à l'aide d'une série d'images étiqueté avec la présence ou l'absence de mauvaises herbes, et 5) réduire considérablement la quantité d'herbicides nécessaire par appliquer des herbicides seulement dans les zones connues pour contenir les mauvaises herbes, ce qui va permettre la réduction des coûts et des impacts environnementaux. Les conditions expérimentales se composait d'un champ de maïs 12-17 jours après le début de leur phase de développement et au stade 3-5 feuilles du développement. Une caméra montée sur tracteur et relié à un système GPS et un ordinateur portable a été utilisé pour recueillir des images du champ de maïs.En raison de la complexité de distinguer les mauvaises herbes, la majorité du travail a été consacré à l'analyse des algorithmes d'identification et cartographie des mauvaises herbes. L'algorithme choisi pour l'identification des mauvaises herbes a été la méthode de verdure, en utilisant une analyse pixel par pixel des valeurs d'intensité rouge-vert-bleu (RGB).Les images de mauvaises herbes marquées ont été utilisées pour développer une série d'algorithmes pour créer des cartes des mauvaises herbes. Ces algorithmes ont utilisé un ensemble de méthodes d'agrégation d'image afin d'établir une valeur indiquant si les herbicides doit être appliqués pour chaque endroit sur le terrain. En utilisant ces valeurs, des cartes des mauvaises herbes ont été créés pour montrer les endroits identifiées. Les algorithmes ont été validés par utiliser l'algorithme bootstrap. Une fois cela fait, les économies d'herbicides potentiels pour chaque algorithme de cartographie des mauvaises herbes ont été évaluées. Les résultats ont indiqué que les algorithmes avait le potentiel de produire des économies d'herbicides maximales de 76% par rapport à l'application des herbicides à la totalité du champ. Facteurs qui ont influé les économies d'herbicides potentiels inclus la densité des mauvaises herbes nécessaires avant l'application des herbicides, le nombre d'images choisies à l'agrégation, et la taille du champ. Sept algorithmes ont réussi à détecter 100% des mauvaises herbes.Tests de validation ont révélé que, en comparaison avec une situation de contrôle dans lequel les herbicides seront appliquer à 100% du champ, l'algorithme qui appliquait le plus petit pourcentage des herbicides en éliminant toutes les mauvaises herbes à des économies potentielles d'herbicides de 10%; selon les mêmes paramètres, l'algorithme en temps réel le plus performante avait une économie potentielle d'herbicides 9%. Donc, il a été déterminé qu'une solution impliquant l'acquisition et le traitement en temps réel des données vidéo et en utilisant la méthode verdure pour la détection des mauvaises herbes pourrait être employée afin d'obtenir des économies substantielles en application de l'herbicide.
| Identifer | oai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMM.114199 |
| Date | January 2013 |
| Creators | Ramaswamy, Kiran |
| Contributors | Shiv Prasher (Internal/Supervisor) |
| Publisher | McGill University |
| Source Sets | Library and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation |
| Format | application/pdf |
| Coverage | Master of Science (Department of Bioresource Engineering) |
| Rights | All items in eScholarship@McGill are protected by copyright with all rights reserved unless otherwise indicated. |
| Relation | Electronically-submitted theses. |
Page generated in 0.0124 seconds