Detección automática de la enfermedad lasiodiplodia del palto utilizando imágenes digitales con máquinas de soporte de vectores

Abstract

En esta investigación se ha propuesto detectar la enfermedad lasiodiplodia del palto en imágenes digitales utilizando máquinas de soporte de vectores. El cultivo del palto presenta una variedad de enfermedades causadas por hongos afectando a la producción. Se realiza la adquisición de imágenes en 2 partes: la primera parte es siguiendo un protocolo, que mide la distancia, las imágenes capturadas con enfoque automático y la apertura de la cámara, en la segunda parte es el diseño de adquisición en el campo realizándose de la siguiente manera: se logró visualizar que los síntomas se manifiestan en tallos, por lo que se tomaron las imágenes sobre ellos, dividiendo esta adquisición en tallos sanos y tallos enfermo. En la construcción de la base de datos se utilizó un repositorio de imágenes, el numero consideradas en total ha sido de 150 imágenes, entre las cuales las muestras que fueron tomadas están con defecto y sin defecto. Para caracterizar a la enfermedad lasiodiplodia se consulta a expertos. En el procesamiento se procedió a redimensionar las imágenes y estandarizarlas, se realizó un pre-procesamiento para poder quitar partes que no eran necesarias al momento del procesamiento retirando el fondo de las imágenes. El método en esta investigación está basado en visión computacional para realizar la clasificación automática de la enfermedad lasiodiplodia en la parte de segmentación se implementó dos métodos: Otsu y histograma en hsv para entrenar la técnica de clasificación automática de máquinas de vectores de soporte (SVM), se utiliza los vectores de características de color. obteniendo como resultado la precisión, sensibilidad, severidad en la clasificación. Los resultados experimentales dieron una precisión de 100% lo que sugiere que SVM se puede utilizar para la detección de lasiodiplodia en palto.