Programa del congreso
Resúmenes y datos de las sesiones para este congreso. Seleccione una fecha o ubicación para mostrar solo las sesiones en ese día o ubicación. Seleccione una sola sesión para obtener una vista detallada (con resúmenes y descargas, si están disponibles).
|
Resumen diario |
| Sesión | |
|
SESIÓN 04 - A: SISTEMAS AGROFORESTALES Lugar: AUDITORIO PRINCIPAL Presidente de la sesión: Jose Luis Tomé Morán | |
| Presentación 7 | |
Detección de la riqueza floral en agrosistemas mediante imágenes UAV e inteligencia artificial 1: Tech4AGRO. Instituto de Ciencias Agrarias (ICA), CSIC, C/ Serrano, 115, 28006, Madrid, España.; 2: Facultad de Ciencias Exactas y Naturales, Universidad Técnica Particular de Loja, San Cayetano Alto s/n, Loja 11-01-608 Resumen: La pérdida de biodiversidad en los agrosistemas asociada a la intensificación agrícola, al uso de agroquímicos y a la fragmentación del hábitat, compromete los servicios ecosistémicos. En este contexto, la gestión y monitorización de la flora arvense en márgenes florales surge como una estrategia eficaz para evaluar la diversidad y riqueza de especies atractivas para diferentes grupos de polinizadores y fauna auxiliar. En la finca experimental “La Poveda” (ICA CSIC, Madrid) se desarrolló un experimento multipropósito durante los años 2023 y 2024 para monitorizar márgenes florales a 15 m de altura, empleando vehículos aéreos no tripulados (UAV). Se realizaron seis vuelos por campaña entre abril y julio, coincidiendo con el pico de floración de 11 especies objetivo pertenecientes a las familias Brassicaceae, Asteraceae y Fabaceae. Las particiones de las ortofotos (teselas de 640×640 px) se etiquetaron siguiendo dos esquemas: (a) unidad floral y (b) conjunto floral. Los datasets resul-tantes se utilizaron para entrenar variantes del modelo Ultralytics YOLOv26 bajo una configuración experimental homogénea y técnicas de aumento de datos. Los mejores resultados se obtuvieron con YOLOv26m y aumento de datos bajo el esquema (b), alcanzando métricas de validación robustas (mAP@0.5:0 = 0.534, precisión = 0.528 y recall = 0.558). Estos resultados destacan la relevancia de definir adecuadamente la unidad de etiquetado en datasets florísticos de muy alta resolución y ofre-cen directrices metodológicas para la monitorización de la biodiversidad en agricultura mediante imá-genes UAV e inteligencia artificial. | |

