Métodos de inteligencia artificial para la predicción de componentes químicos a partir de imágenes hiperespectrales

La automatización del análisis de los parámetros del suelo puede optimizar los procesos de fertilización, reduciendo el tiempo y los costes de la producción alimentaria, contribuyendo al objetivo de conseguir una agricultura sostenible. El trabajo que se presenta en este artículo es parte del HYPERVIEW Challenge: Seeing Beyond the Visible, en el cual se proporcionan imágenes hiperespectrales de varios terrenos y se pretende lograr una estimación de varios parámetros característicos de los mismos a partir de ellas. Se propone la utilización de métodos basados tanto en enfoques tradicionales (SVR, k-NN), como en técnicas modernas como las redes neuronales. Además, se propone la combinación de ambos para aprovechar todas las ventajas de cada uno. Adicionalmente, se aplica una fase de preprocesado parametrizada para tratar la variabilidad del tamaño de los datos de entrada, dado que las imágenes del terreno no tienen las mismas dimensiones en todos los casos. Finalmente, la mejor estimación se ha conseguido aplicando un modelo basado en k-NN.