“Detección de roya asiática en los cultivos de soja utilizando técnicas de visión por computador” es la investigación presentada como Tesis de Grado por la estudiante Alice Nathalia Colmán Barboza, de la Carrera de Ingeniería Informática.
La investigación se realizó en cooperación con el Instituto Paraguayo de Tecnología Agrícola (IPTA) sede Capitán Miranda, Departamento de Itapúa, para la detección de la Roya Asiática (Phakopsora pachyrhizi) en los cultivos de soja, con la finalidad de lograr agilizar su proceso de análisis por medio del procesamiento digital de imágenes y permitir ser una ayuda para los profesionales del área de fitopatología.
Cabe destacar la importancia de este trabajo como herramienta de soporte para el productor y sobre todo a los especialistas en el control de enfermedades, debido a que las inspecciones se realizan de forma manual siendo este tipo de diagnóstico una labor repetitiva y factores como el cansancio pueden afectar el criterio de evaluación por parte del experto, eso sin mencionar que un resultado puede variar de acuerdo a cada experto. Situación que se mejora por medio del uso de esta tecnología, consistente en la captura de imágenes, haciendo más rápida su detección y tratamiento.
La roya es una enfermedad originaria del continente asiático transmitida por hongos que afectan a una gran variedad de plantas; es considerada una de las enfermedades más severas que afecta el cultivo. Puede causar pérdidas de hasta el 90% en productividad.
A continuación se detalla algunos aspectos técnicos más importes que explica la estudiante en parte del resumen: “El proyecto se caracterizó por la realización de experimentos tanto de laboratorio como de campo. Para la elaboración del proyecto se utilizó el software matemático MATLAB y el cumplimiento de los objetivos constaron de separar el ruido y los factores externos de las imágenes capturadas, definiendo sus descriptores para su detección por medio de los espacios de colores RGB, L*A*B, HSV, utilizando medidas de promedio y desviación en cada canal, a su vez, características físicas como área, perímetro, eje mayor, eje menor, circunferencia, aspecto de radio, redondez, excentricidad y por último utilizar el algoritmo de aprendizaje supervizado SVM (Support Vector Machine) para clasificar los datos. Esta herramienta está compuesta por 5 módulos: Pre procesamiento, Segmentación, Identificación de Manchas, Extracción de Características y Clasificación. La entrada como dato inicial al sistema es la imagen de un foliolo de soja, que fue tomada por medio de un dispositivo celular dentro de un ambiente controlado. Fueron utilizadas 193 imágenes donde aleatoriamente se generaban un 70% para training y 30% para test dando un resultado final de precisión=0.023470, exactitud=0.922622, sensibilidad= 0.124670, y especificidad= 0.927575.”
De: Facultad de Ciencias y Tecnología
Fecha: 2019-09-30