Variedades y portainjertos · 2026

Clasificación con aprendizaje profundo de los sistemas de plantación del olivar andaluz a partir de ortofotos aéreas

Deep Learning-Based Classification of Olive Orchard Planting Systems Using High-Resolution Aerial Orthophotography: A Case Study in Spain

Investigadores de la Universidad de Córdoba compararon cinco redes neuronales convolucionales (VGG19, InceptionV3, MobileNet, ResNet50 y Xception) para distinguir el sistema de plantación del olivar a partir de las ortofotos del PNOA y las parcelas del SIGPAC en Andalucía, con unas 8.000 imágenes a 0,25 y 0,5 m de resolución. Con tres clases (tradicional, intensivo y superintensivo) y 0,5 m, MobileNet alcanzó una precisión del 99,00 % y VGG19 del 98,66 %, cerca de nueve puntos por encima del esquema de cuatro clases. Los autores concluyen que reconocer el patrón espacial del arbolado permite cartografiar la intensificación a escala regional, útil para evaluar sostenibilidad y orientar políticas.

Autores: Muñoz-Lorite et al.
Revista: Agronomy
Año: 2026
Área: Variedades y portainjertos
Acceso: Acceso abierto
País / región del estudio: España (Andalucía)

Fuente: Artículo original (DOI)

Resumen elaborado por A pie de parcela; el matiz completo está siempre en el artículo original. Criterio de entrada en apiedeparcela.es/olivo.