Aprendizaje de máquina y procesamiento de imágenes para la detección de enfermedades de cultivo de arroz
No Thumbnail Available
Date
2023
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Nacional de Trujillo
Abstract
El arroz es un alimento importante a nivel mundial. En Perú, cerca del 75% de
los departamentos producen arroz. No obstante, es necesario controlar su producción
pues corren el riesgo de infectarse con algunas enfermedades, lo que genera
pérdidas, aumento de costos y demanda insatisfecha. Por lo tanto, un diagnóstico
preventivo requiere de especialistas con mucha experiencia para mitigar las consecuencias.
Así, el avance de la tecnología y su aplicación en la agricultura ha permitido
desarrollar modelos eficientes para detectar y clasificar enfermedades utilizando
tecnologías como el aprendizaje automático. En este sentido, el objetivo principal
de este estudio fue aplicar técnicas de procesamiento de imágenes y aprendizaje
automático para desarrollar un modelo predictivo para la identificación preventiva
preventiva de enfermedades de cultivos de arroz. Se utilizaron un total de 1.538
imágenes de cinco tipos de enfermedades, las cuales se dividieron en 95% para
el entrenamiento y prueba del modelo y 5% para la validación. Para el procesamiento
de imágenes se utilizaron los métodos de segmentación, específicamente
el método Otsu, el método de corrección gamma (gamma = 0;65), y los métodos
de conversión de escala de grises de promedio, luminancia, luminancia relativa y
los métodos de efecto de vecindad NECG y SNECG. La regresión logística, multilayer
perceptron, máquina de vectores de soporte y random forest se utilizaron como
técnicas de aprendizaje automático. Las clases no balanceadas fueron balanceadas
con el método de sobremuestreo, se optimizaron los hiperparámetros de los
modelos y se utilizó una validación cruzada de 5 veces. Los resultados mostraron
que todos los modelos presentaron una precisión media por encima de 80 %, sin
embargo el modelo con random forest presentó una mayor precisión de predicción
superior al 88 %.
Description
Keywords
Procesamiento de imágenes