Análisis textural y de color de imágenes digitales del cultivo de frijol (Phaseolus vulgaris L.) en condiciones de deficiencia de hierro y manganeso usando clasificadores con redes nuronales artificiales.

Abstract

En la presente investigación se plantea el uso de métodos para la estimación del estatus nu-trimental del hierro (Fe) y manganeso (Mn) en el cultivo de frijol (Phaseolus vulgaris L.). Se proponen como una alternativa futura a los métodos de análisis químico una vez que puedan ser validados, pero con las ventajas de ser una opción rápida, económica y de aplicación in situ. Tales características no solo constituyen las ventajas per se, sino que pueden ser utilizadas como una herramienta en la generación de nuevos modelos para la optimización de la nutrición de los elementos estudiados, la alimentación de sistemas expertos que unan los conocimientos de disciplinas separadas o la creación de herramientas digitales para el monitoreo del estatus nutrimental del cultivo. Bajo este contexto, este trabajo se divide en tres capítulos, cada uno de los cuáles aborda el uso de modelos con redes neuronales artificiales. En un primer capítulo, se estudia la relación entre el índice de verdor, medido con un SPAD 502 (Minolta, Corp.) y los días a lo largo de la fenología del cultivo con el contenido de Fe; se propone entonces un modelo con índice de correlación de Pearson de 0.71. Por otro lado, en el Capítulo II, se aborda también la ocurrencia de la deficiencia de Mn además de la deficiencia de Fe; experimentalmente, se generan condiciones para la expresión de estas deficiencias además de un exceso; posteriormente se identifican con clasificadores, mediante el uso de redes neuronales artificiales, los patrones de textura y color en dos momentos de muestreo. Se obtiene que, tanto las características de color como de textura pueden ser de utilidad para la identificación de las deficiencias de Fe y Mn en el cultivo de frijol, con un éxito en el rango de 70 a 80 %. Finalmente, cuando se considera el papel preponderante del nitrógeno (N) en la conformación de la molécula de clorofila y tomando en cuanta que, el Fe también es causa del mismo desorden fisiológico, se establece un experimento con el propósito de evaluar el efecto del N en la conformación de los patrones de textura y color en la identificación de las deficiencias de Fe. De forma adicional, se llevan a cabo cuatro muestreos con el fin de evaluar el comportamiento de dichos patrones. Se obtiene que, los clasificadores pueden diferenciar las diferentes condiciones nutrimentales de Fe interactuando con N en el orden de 76 %, considerando un porcentaje global de clasificaciones correctas en la etapa de prueba. Se requieren explorar otras características para mejorar el desempeño de los clasificadores, sin embargo, los resultados obtenidos en esta investigación se consideran convenientes. _______________ TEXTURAL AND COLOR ANALYSIS OF DIGITAL IMAGES OF THE BEAN CROP (Phaseolus vulgaris L.) UNDER CONDITIONS OF IRON AND MANGANESE DEFICIENCY USING CLASSIFIERS WITH ARTIFICIAL NEURAL NETWORKS. ABSTRACT: In the present investigation the use of methods for the estimation of the nutritional status of iron (Fe) and manganese (Mn) in the bean crop (Phaseolus vulgaris L.) is proposed. These options are proposed as a future alternative to chemical analysis methods once they can be validated; the advantages of these methods are a fast, economical and in situ application options. Such characteristics not only constitute the advantages per se, but can be used as a tool in the generation of new models for the optimization of the nutrition of the elements studied, the feed-back of expert systems that put together the knowledge of separate disciplines or the creation of digital tools for monitoring the nutritional status of the crop. Under this context, this work is divided into three chapters, each of which addresses the use of models with artificial neural networks. In a first chapter, the relationship between the green index, measured with a SPAD 502 (Minolta, Corp.) and the days along the phenology of the crop with the content of Fe is studied; a model with a Pearson correlation index of 0.71 is then obtained. On the other hand, in Chapter II, the occurrence of the deficiency of Mn in addition to the iron deficiency is also addressed; experimentally, conditions are generated for the expression of these deficiencies as well as an excess; subsequently, the texture and color patterns in two sampling moments are identified with classifiers, using artificial neural networks. It is obtained that, both the characteristics of color and texture can be useful for the identification of the deficiencies of Fe and Mn in the bean crop, with a success in the range of 70 to 80%. Finally, when considering the preponderant role of nitrogen (N) in the conformation of the chlorophyll molecule and taking into account that Fe is also the cause of the same physiological disorder, an experiment is established with the purpose of evaluating the effect of the N in the conformation of the texture and color patterns in the identification of the deficiencies of Fe. Additionally, four samples are carried out in order to evaluate the behavior of said patterns. It is obtained that the classifier can differentiate the different Fe nutritional conditions by interacting with N in the order of 76%, considering a global percentage of correct classifications in the test stage. It is necessary to explore other characteristics to improve the performance of the classifiers, however, the results obtained in this research are considered convenient.