Algoritmo de Detección de Sigatoka Negra en las Hojas de Plátano Por Medio De Inteligencia Artificial

Abstract

La planta de plátano es un gran impulsor de la economía a nivel mundial de los países productores de banano y plátano, en este contexto, la Sigatoka Negra es una enfermedad que se presenta en las plantas de plátano reduciendo la capacidad de producción de esta. Como consecuencia, la planta genera el nacimiento de racimos más pequeños a causa de la afectación, que se da por el impacto negativo que produce esta enfermedad en el proceso de fotosíntesis. En Colombia, esto representa pérdidas alrededor del 13% sobre los costos totales de producción. Con base en esto, se plantea desarrollar un algoritmo mediante inteligencia artificial y apoyado en un Entorno de Desarrollo Integrado (IDE) como MatLab. Para esto, se implementarán técnicas de procesamiento de imágenes a partir de una base de datos de imágenes enfermas y sanas. Esto se logra, analizando las imágenes en dos espacios de color (RGB y CIEL*a*b) para obtener características relevantes en ellas y permitir una segmentación de estas características, asilándolas en conjuntos o clústeres a través de la técnica conocida como k-means. Luego, se realizará un “entrenamiento” al algoritmo en pro de obtener un procesamiento adecuado y a su vez, permitir la identificación de los elementos más relevantes a través de un clasificador supervisado, que podrá detectar las hojas enfermas o sanas, con la intención de automatizar la detección de la enfermedad al través del tratamiento de imágenes. Palabras clave: SIGATOKA NEGRA, INTELIGENCIA ARTIFICIAL, ALGORITMO, PLANTA DE PLÁTANO, TRATAMIENTO DE IMÁGENES.