logo móvil
Contáctanos

La discretización difusa en el método de Bayes Ingenuo Multinomial para modelar la clasificación multiclase de enfermedades y plagas de plantas de maíz

Autores: Resti, Yulia; Irsan, Chandra; Neardiaty, Adinda; Annabila, Choirunnisa; Yani, Irsyadi

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

La discretización difusa en el método de Bayes Ingenuo Multinomial para modelar la clasificación multiclase de enfermedades y plagas de plantas de maíz


Categoría

Matemáticas

Subcategoría

Matemáticas generales

Palabras clave

Commodity agrícola
Maíz
Enfermedades
Plagas
Imágenes digitales
Clasificación

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 29

Citaciones: Sin citaciones


Descripción
Como un cultivo agrícola, el maíz funciona como alimento, alimento para animales y materia prima industrial. Por lo tanto, las enfermedades y plagas representan un desafío importante para la producción de plantas de maíz. Modelar la clasificación de enfermedades y plagas de plantas de maíz basada en imágenes digitales es esencial para desarrollar un sistema de detección temprana basado en tecnología de la información. Esta tecnología de detección temprana de plantas es beneficiosa para reducir las pérdidas de los agricultores. El sistema de detección basado en imágenes digitales también es rentable. Este artículo tiene como objetivo modelar la clasificación de enfermedades y plagas de plantas de maíz basada en imágenes digitales mediante la implementación de la discretización difusa. La discretización es una técnica esencial para mejorar el proceso de extracción de conocimiento de datos de tipo continuo. También es esencial en algunos métodos donde los datos continuos deben ser procesados o manejados. La discretización difusa permite que las clases tengan intervalos superpuestos para que puedan manejar información que es vaga o poco clara. Desarrollamos hipótesis y demostramos que diferentes combinaciones de funciones de membresía en la discretización difusa afectan el rendimiento de la clasificación. Se realizó una evaluación empírica utilizando remuestreo de Monte Carlo para obtener la generalizabilidad del rendimiento del mejor modelo de clasificación de todos los modelos propuestos. El mejor modelo se determina en función del número de métricas con el valor más alto y de la métrica más alta en el Fscore y Kappa, una medida multiclase. La combinación de preprocesamiento de datos de imágenes digitales y métodos de clasificación también afecta el rendimiento del modelo de clasificación. Esperamos que este trabajo pueda proporcionar una visión general para los expertos en la construcción de sistemas de detección temprana de enfermedades y plagas de plantas de maíz utilizando modelos de clasificación basados en discretización difusa.

Otros recursos que podrían interesarte

Temas Virtualpro