Oscar Eder Flores Colorado, Jair Cervantes Canales, Farid García Lamont, Jose Sergio Ruíz Castilla
{"title":"利用人工视觉鉴定咖啡植物(阿拉比卡咖啡)的主要病害","authors":"Oscar Eder Flores Colorado, Jair Cervantes Canales, Farid García Lamont, Jose Sergio Ruíz Castilla","doi":"10.30878/ces.v30n3a8","DOIUrl":null,"url":null,"abstract":"Se utilizan técnicas de reconocimiento de patrones para identificar hojas sanas y cuatro enfermedades de la planta del café Coffeea arabica. Las enfermedades son la roya del café, el minador de la hoja, phoma quema y Cercospora coffeicola. Para lograrlo, se ocuparon diferentes técnicas de segmentación, entre ellas Otsu, PCA y método de frontera global. Con el fin de obtener el vector de características, las imágenes se procesaron para extraer las características cromáticas, geométricas y textuales. Por último, se implementaron cuatro algoritmos de clasificación, entre los que se encuentran support vector machine, random forest, Naive Bayes y redes neuronales artificiales backpropagation. La mejor precisión obtenida es del 83% con segmentación Otsu y clasificación con redes neuronales artificiales backpropagation.","PeriodicalId":41781,"journal":{"name":"Ciencia Ergo-Sum","volume":"362 10","pages":"0"},"PeriodicalIF":0.2000,"publicationDate":"2023-11-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Identificación de las principales enfermedades de la planta del café (Coffea arabica) a través de visión artificial\",\"authors\":\"Oscar Eder Flores Colorado, Jair Cervantes Canales, Farid García Lamont, Jose Sergio Ruíz Castilla\",\"doi\":\"10.30878/ces.v30n3a8\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Se utilizan técnicas de reconocimiento de patrones para identificar hojas sanas y cuatro enfermedades de la planta del café Coffeea arabica. Las enfermedades son la roya del café, el minador de la hoja, phoma quema y Cercospora coffeicola. Para lograrlo, se ocuparon diferentes técnicas de segmentación, entre ellas Otsu, PCA y método de frontera global. Con el fin de obtener el vector de características, las imágenes se procesaron para extraer las características cromáticas, geométricas y textuales. Por último, se implementaron cuatro algoritmos de clasificación, entre los que se encuentran support vector machine, random forest, Naive Bayes y redes neuronales artificiales backpropagation. La mejor precisión obtenida es del 83% con segmentación Otsu y clasificación con redes neuronales artificiales backpropagation.\",\"PeriodicalId\":41781,\"journal\":{\"name\":\"Ciencia Ergo-Sum\",\"volume\":\"362 10\",\"pages\":\"0\"},\"PeriodicalIF\":0.2000,\"publicationDate\":\"2023-11-08\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Ciencia Ergo-Sum\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.30878/ces.v30n3a8\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"SOCIAL SCIENCES, INTERDISCIPLINARY\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Ciencia Ergo-Sum","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30878/ces.v30n3a8","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"SOCIAL SCIENCES, INTERDISCIPLINARY","Score":null,"Total":0}
Identificación de las principales enfermedades de la planta del café (Coffea arabica) a través de visión artificial
Se utilizan técnicas de reconocimiento de patrones para identificar hojas sanas y cuatro enfermedades de la planta del café Coffeea arabica. Las enfermedades son la roya del café, el minador de la hoja, phoma quema y Cercospora coffeicola. Para lograrlo, se ocuparon diferentes técnicas de segmentación, entre ellas Otsu, PCA y método de frontera global. Con el fin de obtener el vector de características, las imágenes se procesaron para extraer las características cromáticas, geométricas y textuales. Por último, se implementaron cuatro algoritmos de clasificación, entre los que se encuentran support vector machine, random forest, Naive Bayes y redes neuronales artificiales backpropagation. La mejor precisión obtenida es del 83% con segmentación Otsu y clasificación con redes neuronales artificiales backpropagation.