Diagnóstico de deficiencias de nitrógeno y maganesio con imágenes digitales

Abstract

La detección oportuna de deficiencias nutrimentales en hojas de plantas cultivadas permite tomar medidas correctivas inmediatas asi como predecir rendimientos. Las características espectrales y de textura de las imágenes se pueden utilizar para obtener información y correlacionarlos con el estado nutrimental de elementos esenciales que generan sintomatología similar en hojas de las plantas. En la presente investigación se estableció un experimento para medir las propiedades espectrales y característica texturales del cultivo de frijol con diferentes concentraciones de nitrógeno y magnesio de imágenes obtenidas con escáner. A partir de los valores de reflectancia se generaron modelos de regresión para asociar la concentración de nitrógeno y magnesio en el tejido vegetal. Además, los valores espectrales se relacionaron con características texturales utilizando redes neuronales para generar clasificadores que permitan conocer el comportamiento de las deficiencias mediante ésta técnica. Los modelos que presentaron mayor grado de asociación con respecto a la interacción de N-Mg fueron el CIE-b (r2 = 0.76), croma (r2 = 0.75), rojo, verde y CIE-L (r2 = 0.73). El mejor clasificador generado por redes neuronales fueron las variables de colores R, G, B, CIE-a con un 89.8% de clasificaciones correctas correspondientes a los tratamientos. Pero también, las combinaciones de variables de colores con texturas produjeron clasificadores adecuados (1) con los espacios de color RGB y CIE-Lab (87.07%) y (2) con las cuatro características texturales y espacios de color RGB y CIELab (88.44). Los valores texturales presentan una mejora considerable cuando se utilizan en combinación con variables de color, que cuando se usan solos. ______________ ABSTRACT: The opportune detection of nutrient deficiencies in plants grown leaves can take immediate corrective action as well as predict yields. The spectral characteristics and texture of the images can be used for information and correlate with nutritional status of essential elements that create similar symptoms in leaves of plants. In the present investigation, an experiment to measure the spectral properties and textural characteristics of bean cultivation with different concentrations of nitrogen and magnesium from images obtained with scanner. From the reflectance values the regression models were generated to associate the magnesium concentration of nitrogen in the plant tissue. In addition, the spectral values related to textural features using neural networks to generate classifiers that reveal the behavior of the deficiencies by this technique. The models had a higher degree of association with respect to the interaction of N-Mg were the ICD-b (r2 = 0.76), chroma (r2 = 0.75), red, green and CIE-L (r2 = .73). The best classifier neural networks were generated variables colors R, G, B, to a CIE-89.8% of correct classifications for treatments. But also, combinations of variables produced colors with textures suitable classifiers (1) with RGB color spaces and CIE-Lab (87.07%) and (2) with the four textural characteristics, and color spaces RGB and CIELab (88.44) . The textural values presented a considerable improvement when used in combination with variable color, which when used alone.