Metodología para clasificar el nivel de estrés utilizando imágenes hiperespectrales en cultivo de aguacate
No Thumbnail Available
Date
2023
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Santiago de Cali
Abstract
This article focuses on a feasibility study where the application of remote sensing based on hyperspectral images is used to classify the level of water stress in avocado crops using artificial intelligence techniques. This exploration involves employing various preprocessing methods based on representative bands of hyperspectral images.
It’s important to highlight that hyperspectral images are highly informative data sources, necessitating the use of different techniques for effective data management, enabling the analysis of imperceptible data. Therefore, the process of label generation and partitioning the database into pixel neighborhood information and localized information is detailed. Additionally, the use of vegetation indices in the agricultural analysis of avocado crops is essential for identifying areas of interest. Furthermore, it provides a detailed insight into data analysis, statistics, and the performance of classification models in the context of spectral reflectance of avocado genotypes, pinpointing challenges and areas for improvement that enhance the efficiency and precision of avocado crop monitoring, reducing the time associated with manual evaluation and providing a tool for farmers. Thus, the prediction results vary for the two avocado genotypes analyzed using convolutional and fully connected networks. This strategy achieves accuracy percentages ranging from 4.4% to 42.89%, estimating crucial factors to consider in the analyses.
Description
El presente artículo se enfoca como un estudio de factibilidad, donde la aplicación de la teledetección en base de imágenes hiperespectrales para clasificar el nivel de estrés hídrico en los cultivos de aguacate, se realicen técnicas de inteligencia artificial, la cual, permite que se explore la posibilidad de hacerlo, a través de diversos métodos de preprocesamiento basados en las bandas representativas de las imágenes hiperespectrales.
Es importante resaltar que las imágenes hiperespectrales constituyen una fuente de datos muy informativa, lo que implica la necesidad de emplear diferentes técnicas para una gestión efectiva de estos datos, permitiendo el análisis de datos imperceptibles, por lo tanto, se detalla el proceso de generación de etiquetas y la partición de la base de datos en información del vecindario de los píxeles e información localizada, así como la utilización de índices de vegetación en el contexto del análisis agrícola de cultivos de aguacate, siendo esencial para identificar áreas de interés. Además, proporcionan una visión detallada de análisis de datos, estadísticas, y rendimiento de modelos de clasificación en el contexto de la reflectancia espectral de genotipos de aguacate, señalando desafíos y áreas de mejora que impulsa la eficiencia y precisión del monitoreo de los cultivos de aguacate, reduciendo el tiempo asociado a la evaluación manual y proporcionando una herramienta para los agricultores. De este modo los resultados de predicción son variable en los 2 genotipos de aguacate que se analiza por medio de redes convolucionales y redes completamente conectadas. Esta estrategia permite alcanzar porcentajes entre el 4,4% a 42,89% de precisión que pueden estimar factores importantes a tener en cuenta en los análisis.
Keywords
Reflectancia espectral, Imágenes hiperespectrales, Estrés hídrico, Bandas espectrales
Citation
Carrera Carabali, S., & Torres Cardozo, M. S. (2023). Metodología para clasificar el nivel de estrés utilizando imágenes hiperespectrales en cultivo de aguacate. Universidad Santiago de Cali.