Procesamiento paralelo basado en CPU para la detección automática de hileras de cultivo en campos de maíz

Abstract

Con el avance tecnológico, las aplicaciones informáticas actuales generan grandes volúmenes de datos heterogéneos (texto, imágenes, vídeo, audio), lo que provoca un aumento considerable en los tiempos de ejecución del procesamiento. El uso de arquitecturas heterogéneas en la sistematización de procesos es una alternativa para obtener mejores tiempos de procesamiento, optimizando los recursos computacionales, a través de la interacción entre las arquitecturas de CPU (Unidad Central de Procesamiento) y GPU (Unidad de Procesamiento Gráfico) para el procesamiento paralelo. Específicamente, en la agricultura de precisión (AP), el análisis de imágenes para la detección automática de líneas de cultivo es esencial para el uso de sistemas autónomos aplicados a diferentes procesos agrícolas en tiempo real. En el presente trabajo, se propone el uso de programación paralela para la implementación de un algoritmo existente para la detección de líneas curvas y rectas de cultivos, basado en micro-ROI (pequeñas regiones de interés), con imágenes capturadas en campos de maíz durante las primeras etapas de crecimiento. Se utilizaron las bibliotecas de Matlab (Parallel Computing Toolbox) para la implementación paralela y secuencial en una CPU multinúcleo para contrastar los tiempos de ejecución en un conjunto de 300 imágenes. Los resultados obtenidos se validaron estadísticamente mediante la prueba t de Student en el lenguaje de programación R. Los tiempos evaluados indican aceleraciones del 20 % en promedio en el reconocimiento de líneas de cultivo, lo que demuestra una mejora notable en el rendimiento del algoritmo paralelo con respecto al secuencial.