Resumen

GARCIA-CRUZ, Edgar et al. Identificación con redes neuronales probabilísticas de las deficiencias de hierro y manganeso, usando imágenes digitales de hojas de frijol (Phaseolus vulgaris L.). Agrociencia [online]. 2015, vol.49, n.4, pp.395-409. ISSN 2521-9766.

La sintomatologia visual en hojas debida a deficiencias nutrimentales, como la de hierro (Fe) y manganeso (Mn), son similares en coloración y en tipo de hojas en que se presenta, por lo cual se requiere un método, con base en análisis de imágenes digitales de hojas, que discrimine esas deficiencias. El objetivo de esta investigación fue analizar imágenes digitales de hojas de frijol (Phaseolus vulgaris L.) var. Cacahuate para identificar, con un clasificador creado con redes neuronales probabilísticas, deficiencias de Fe y Mn en una etapa inicial, cuando todavía es posible revertir los daños con fertilización. Los tratamientos fueron: 1) deficiencia parcial (DP) de Fe (50 %); 2) DP de Mn (50 %); 3) deficiencia total (DT) de Fe (0 %); 4) DT de Mn (0 %); 5) interacción (0 % Fe, 0 % Mn); 6) testigo (100 % Fe, 100 % Mn), con 10 repeticiones; la referencia fue la solución Steiner. Los valores promedio de ocho variables de color y tres de textura, se obtuvieron de seis muestras de imágenes digitales de 100X100 píxeles (360 muestras en total), de hojas de frijol obtenidas 74 dds. Estas fueron usadas como variable de entrada para generar clasificadores con redes neuronales probabilísticas con el algoritmo de correlación en cascada de los tratamientos de deficiencias de Fe y Mn. Los clasificadores que solo consideraron características texturales, como variables de entrada, tuvieron porcentajes de clasificación correcta global de síntomas menores o iguales a 44 %. En cambio, el porcentaje de clasificación correcta global del mejor clasificador en la prueba fue 76.6 % con seis variables que incluyeron características de textura y color, y seis clases de salida o tratamientos de deficiencias. Un número menor de clases de salida no aumentó el porcentaje de clasificación correcta global en la prueba.

Palabras llave : croma; entropía; espacio de color RGB; homogeneidad local; matiz; segundo momento angular.

        · resumen en Inglés     · texto en Español     · Español ( pdf )