Look-up in Google Scholar
Title: Clasificación de hojas de tomate con plagas o enfermedades usando una máquina de soporte vectorial (SVM)
Advisor(s): Ipanaqué Alama, William
OCDE field: https://purl.org/pe-repo/ocde/ford#2.02.03
Issue Date: 17-May-2021
Institution: Universidad de Piura
Abstract: El objetivo del trabajo es desarrollar un algoritmo de tipo SVM (Support Vector Machine), que sea capaz de clasificar imágenes de hojas de planta de tomate en plantas sanas o en plantas con hongos, plagas y otras enfermedades. Adicionalmente, se desarrolla otro algoritmo clasificador SVM multiclase con el fin de comparar y definir el mejor método para la clasificación. El algoritmo creado tendrá como propósito analizar imágenes de la hoja de tomate y clasificarlas en sanas o enfermas, pero no se contempla la implementación de dicho algoritmo a un sistema que controle automáticamente la presencia o no de plagas en plantas de tomate, ni la creación de una interfaz de fácil acceso para el mismo fin. La metodología propuesta se desarrolla en múltiples etapas. En primer lugar, se obtuvo un dataset de imágenes de hojas de tomate. Estas imágenes son procesadas y sus principales características de color y textura son extraídas. Luego de la extracción de características, el 80% del dataset es utilizado para el entrenamiento del respectivo modelo SVM, mientras que, el restante 20%, es usado para probar el modelo y obtener las matrices de confusión y algunas métricas para evaluar su desempeño. En el primer programa se realizó una clasificación en dos etapas, utilizando un SVM binario en secuencia. La primera etapa clasifica a las hojas en sanas o enfermas y con este modelo se obtuvo una precisión al 99.3%. En tanto, la segunda etapa clasifica a las hojas enfermas en alguna de las dos enfermedades: tizón tardío o marchitamiento bacteriano. Con este modelo se obtuvo una precisión del 97.2% en promedio. Por otro lado, en el segundo programa clasificador, usó un único modelo SVM multiclase (uno contra todos), con el que se obtuvo una precisión promedio del 95% de las clases.
Discipline: Ingeniería Mecánico-Eléctrica
Grade or title grantor: Universidad de Piura. Facultad de Ingeniería
Grade or title: Bachiller en Ingeniería Mecánico-Eléctrica
Juror: Ipanaqué Alama, William; Quispe Chanampa, Carlos Nicolás
Register date: 17-May-2021



This item is licensed under a Creative Commons License Creative Commons