Detección de estrés en cultivos   agrícolas con datos espectrales utilizando métodos de selección de bandas

Carmona Zuluaga, Pablo

View/Open

Trabajo de grado (2.357Mb)

carta autorización (139.9Kb)

QRCode

Detección de estrés en cultivos agrícolas con datos espectrales utilizando métodos de selección de bandas

Date

2023

PDF Documents

Title

Detection of stress in agricultural crops with spectral data using band selection methods.

Abstract

Los sensores espectrales permiten obtener información sobre las propiedades del material a través de la luz reflejada. A partir de este tipo de datos se estudia el estrés abiótico nutricional en los cultivos de maíz, fríjol y aguacate. Para este fin, se propone una metodología que utiliza técnicas de reducción de dimensiones basada en selección de bandas y discrimina diferentes tratamientos nutricionales en las plantas. Los métodos elegidos son Bombs, SVD y OCF para selección de bandas y SVM, RF y NN para clasificación y detección del nivel nutricional. La metodología se prueba con tres bases de datos sometidas a diferentes tratamientos nutricionales: cultivo de maíz sometido a deficiencias de nitrógeno, cultivo de frijol sometido a deficiencias por fósforo, y aguacate sometido a deficiencias por fósforo. Los resultados arrojan que para diferencia nutricional de 50 % se detecta el estrés por nitrógeno con precisión de hasta 98 % en maíz y para estrés por fósforo con precisión de hasta 66 % en fríjol y 77 % en aguacate. Sin embargo, estos valores bajan al tener diferencia nutricional de 25 % entre clases, obteniendo máxima precisión de 74 % para maíz y 38 % para aguacate. Entonces, se concluye que la detección de niveles de estrés de 50 % es factible para cualquiera de las bases de datos con la metodología propuesta. Sin embargo, actualmente solo es aplicable a la detección de diferencias nutricionales de 25 % en maíz. Es posible que estos resultados mejoren con una mayor cantidad de datos y se considera un importante trabajo a futuro comprobarlo

Abstract

Spectral sensors obtain information about the material properties through reflected light. Using this type of data, abiotic nutritional stress in corn, bean, and avocado crops is studied. A methodology is proposed that employs dimensionality reduction through band selection and classifies different stress levels present in plants. The chosen methods are Bombs, SVD, and OCF for band selection and SVM, RF, and NN for classification and nutritional level detection. The methodology is tested with three databases subjected to different nutritional treatments: maize crop subjected to nitrogen deficiencies, bean crop subjected to phosphorus deficiencies, and avocado subjected to phosphorus deficiencies. Results show that for a 50 % nutritional difference, nitrogen stress detection is up to 98 % in corn, and phosphorus stress detection is up to 66 % in beans and 77 % in avoca- do. However, these values decrease when there are 25 % nutritional differences between classes, with a maximum accuracy of 74 % for corn and 38 % for avocado. It is concluded that stress level detection of 50 % is feasible for any of the databases with the proposed methodology, but it is currently only applicable to the detection of 25 % nutritional differences in corn. It is possible that these results will improve with a greater amount of data and it is considered an important future work to verify it