logo móvil
Contáctanos

Clasificador de enfermedades de plantas móvil, entrenado con un pequeño número de imágenes por el usuario final

Autores: Petrellis, Nikos; Antonopoulos, Christos; Keramidas, Georgios; Voros, Nikolaos

Idioma: Inglés

Editor: MDPI

Año: 2022

Descargar PDF

Acceso abierto

Artículo científico
2022

Clasificador de enfermedades de plantas móvil, entrenado con un pequeño número de imágenes por el usuario final


Categoría

Ciencias Agrícolas y Biológicas

Subcategoría

Agronomía y Ciencia de los Cultivos

Palabras clave

Aplicaciones móviles
Capacitación
Clasificación
Enfermedades de plantas
Fotografías
Precisión

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 24

Citaciones: Sin citaciones


Descripción
Las aplicaciones móviles que se pueden utilizar para el entrenamiento y clasificación de enfermedades de plantas se describen en este artículo. Los agrónomos profesionales pueden seleccionar las especies y sus enfermedades que son compatibles con la herramienta desarrollada y seguir un procedimiento de entrenamiento automático utilizando un pequeño número de fotografías indicativas. El método de clasificación empleado se basa en características que representan aspectos distintos de la planta enferma, como por ejemplo, la distribución del nivel de color en las regiones de interés. Estas características se extraen de fotografías que muestran una parte de la planta, como una hoja o un fruto. Se determinan múltiples rangos de referencia para cada característica durante el entrenamiento. Cuando se analiza una nueva fotografía, sus valores de características se comparan con los rangos de referencia, y se asignan diferentes grados dependiendo de si un valor de característica cae dentro de un rango o no. La nueva fotografía se clasifica como la enfermedad con el grado más alto. Se utilizan diez enfermedades del tomate como estudio de caso, y las aplicaciones se entrenan con 40-100 fotografías segmentadas y normalizadas para cada enfermedad. Se mide experimentalmente una precisión entre 93.4% y 96.1% en este caso. Un conjunto de datos adicional de fotografías de enfermedades de pera que no están segmentadas ni normalizadas también se prueba con una precisión promedio del 95%.

Otros recursos que podrían interesarte

Temas Virtualpro