TRABAJO DE INVESTIGACIÓN DE RECONOCIMIENTO DE PATRONES MEDIANTE REDES NEURONALES PARA DETECTAR ENFERMEDADES EN HOJAS DE YERBA MATE.

Transcripción

1 TRABAJO DE INVESTIGACIÓN DE RECONOCIMIENTO DE PATRONES MEDIANTE REDES NEURONALES PARA DETECTAR ENFERMEDADES EN HOJAS DE YERBA MATE. Universidad Nacional de Misiones Facultad de Ciencias Exactas, Químicas y Naturales. Da Silva, Rodrigo Piloni, Matías. Solonezen, Lisandro. Abstract: este trabajo pretende analizar las enfermedades que aparecen en las hojas de la yerba mate. Para esto se procederá a utilizar un software encargado de reconocimiento de patrones, para la detección de las enfermedades de las hojas. Introducción La yerba mate es una planta arbustiva originaria de las cuencas de los ríos Paraná y Paraguay. Su utilidad es tanto para uso medicinal e infusión. Los cultivos de yerba mate de las provincias de Misiones contribuyen fuertemente a la economía de la región. Sin embargo, en los últimos años se han detectado en estas plantaciones la aparición de diversas enfermedades que no sólo causan considerables daños económicos a los productores, sino también podrían afectar a la salud humana. Página 1 de 11

2 Este trabajo está orientado, al estudio y análisis de las enfermedades de las plantas de yerba mate, utilizando para ello, herramientas para el reconocimiento de patrones. La primera parte del desarrollo está orientado al entrenamiento de patrones. Esta fase también abarca el tratamiento de imágenes antes de proceder con el entrenamiento. La segunda parte está orientada al reconocimiento, es decir, a la obtención de resultados y su posterior análisis. Para finalizar, se realizará una conclusión en base a los resultados y análisis obtenidos. Desarrollo Para el desarrollo de la siguiente investigación, se recolectaron 30 imágenes de 3072 X 2304 pixeles. Tratamiento de imagen: De las fotos originales se redujo el tamaño a 1024 X 768 pixeles, ya que la herramienta no soporta imágenes superiores a ese tamaño. Para el filtrado de las imágenes se utilizó el software PICACA 3 (Ver anexo-figura 1). Para ello se utilizo la función Arreglo básicos, seleccionando la propiedad Color automático (Elimina automáticamente el dominante de color y restaura el equilibrio del color sin modificar los valores de contraste y brillo). A continuación se puede observar una imagen ya filtrada: Página 2 de 11

3 Página 3 de 11

4 Entrenamiento: De las 30 imágenes, se tomaron 10 imágenes al azar para el entrenamiento de la red. Se identificaron 5 categorías. Para todas las imágenes la región de escaneo es 512 x 384 pixeles. Como se muestra en la siguiente figura: La región de interés varía dependiendo de las categorías que tengamos. El método de extracción de característica usado es el de perfil compuesto. El valor del MinIF del MaxIF es 20 y 50, respectivamente. Se utilizo un valor de MaxIF pequeño para que no reconozca patrones innecesarios. Para la imagen n 1 se utilizo una sola categoría Color ROJO, ya que presenta una sola enfermedad. Fueron necesario 8 neuronas. Para la imagen n 2 se utilizo una sola categoría Color Azul, ya que presenta una sola enfermedad. Fueron necesarias 12 neuronas. Para la imagen n 3 se redujo el área de escaneo 300 x 300. Se usaron 2 Categorías, una de color rosado (4 neuronas) y la otra de color negro (2 neuronas). Para la imagen n 4 se redujo el área de escaneo a 500 X 300. Se utilizo una categoría de color Marrón oscuro (4 neuronas). Para la imagen n 5 se utilizó 2 tipos de categorías, una de color verde fosforescente (5 neuronas) y la otra de color verde pasto (6 neuronas.) Para la imagen 6 se utilizo 2 categorías, una de color negro (5 neuronas) y la otra categoría es de violeta (4 neuronas.). En total se usaron 8 categorías y 55 neuronas, y el método de extracción de característica es Composite Profile (Color). Reconocimiento: Para el reconocimiento se utilizaron 20 imágenes. Para todas las imágenes la región de escaneo es 512 x 384 pixeles. Página 4 de 11

5 Pruebas realizadas A continuación, se muestra algunas imágenes de las pruebas realizadas con plantas que presentan síntomas de enfermedad en sus hojas: Ilustración Figura 1 1 Página 5 de 11 Ilustración Figura 2 2

6 Ilustración 3 Figura 3 Figura Ilustración 4 4 Página 6 de 11

7 Como podemos observar se ha detectado este tipo de enfermedad fue entrenado con un maxif de 100, con una región de scan de 512 X 384 y una región de interés de 15 X 14. Con respecto a las hojas que poseen un color de pigmento amarillo se realizaron las siguientes pruebas para detectarlas: Se utilizó una categoría de color amarillo para tratar de asociar esta enfermedad con el color de categoría. Ilustración 5 Página 7 de 11

8 Ilustración 6 Ilustración 7 Página 8 de 11

9 Ilustración 8 Se puede apreciar que detecta la enfermedad de las hojas con color amarillo. Observación Como podemos observar se han detectado correctamente los patrones entrenados en la mayoría de las fotos. Como vemos, por ejemplo, en la figura 4, se ha detectado dos tipos de categorías. Uno de los principales inconvenientes que tuvimos, es que al estar en una época de brote, las hojas de las plantas de yerba están en pleno crecimiento. Por tal motivo la gran mayoría de las hojas no presentan enfermedades. En el filtrado de las imágenes, se debería utilizar un software especializado para este tratamiento, ya que el utilizado es muy básico. Debido a la pigmentación de las hojas, el problema que se presento fue el difícil reconocimiento de patrones para el reconocimiento de dicha enfermedades. También a medida que íbamos entrenando a la red, las categorías creadas anteriormente desaparecían del combo. Pero luego al scanear las imágenes aparecían en las imágenes los patrones que se habían entrenado pero que no estaban en el combo. Conclusión Página 9 de 11

10 Con una primera etapa de investigación desarrollada, la continuidad del estudio permitirá la completa identificación de las enfermedades de las hojas de yerba mate. Lo que se busco con el presente trabajo es tratar de proporcionar o brindar una ayuda en cuanto a la búsqueda y reconocimientos de enfermedades en las hojas de la yerba mate, tratando de ayudar o aportar mínimamente a los trabajadores, productores, organizaciones e instituciones o cooperativas, así como también, para las personas que lo consumen, una investigación que haga de pie para futuras investigaciones de las causas de porque se producen estas enfermedades, a que plantas afectan, de que tipo son y demás temas que son de gran interés para la mejora de la productividad, para la mejora de la calidad, el tratamientos de las enfermedades, las posibles causas de las mismas, asegurando así, la salud de los que disfrutan diariamente de este producto único en el mundo. Bibliografía: La bibliografía proporciona por el curso de reconocimiento de patrones, Lucas Leiva, Anexo Software PICASA 3: Ilustración 9 Página 10 de 11

11 Software I_Wizard Ilustración 10 Página 11 de 11