Clasificación de no infectados e infectados con la enfermedad de la pudrición basal del tallo utilizando imágenes térmicas y enfoque de datos desequilibrados
Autores: Hashim, Izrahayu Che; Shariff, Abdul Rashid Mohamed; Bejo, Siti Khairunniza; Muharam, Farrah Melissa; Ahmad, Khairulmazmi
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Clasificación de no infectados e infectados con la enfermedad de la pudrición basal del tallo utilizando imágenes térmicas y enfoque de datos desequilibrados
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Pudrición del tallo basal
Enfermedad de BSR
árboles de palma de aceite
Imágenes térmicas
Clasificadores de aprendizaje automático
Modelo ROS-RF
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
La pudrición del tallo basal (BSR) ocurre debido al ataque fúngico más agresivo y amenazante de la planta de palma de aceite conocido como (). BSR es una enfermedad que tiene un impacto significativo en los cultivos de palma de aceite en Malasia e Indonesia. Actualmente, la única estrategia sostenible disponible es extender la vida de los árboles de palma de aceite, ya que no hay un tratamiento efectivo para la enfermedad BSR. Este estudio utilizó imágenes térmicas para identificar las características térmicas y clasificar los árboles no infectados e infectados por BSR. Los objetivos de este estudio fueron (1) identificar las posibles características de temperatura y (2) examinar el rendimiento de los clasificadores de aprendizaje automático (ML) (naïve Bayes (NB), perceptrón multicapa (MLP) y bosque aleatorio (RF) para clasificar los árboles de palma de aceite que no están infectados e infectados por BSR. El tamaño de la muestra consistió en 55 árboles no infectados y 37 árboles infectados. Utilizamos enfoques de datos desequilibrados como submuestreo aleatorio (RUS), sobremuestreo aleatorio (ROS) y sobremuestreo sintético de minorías (SMOTE) en estas clasificaciones debido a los diferentes tamaños de muestra. El estudio encontró que la característica de temperatura es la característica más beneficiosa para clasificar árboles no infectados o infectados por BSR. Mientras tanto, el enfoque ROS mejora la región de la curva (AUC) y los resultados de PRC en comparación con un enfoque único. El resultado mostró que la característica de temperatura y la característica de combinación tuvieron una mayor clasificación correcta para los árboles de palma de aceite no infectados e infectados para el ROS-RF y tuvieron una tasa de éxito sólida, clasificando correctamente un 87.10% para los no infectados y un 100% para los infectados por . En cuanto al rendimiento del modelo utilizando las variables más significativas, , el modelo ROS-RF tuvo una excelente región de la curva de características operativas del receptor (ROC) de 0.921, y la región de la curva de precisión-recuperación (PRC) dio un valor de 0.902. Por lo tanto, se puede concluir que el ROS-RF, utilizando el , se puede utilizar para predecir la enfermedad BSR con una precisión relativamente alta.
Descripción
La pudrición del tallo basal (BSR) ocurre debido al ataque fúngico más agresivo y amenazante de la planta de palma de aceite conocido como (). BSR es una enfermedad que tiene un impacto significativo en los cultivos de palma de aceite en Malasia e Indonesia. Actualmente, la única estrategia sostenible disponible es extender la vida de los árboles de palma de aceite, ya que no hay un tratamiento efectivo para la enfermedad BSR. Este estudio utilizó imágenes térmicas para identificar las características térmicas y clasificar los árboles no infectados e infectados por BSR. Los objetivos de este estudio fueron (1) identificar las posibles características de temperatura y (2) examinar el rendimiento de los clasificadores de aprendizaje automático (ML) (naïve Bayes (NB), perceptrón multicapa (MLP) y bosque aleatorio (RF) para clasificar los árboles de palma de aceite que no están infectados e infectados por BSR. El tamaño de la muestra consistió en 55 árboles no infectados y 37 árboles infectados. Utilizamos enfoques de datos desequilibrados como submuestreo aleatorio (RUS), sobremuestreo aleatorio (ROS) y sobremuestreo sintético de minorías (SMOTE) en estas clasificaciones debido a los diferentes tamaños de muestra. El estudio encontró que la característica de temperatura es la característica más beneficiosa para clasificar árboles no infectados o infectados por BSR. Mientras tanto, el enfoque ROS mejora la región de la curva (AUC) y los resultados de PRC en comparación con un enfoque único. El resultado mostró que la característica de temperatura y la característica de combinación tuvieron una mayor clasificación correcta para los árboles de palma de aceite no infectados e infectados para el ROS-RF y tuvieron una tasa de éxito sólida, clasificando correctamente un 87.10% para los no infectados y un 100% para los infectados por . En cuanto al rendimiento del modelo utilizando las variables más significativas, , el modelo ROS-RF tuvo una excelente región de la curva de características operativas del receptor (ROC) de 0.921, y la región de la curva de precisión-recuperación (PRC) dio un valor de 0.902. Por lo tanto, se puede concluir que el ROS-RF, utilizando el , se puede utilizar para predecir la enfermedad BSR con una precisión relativamente alta.