BaleUAVision: Conjunto de datos capturado por UAV de pacas de heno

Por qué contar pacas de heno desde el cielo importa

Las pacas de heno pueden parecer simples rollos de hierba seca, pero saber exactamente cuántas hay en un campo y dónde se encuentran tiene un valor económico real para los agricultores. Los recuentos precisos orientan sobre la cantidad de alimento disponible para el ganado, cuántos camiones se necesitan y cuánto tiempo deben trabajar las cuadrillas de cosecha. En este artículo se presenta BaleUAVision, un nuevo conjunto de datos abierto construido a partir de imágenes de drones que facilita detectar y contar pacas de heno automáticamente desde el aire, ayudando a avanzar hacia una gestión agrícola más inteligente y eficiente.

Campos vistos desde arriba

BaleUAVision se basa en 2.599 fotografías en color nítidas tomadas por drones que sobrevolaron 16 campos de heno en el norte de Grecia. Los campos cubren alrededor de 232 acres y abarcan dos regiones con paisajes diferentes: llanuras extensas alrededor de Xanthi y un terreno más variado cerca de Drama. Los vuelos se realizaron en el verano de 2023, con cielos despejados y vientos suaves, a alturas entre 50 y 100 metros y velocidades moderadas. El resultado es una instantánea realista de campos poscosecha, con pacas dispersas en patrones que reflejan las prácticas agrícolas locales y el terreno, en lugar de una configuración de laboratorio.

Convertir imágenes en datos útiles

Recoger imágenes es solo el primer paso. El equipo procesó cuidadosamente todas las fotos, descartando las que tenían desenfoque u otros problemas, y luego las ensambló en mapas aéreos detallados, llamados ortomosaicos, para cada campo. Estos mosaicos se usaron para contar manualmente cada paca como referencia fiable. Al mismo tiempo, cada paca individual fue trazada a mano en las fotos originales como un contorno preciso, no solo como una caja aproximada. Este trabajo minucioso creó datos de “verdad de campo” de alta calidad en varios formatos de archivo comunes, de modo que muchas herramientas de inteligencia artificial diferentes puedan entrenarse y evaluarse sin trabajo extra de conversión.

Diversidad en los vuelos, robustez en los modelos

La forma en que se pilota un dron—qué altura, qué velocidad y cuánto se solapan las fotos—modela lo que ve. BaleUAVision varía deliberadamente estos parámetros de vuelo para que los sistemas de detección entrenados con él no fallen cuando las condiciones cambien. Los vuelos bajos captan más detalle pero menos superficie por fotograma; los vuelos altos ven más área pero hacen que las pacas parezcan más pequeñas. Al incluir imágenes a diferentes alturas y en distintas condiciones de iluminación en dos regiones, el conjunto de datos captura tanto la variedad geográfica como los cambios de escala de cámara que enfrentan las operaciones reales. Las pruebas muestran que esta variedad ayuda a los modelos de inteligencia artificial a reconocer pacas incluso cuando se fotografían en lugares o alturas nuevas.

Poniendo a prueba el conjunto de datos

Para comprobar si BaleUAVision es realmente útil, los autores entrenaron un sistema de detección popular conocido como YOLOv11 para localizar pacas de heno en las imágenes. Luego pusieron a prueba el modelo de dos maneras: pidiéndole detectar pacas en campos de una región distinta a la vista en el entrenamiento y cambiando la altura de vuelo entre entrenamiento y evaluación. Cuando se entrenó con el conjunto de datos, el sistema detectó casi todas las pacas en campos nuevos con muy pocas falsas alarmas. También funcionó bien a mayores alturas de vuelo cuando había visto ejemplos a alturas menores en el entrenamiento. Sin embargo, un modelo entrenado solo con imágenes de gran altitud tuvo dificultades con vistas de primer plano hasta que los investigadores añadieron incluso un pequeño número de ejemplos a menor altura, lo que muestra cómo datos modestos pero bien elegidos pueden aumentar considerablemente la fiabilidad.

Más allá de la IA genérica, hacia herramientas listas para el campo

El equipo también comparó su modelo especializado, entrenado para pacas, con grandes sistemas de visión de propósito general diseñados para “segmentar cualquier cosa” en una imagen. Aunque estos modelos base son potentes en muchos entornos, su rendimiento fue notablemente peor con pacas pequeñas y densamente agrupadas sobre fondos de campo complejos. El modelo específico entrenado con BaleUAVision no solo fue más preciso, sino también más práctico para ejecutarse en drones reales y ordenadores agrícolas. Esto subraya cómo datos cuidadosamente elaborados y específicos del campo pueden convertir los avances generales en inteligencia artificial en herramientas que realmente funcionan a escala agrícola.

De mejores recuentos a una agricultura más inteligente

En términos sencillos, BaleUAVision ofrece a investigadores y empresas un conjunto rico y gratuito de imágenes de drones y contornos de pacas para construir y probar robots y software de conteo de pacas. Con él, pueden crear herramientas que informen rápida y de forma fiable a los agricultores sobre cuántas pacas tienen, dónde están y cómo recolectarlas mejor—ahorrando combustible, tiempo y mano de obra. Los mismos datos también pueden apoyar estudios sobre condiciones de los campos, planificación logística e incluso futuros robots agrícolas. Al abrir este conjunto de datos al público, los autores sientan las bases para convertir simples pacas de heno en una vía hacia una agricultura más precisa y basada en datos.

Cita: Karatzinis, G.D., Gkelios, S. & Kapoutsis, A.C. BaleUAVision: Hay Bales UAV Captured Dataset. Sci Data 13, 313 (2026). https://doi.org/10.1038/s41597-026-06622-8

Palabras clave: agricultura de precisión, imágenes por drone, detección de pacas de heno, visión por ordenador, conjunto de datos de teledetección