Extracción De Características Visuales Para La Clasificación Y Análisis De Plántulas En El Dataset Plant Seedlings Empleando Ciencia De Datos
DOI:
https://doi.org/10.24054/raaas.v16i2.4079Palabras clave:
Ciencia de datos, agricultura, procesamiento de imágenes, extracción de características, histogramasResumen
En este trabajo se presenta una metodología para la extracción, análisis y evaluación de características visuales aplicadas a imágenes del dataset Plant Seedlings, con el objetivo de mejorar la clasificación automática de plántulas en sus etapas iniciales. Se implementaron técnicas de procesamiento de imágenes para obtener descriptores de textura (LBP y características de Haralick), color (histogramas en el espacio HSV), forma (contornos y métricas geométricas) y estadísticas básicas (media, desviación estándar, curtosis y asimetría). Posteriormente, se llevó a cabo un análisis estadístico descriptivo de las características extraídas, el cual evidenció una alta variabilidad entre variables y baja multicolinealidad, lo que indica que los descriptores capturan aspectos diversos y complementarios de las imágenes. Los resultados sugieren que la combinación de múltiples tipos de descriptores mejora la capacidad discriminativa para la clasificación de especies vegetales. Esta metodología sienta las bases para el desarrollo de sistemas inteligentes aplicados a la agricultura de precisión, integrando ingeniería electrónica y ciencia de datos para lograr decisiones agronómicas más eficientes y sostenibles.
Descargas
Citas
Ali, H., Lali, M. I., Nawaz, M. Z., Sharif, M., & Saleem, B. A. (2017). Symptom based automated detection of citrus diseases using color histogram and textural descriptors. Computers and Electronics in Agriculture, 138, 92–104. https://doi.org/10.1016/j.compag.2017.04.008
Altalak, M., Uddin, M. A., Alajmi, A., & Rizg, A. (2022). Smart Agriculture Applications Using Deep Learning Technologies: A Survey. Applied Sciences (Switzerland), 12(12). https://doi.org/10.3390/app12125919
Castro Casadiego, S. A., Medina Delgado, B., Guevara Ibarra, D., Puerto López, K., Sánchez Mojica, K., & Niño Rondón, C. V. (2021). Efecto de los filtros morfológicos en los procesos de detección de objetos en movimiento. Mundo Fesc, 11(21), 87–95. https://www.fesc.edu.co/Revistas/OJS/index.php/mundofesc/article/view/676
Han, J., & Lee, C. (2020). Color Lane Line Detection Using the Bhattacharyya Distance. 11th International Conference on Information, Intelligence, Systems and Applications, IISA 2020, 6–9. https://doi.org/10.1109/IISA50023.2020.9284147
Juwono, F. H., Wong, W. K., Verma, S., Shekhawat, N., Lease, B. A., & Apriono, C. (2023). Machine learning for weed–plant discrimination in agriculture 5.0: An in-depth review. In Artificial Intelligence in Agriculture (Vol. 10, pp. 13–25). KeAi Communications Co. https://doi.org/10.1016/j.aiia.2023.09.002
Sharma, P., Berwal, Y. P. S., & Ghai, W. (2020). Performance analysis of deep learning CNN models for disease detection in plants using image segmentation. Information Processing in Agriculture, 7(4), 566–574. https://doi.org/10.1016/j.inpa.2019.11.001
Wang, C., Li, G., Xue, P., & Wu, Q. (2020). A Comparative Study of Face Recognition Classification Algorithms. International Journal of Advanced Network, Monitoring and Controls, 5(3), 23–29. https://doi.org/10.21307/ijanmc-2020-024
Yadav, S. P., & Yadav, S. (2020). Image fusion using hybrid methods in multimodality medical images. Medical and Biological Engineering and Computing, 58(4), 669–687. https://doi.org/10.1007/s11517-020-02136-6
Zebari, R., Abdulazeez, A., Zeebaree, D., Zebari, D., & Saeed, J. (2020). A Comprehensive Review of Dimensionality Reduction Techniques for Feature Selection and Feature Extraction. Journal of Applied Science and Technology Trends, 1(2), 56–70. https://doi.org/10.38094/jastt1224
Zhou, W., Gao, S., Zhang, L., & Lou, X. (2020). Histogram of Oriented Gradients Feature Extraction from Raw Bayer Pattern Images. IEEE Transactions on Circuits and Systems II: Express Briefs, 67(5), 946–950. https://doi.org/10.1109/TCSII.2020.2980557
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 REVISTA AMBIENTAL AGUA, AIRE Y SUELO
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
