AUTONOMOUS TREE HEALTH MONITORING AND TREATMENT SYSTEM FOR AGRICULTURAL DRONES

Abstract

Este proyecto, realizado en la Universidad de Jaén, una región conocida por fomentar soluciones agrícolas innovadoras,se centra en desarrollar un avanzado sistema basado en drones para el monitoreo y tratamiento de olivos. Al integrar tecnologías de imagen, sensores multiespectrales y algoritmos de aprendizaje automático, el sistema apunta a revolucionar la detección y tratamiento de enfermedades en los olivares. Los objetivos son mejorar la sostenibilidad y productividad, minimizar el uso de pesticidas y asegurar una gestión oportuna de la salud de los árboles. El sistema realiza recolección de datos en tiempo real, analiza la gravedad de las enfermedades y aplica tratamientos precisos, reduciendo el impacto ambiental y los costos para los agricultores. A través de pruebas rigurosas y prototipos, el diseño se ha optimizado para el rendimiento y la fiabilidad. Este proyecto destaca el potencial de las tecnologías de agricultura de precisión y se alinea con las prácticas agrícolas sostenibles a nivel mundial. El enfoque interdisciplinario demuestra cómo la innovación puede mejorar significativamente la productividad agrícola y la sostenibilidad.. Palabras clave : Agricultura de precisión, olivo, drones, imagen multiespectral, aprendizaje automático, sostenible, pesticidas, innovación, agricultura, datos, tiempo real.

This project, conducted at the University of Jaén, in a region known for fostering innovative agricultural solutions, focuses on developing an advanced drone-based system for monitoring and treating olive trees. By integrating imaging technologies, multispectral sensors, and machine learning algorithms, the system aims to revolutionize disease detection and treatment in olive groves. The objectives are to enhance sustainability and productivity, minimize pesticide use, and ensure timely management of tree health. The system performs real-time data collection, analyzes disease severity, and applies precise treatments, reducing environmental impact and costs for farmers. Through rigorous testing and prototyping, the design has been optimized for performance and reliability. This project highlights the potential of precision agriculture technologies and aligns with global sustainable farming practices. The interdisciplinary approach demonstrates how innovation can significantly improve agricultural productivity and sustainability. Keywords: Precision agriculture, olive tree health, drone, multispectral imaging, machine learning, sustainable farming, pesticide, agriculture, innovation, real-time.