Título
Análisis mediante técnicas de segmentación de imágenes de hojas de pepino (cucumis sativus) infestadas con cenicilla (sphaerotheca fuliginea).
Autor
RODRIGO MORALES GARCÍA
Colaborador
KARIM DE ALBA ROMENUS (Asesor de tesis)
ANTONIO JUAREZ MALDONADO (Asesor de tesis)
JOSÉ LUIS FRAGA ALMAZÁN (Asesor de tesis)
SUSANA GONZALEZ MORALES (Asesor de tesis)
ADALBERTO BENAVIDES MENDOZA (Asesor de tesis)
Nivel de Acceso
Acceso Abierto
Materias
Resumen o descripción
"En este documento, se propone el reconocimiento de cenicilla (Sphaerotheca fuliginea) en hojas de pepino (Cucumis sativus) basado en un método de procesamiento de imágenes y visión por computadora. A fin de investigar esta enfermedad es conveniente utilizar imágenes capturadas con dispositivos fotográficos por la abundancia y diversidad de dichos dispositivos. Para llevar a cabo el trabajo se establecieron dos ciclos de cultivo de pepino que se infestó con cenicilla. A medida que se desarrollaba la enfermedad se tomaron fotos para realizar el análisis. Se segmentaron las imágenes mediante las técnicas de binarización umbralizada utilizando tres métodos, binarización en escala de grises, binarización utilizando el método de color RGB y un algoritmo de k-medias con centroides inicialmente localizados para la detección de la enfermedad, se comparan los resultados entre los diversos métodos. La binarizarción analizada sobre la escala de grises permitió localizar la enfermedad en base a un porcentaje de los tonos más claros al igual que la binarización con el modelo de color RGB, aunque este último método analiza en cada una de sus capas previamente disociadas, el algoritmo k-medias identificó grupos con características similares que la imagen presentaba a partir de los centros proporcionados. También se realizó un análisis de detección de falsos positivos para todos los métodos con 25 fotografías previamente procesadas. Los resultados experimentales muestran que el método de binarización en escalas de grises propuesto programado en MatLab® presenta mejores resultados para el reconocimiento de la enfermedad que los demás métodos."
"In this document, we propose the recognition of powdery mildew (Sphaerotheca fuliginea) in cucumber leaves (Cucumis sativus) based on image processing and computer vision methods. In order to gain insight into this disease, it is convenient to use images captured with photographic devices due to the abundance and diversity of such devices. To carry out the work, two cucumber cycles were established and infested with powdery mildew. As the disease developed, photos were taken to perform the analysis. The images were segmented using three threshold binarization techniques: gray scale binarization, RGB binarization and K-means algorithm with initially located centroids. The results were compared between the different methods. The gray scale binarization as well as the RGB binarization allowed locating the disease based on a percentage of the lighter shades, although the latter method analyzes each one of the different color layers. The K-means algorithm identified groups with similar characteristics around provided centers. A false positive detection test was also performed for all methods with 25 previously processed photographs. The experimental results show that the proposed gray scale binarization method programmed in MatLab® presents better results for the recognition of the disease than the other methods."
Fecha de publicación
8 de septiembre de 2019
Tipo de publicación
Tesis de maestría
Versión de la publicación
Versión publicada
Recurso de información
Formato
application/pdf
Idioma
Español
Audiencia
Estudiantes
Investigadores
Repositorio Orígen
Repositorio Digital CID-UAAAN
Descargas
394