Identificación Automática del Nivel de Daño de la Cenicilla Polvorienta a Través de Firmas Espectrales en Plantas de Cucurbita Pepo L

Resumen: La cenicilla polvorienta es un problema común en los cultivos de cucurbitáceas. Esta enfermedad minimiza el periodo de cosecha, el rendimiento de las plantas y reduce la fotosíntesis causando senescencia en las hojas. Se identificaron 4 niveles de daño (T1-hoja sana, T2-hoja en tiempo de germinación, T3-hoja con primeros síntomas y T4-hoja enferma) de la cenicilla polvorienta en hojas de Cucurbita pepo L (C. pepo L.). Se propone un algoritmo compuesto por 5 etapas para la identificación automática. A través de una base de datos compuesta de firmas espectrales e imágenes tomadas de hojas de C. pepo L., se obtuvieron datos para determinar los niveles de daño identificados. Para este trabajo, se consideraron las firmas espectrales para ser caracterizadas por medio del cálculo de 64 índices de vegetación. Se utilizaron herramientas estadísticas para descartar algunas de las características. Se trabajó con una etapa de clasificación binaria en base a los algoritmos del k-vecino más cercano (KNN) y las máquinas de soporte vectorial (SVM) para resolver casos en que las características resultantes fueran linealmente separables o no linealmente separables. En la etapa final, se planteó un problema de multiclasificación y su evaluación de desempeño. Como resultado, se obtuvo la identificación automática de los datos de entrada a un vector resultante clasificado indicando el nivel de daño de la cenicilla polvorienta en las hojas de C. pepo L.

¿Cómo citar?

C. A. Rivera-Romero, E. R. Palacios-Hernández, M. Trejo-Durán, O. Vite-Chávez & J. A. Morales-Saldaña†. Identificación Automática del Nivel de Daño de la Cenicilla Polvorienta a Través de Firmas Espectrales en Plantas de Cucurbita Pepo L. Memorias del Congreso Nacional de Control Automático, pp. 495-500, 2018.

Palabras clave

Firma espectral, espectroscopia, índices de vegetación, Cucurbita pepo L., análisis de varianza, multiclasificación

• Bajwa, S., Rupe, J., and Mason, J. (2017). Soybean disease monitoring with leaf reflectance. Remote Sensing, 9, 127.
• Barickman, T.C., Horgan, T.E., and Wilson, J.C. (2017). Efficacy of fungicide applications and powdery mildew resistance in three pumpkin cultivars. Crop Protection, 101(Supplement C), 90 – 94.
• Cammarano, D., Fitzgerald, G.J., Casa, R., and Basso, B. (2014). Assessing the robustness of vegetation indices to estimate wheat n in mediterranean environments. Remote Sensing, 6(4), 2827–2844.
• Cao, X., Luo, Y., Zhou, Y., Duan, X., and Cheng, D. (2013). Detection of powdery mildew in two winter wheat cultivars using canopy hyperspectral reflectance. Crop Protection, 45, 124 – 131.
• Herrmann, I., Berenstein, M., Paz-Kagan, T., Sade, A., and Karnieli, A. (2017). Spectral assessment of two-spotted spider mite damage levels in the leaves of greenhouse-grown pepper and bean. Biosystems Engineering, 157, 72 – 85.
• Lu, S., Lu, X., Zhao, W., Liu, Y., Wang, Z., and Omasa, K. (2015). Comparing vegetation indices for remote chlorophyll measurement of white poplar and chinese elm leaves with different adaxial and abaxial surfaces. Journal of Experimental Botany, 66(18), 5625–5637.
• Meier, U. (2001). Growth stages of mono- and dicotyledonous plants, bbch monograph.
• Muhammed, H.H. (2005). Hyperspectral crop reflectance data for characterising and estimating fungal disease severity in wheat. Biosystems Engineering, 91(1), 9 – 20.
• Rumpf, T., Mahlein, A.K., Steiner, U., Oerke, E.C., Dehne, H.W., and Plumer, L. (2010). Early detection and classification of plant diseases with support vector machines based on hyperspectral reflectance. Computers and Electronics in Agriculture, 74(1), 91 – 99.