Evaluación de herramientas de análisis de datos espectrales para la identificación y cuantificación de la madurez temprana en papa
Cargando...
Autores
Leon Rueda, William Alfonso
Tipo de contenido
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
El cultivo de papa es afectado por diferentes enfermedades que disminuyen su rendimiento, entre ellas, los problemas asociados a madurez temprana (MT) causada por Verticillium spp. han cobrado importancia en Colombia. La falta de estrategias de manejo y en especial herramientas de diagnóstico y detección temprana ha generado la necesidad de identificar técnicas de detección indirecta con aplicación potencial a nivel comercial. Por lo anterior, este trabajo tuvo como objetivo evaluar herramientas de análisis de datos espectrales para la identificación y cuantificación de MT asociada a Verticillium spp. en cultivos de papa. El trabajo se dividió en dos fases en busca de caracterizar a nivel espectral plantas sanas y enfermas, además de hacer una aproximación a la cuantificación indirecta de distintos niveles de severidad de la enfermedad. En primer lugar, se compararon firmas espectrales adquiridas mediante un espectro radiómetro fijo bajo condiciones controladas con el fin de identificar bandas e índices espectrales contrastantes por su capacidad para la detección y cuantificación indirecta de esta patología. Posteriormente, en dos áreas de producción comercial se generaron clasificaciones utilizando algoritmos de aprendizaje automático (Bosques aleatorios, Máquinas de soporte vectorial, Redes neuronales y Adaboost), seleccionando aquellos de mejor comportamiento mediante parámetros de rendimiento por su capacidad para la identificación de plantas sanas y enfermas. Adicionalmente, se realizó una aproximación a la cuantificación de la severidad usando datos multiespectrales adquiridos por medio de un dron. Los resultados indican que los algoritmos usados no tuvieron diferencias significativas entre la capacidad de clasificación usando como predictoras firmas espectrales de plantas sanas y enfermas. Igualmente, las regiones del rojo y el borde rojo fueron las que presentaron mayor importancia en los clasificadores, conllevando a que los índices espectrales RECI, NDRE y GRVI presentaron mayor capacidad discriminatoria. En cuanto a los lotes comerciales, se observó que las clasificaciones alcanzaron niveles aceptables de exactitud, los cuales están directamente relacionados con las variables de intensidad de la enfermedad. Por otra parte, se resalta que en esta propuesta se hace un vínculo entre firmas espectrales e imágenes multiespectrales adquiridas bajo condiciones controladas y tomados en cultivos de condición comercial campo, hallando regiones e índices espectrales informativos con un alto potencial para el desarrollo de sensores ópticos de bajo costo que permitan la detección indirecta de la MT en el cultivo de papa. (Texto tomado de la fuente)
Abstract
Potato crop is affected by different diseases that reduce yield, among them, problems
associated with early maturity (MT) caused by Verticillium spp. have gained importance in
Colombia. The lack of management strategies, especially diagnostic and early detection
tools, has generated the need to identify indirect detection techniques with potential
commercial application. Therefore, the objective of this work was to evaluate spectral data
analysis tools for the identification and quantification of MT associated with Verticillium spp.
in potato crops. The work was divided into two phases in order to characterize healthy and
diseased plants at the spectral level, as well as to make an approximation to the indirect
quantification of different levels of disease severity. First, spectral signatures acquired by
means of a fixed radiometer spectrum were compared under controlled conditions in order
to identify contrasting spectral bands and indices for their capacity for the detection and
indirect quantification of this pathology. Subsequently, in two commercial production areas,
classifications were generated using machine learning algorithms (Random Forests,
Support Vector Machines, Neural Networks and Adaboost), selecting those with the best
performance parameters for their ability to identify healthy and diseased plants.
Additionally, a severity quantification approach was performed using multispectral data
acquired from a drone. The results indicate that the algorithms used had no significant
differences between the classification capability using spectral signatures of healthy and
diseased plants as predictors. Likewise, the red and red-edge regions were those that
presented the greatest importance in the classifiers, leading to the RECI, NDRE and GRVI
spectral indices presenting greater discriminatory capacity. As for the commercial lots, it
was observed that the classifications reached acceptable levels of accuracy, which are
directly related to the variables of disease intensity. On the other hand, it is highlighted that
in this proposal a link is made between spectral signatures and multispectral images
acquired under controlled conditions and taken in commercial field condition crops, finding
regions and informative spectral indices with a high potential for the development of lowcost optical sensors that allow the indirect detection of MT in potato crops.
Descripción
ilustraciones, fotografías, diagramas, mapas