SciELO - Scientific Electronic Library Online

 
vol.29 número3Hongos Trichoderma como control biológico agrícola en MéxicoSolanum demissum Lindl. en el mejoramiento genético de la papa índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Não possue artigos similaresSimilares em SciELO

Compartilhar


Revista Chapingo. Serie horticultura

versão On-line ISSN 2007-4034versão impressa ISSN 1027-152X

Resumo

CAMPOS-FERREIRA, Ulises Enrique; GONZALEZ-CAMACHO, Juan Manuel  e  CARRILLO-SALAZAR, Alfredo. Identificación automática de enfermedades en frutos de aguacate con base en máquinas de aprendizaje y descriptores cromáticos. Rev. Chapingo Ser.Hortic [online]. 2023, vol.29, n.3, pp.115-130.  Epub 26-Jan-2024. ISSN 2007-4034.  https://doi.org/10.5154/r.rchsh.2023.04.002.

La identificación oportuna de problemas fitosanitarios en cultivos agrícolas es esencial para reducir pérdidas de producción. Los algoritmos de inteligencia artificial facilitan su identificación rápida y confiable. En esta investigación, se evaluaron tres clasificadores de aprendizaje: bosque aleatorio (RF), máquina de soporte vectorial (SVM) y perceptrón multicapa (MLP), para identificar tres clases objetivo (frutos sanos, antracnosis [Colletotrichum spp.] y roña [Sphaceloma perseae]) a partir de imágenes digitales de frutos. Se compararon dos técnicas de extracción de descriptores de color (selección por región y submuestreo de imágenes) con el clasificador RF, y se obtuvo una precisión global de clasificación (ACC) de 98±0.03 % con selección por región, y de 84±0.08 % con submuestreo. Posteriormente, los clasificadores se evaluaron con descriptores de color extraídos con selección por región. RF y MLP fueron superiores a SVM, con una ACC de 98±0.03 %. La roña y la antracnosis se identificaron con un puntaje F1 de 98 %. El alto desempeño de los clasificadores muestra el potencial de aplicación de los paradigmas de inteligencia artificial para identificar problemas fitosanitarios en cultivos agrícolas.

Palavras-chave : Persea americana; Sphaceloma perseae; Colletotrichum spp.; aprendizaje automático; inteligencia artificial..

        · resumo em Inglês     · texto em Inglês | Espanhol     · Inglês ( pdf ) | Espanhol ( pdf )