| dc.description.abstract | A partir del año 2023 el departamento de Lambayeque disminuyo en producción de
arroz el 22,50 %, sin embargo existieron desafíos como plagas de Mosquilla y Sogata que
limitaron obtener cosechas adecuadas en los sembríos de arroz, debido a la escases de
agua y climas variables que se dieron en los últimos años, por esta razón el tratamiento y
identificación de plantas de arroz a tiempo es importante porque permite a los agricultores
buscar una solución adecuada, sin embargo realizarlo de manera manual es complicado,
existió una necesidad de obtener técnicas avanzadas que automaticen la identificación de
plantas de arroz sanas.
Es por eso que en esta investigación se necesitó segmentación de imágenes digitales
de plantas de arroz, que consistió en separar las plantas de arroz sanas de manera
automática de otros elementos que no eran plantas de arroz en la imagen. Siendo de utilidad
para diferenciar plantas de arroz donde pueden ser utilizados para el estudio de un desarrollo
tecnológico en detección de plagas, para poder realizarlo se utilizó un dispositivo de
adquisición de imágenes CANON, adquiriendo 50 imágenes en día soleado y 50 imágenes
en día nublado, luego se pre proceso convirtiendo a espacio de color CIELab y el otro espacio
de color fue HSV, se pre procesó porque las imágenes fueron adquiridas en un ambiente no
controlado, luego en CIELab se tomó la dimensión b y en HSV se tomó la dimensión S, porque
tuvieron un mejor performance, la dimensión b fue el ingreso para la segmentación con el
algoritmo K-MEANS y la dimensión S fue el ingreso para segmentar con el algoritmo
DBSCAN, En la segmentación con el algoritmo K-MEANS se obtuvo resultados en Exactitud
de 92.25% y una Especificidad de 100%. El algoritmo K-MEANS obtuvo mejores resultados
en detección de plantas de arroz porque a pesar que las imágenes tuvieron desenfoques,
sombras, barro, agua, logró obtener una mejor Exactitud en pixeles que fueron plantas,
confundiendo muy poco con los pixeles que no eran plantas. | |
