Procesamiento de imágenes digitales utilizando descriptores de forma para la identificación de deficiencias nutricionales a nivel foliar del cafeto

Abstract

La evaluación del estado nutricional de las plantas de café se hace generalmente mediante el análisis químico del suelo o por la visualización síntomas en las hojas de las planta, hecho generalmente por los mismos agricultores basados en la experiencia, lo cual puede ser susceptible a errores. Las dificultades que presentan el proceso de evaluación del estado nutricional de las plantas de café y su importancia en la agricultura y economía nacional, crean la necesidad de la búsqueda de automatizar estos procesos. Las deficiencias nutricionales en plantas de café afectan la producción y por tanto es importante identificar en forma temprana estas deficiencias. La presente investigación se centra en identificar automáticamente deficiencias nutricionales de Boro (B), Calcio (Ca), Hierro (Fe) y Potasio (K) usando descriptores de forma y textura en imágenes de hojas de cafeto. Luego de la adquisición de imágenes de hojas de café, estas son sometidas a un proceso de segmentación utilizando el método de Otsu. A las imágenes resultantes se aplicaron los descriptores Blurred Shape Model (BSM), Square Model Shape Matrix (SMSM), Gray-Level Co-occurrence Matrix (GLCM) para la extracción de características de forma y textura. Finalmente, se implementaron los clasificadores 1-NN, Naive Bayes y Neural Network que, usando las características extraídas, los cuales permiten inferir en el tipo de deficiencia que presente en cada imagen analizada.