Segmentación de imágenes agrícolas adquiridas con drone mediante algoritmos paralelos

Abstract

Las imágenes obtenidas con drones desde perspectiva vertical presentan información importante de los cultivos agrícolas, lo que permite sistematizar diversas actividades relacionadas con la agricultura de precisión (AP). Los algoritmos secuenciales desarrollados en lenguajes de programación tradicionales consumen tiempos y recursos de hardware altos en el procesamiento de imágenes digitales de grandes tamaños. Para reducir los tiempos de cómputo se desarrolló un algoritmo paralelo para segmentar imágenes utilizando la librería OpenMP. OpenMP es una librería compatible con lenguajes de programación de bajo nivel que permiten la implementación de algoritmos paralelos en lenguajes C o C++ en entornos Linux para arquitecturas multicore. El algoritmo secuencial para implementarlo mediante paralelismo fue necesario dividir en varias tareas más pequeñas y ejecutarlas en varios núcleos disponibles en procesadores multicore para mejorar la velocidad de procesamiento. Las métricas utilizadas (tiempo de ejecución, aceleración, eficiencia y costo computacional) permitieron evaluar el rendimiento de los algoritmos con imágenes de diferentes dimensiones obteniendo resultados favorables que verifica la mejora del algoritmo paralelo. La paralelización de algoritmos secuenciales muestra un importante reducción de los tiempos de ejecución (66.37%) con imágenes grandes y (74.73% ) con imágenes pequeñas utilizando el número máximo de núcleos (8)