Publicado

2015-07-01

Procesamiento de imágenes para reconocimiento de daños causados por plagas en el cultivo de Begonia semperflorens (flor de azúcar)

Methodology for Pest Damage recognition in the “Sugar Flower” Begonia Semperflorens crop through image processing

DOI:

https://doi.org/10.15446/acag.v64n3.42657

Palabras clave:

Procesamiento de imágenes, detección de plagas, monitoreo de cultivos, filtros morfológicos, difuminado gaussiano. (es)
Image processing, pest detection, farming monitoring, morphological filters, Gaussian Blur (en)

Autores/as

  • Camilo Andrés Cáceres Flórez Facultad de Ingeniería. Universidad Militar Nueva Granada, Bogotá, Colombia
  • Olga Lucia Ramos Sandoval Facultad de Ingeniería. Universidad Militar Nueva Gra-nada, Bogotá, Colombia
  • Dario Amaya Hurtado Facultad de Ingeniería. Universidad Militar Nueva Gra-nada, Bogotá, Colombia
En este trabajo se presentan los resultados obtenidos en el reconocimiento de plagas utilizando la visión de máquina por computador como elemento de diagnóstico.  La captura de las imágenes se realizó por medio de un agente robótico aéreo (drone) equipado con una cámara, lo que permitió capturar las imágenes del estado de las hojas de un cultivo de la planta conocida como ‘flor de azúcar’ (Begonia semperflorens).  Estas imágenes fueron procesadas utilizando técnicas de visión de máquina con el fin de identificar el posible ataque de plagas en el cultivo.  Las técnicas utilizadas corresponden a filtros morfo-lógicos, difuminado gaussiano y filtrado HSL.  Como resultado principal de este trabajo se detectaron perforaciones de hojas ocasionadas por el ataque de plagas, específicamente babosas, caracoles, arañas rojas y minadoras.
 
 
 
 
Nowadays, an important element in farming, is the use of technology, based on the analysis of the differ-ent factors that affect the correct development of the crops.  The results are presented in the recognition of pests, in this work is used computer machine vision, as a diagnostic.  The images are capturing are with a robotic air agent, equipped with a camera, capturing images of the state of a crop of a plant called ‘Flor de azúcar’ (Begonia semperflorens).  These images are processed using machine vision techniques to identify the possible attack of pests on the crop.  The techniques used are morphological filters, Gaussian blur filter and HSL.  The main result of this work was accomplished, perform the detection of the perforation of the leaves as a result of pest attack, specifically slugs, snails, spider mites and leafminers.

Referencias

Barata, T.; y Pina, P. 2003. Morphological recognition of olive grove patterns. En: Perales F. J.; Campilho A. J.; Perez, N.; y Sanfeliu, A. Pattern recognition and image analysis. Mallorca. p. 89 - 96. Editorial Springer.

Bovik, A. C. 2005. Handbook of image and video processing, 2th. ed. Londres. Elsevier Academic Press.1384 p.

Etxeberria, J. A. 2010. Algoritmo de reconocimiento de forma y color para una plataforma robótica. Tesis de Master. Universidad del País Vasco. Departamento de Ciencia de la Computación e Inteligencia Artificial. En: http://www.ccia-kzaa.ehu.es/s0140-con/es/contenidos/informacion/tesis_master/es_t_master/adjuntos /10jaristondo.pdf. Consulta: Julio de 2013.

Fonterlz, J. O. 2013. Begonia Semperflorens, Flor de Azúcar, Begonia siempre Florida. En: Plantas Villor, http://plantasvillor.es/begonia-semperflorens-flor-de-azucar-begonia-siempre-florida/#.UhVWQJI9-zt; consulta: Julio de 2013.

Gedraite, E. S. y Hadad, M. 2011. Investigation on the effect of a Gaussian Blur in image filtering and segmentation. ELMAR Proceedings. p. 393 - 396.

Grbić, M.; Van Leeuwen, T.; Clark, R. M.; Rombauts, S.; Rouzé, P.; Grbić, V.; Osborne, E. J.; y Dermauw, W. 2011. The genome of Tetranychus urticae reveals herbivorous pest adaptations. Nature 479(7374):487 - 492.

Hendriks, L.; Cris, L.; Borgefors, G.; Strand. R. 2013. 11th International Symposium, 11th International Symposium, ISMM 2013, Uppsala, Sweden, May. p. 27 – 29.

Husin, Z. B.; Shakaff, A.; Aziz, A.; Farook, R. 2012. Feasibility study on plant chili disease detection using image processing techniques. Third Int. Conf. Intelligent Syst.. Modelling and Simulation (ISMS). p. 291 - 296.

Yan, L.; Chunlei, X.; y JangMyung, L. 2009. Vision-based pest detection and automatic spray of greenhouse plant. IEEE International Symposium on Industrial Electronics. p. 920 - 925.

Jin-liang, Y.; Yi-bo, G.; Liang-jun, M.; y Yi-Ping, Y. 2008. Scene text extraction based on HSL. International Symposium on Computer Science and Computational Technology. 2. p. 315 - 319.

Nixon, M. S. y Aguado, A. S. 2002. Feature extraction and image processing. 1th Ed. Londres. Newnes.

Noda, K.; Ezaki, N.; Takizawa, H.; Mizuno, S.; y Yamamoto, S. 2006. Detection of plant saplessness with image processing. International Joint Conference SICE-ICASE. p. 4856 - 4860.

Najman, L. y Talbot, H. 2010. Mathematical morphology: from theory to applications. ISTE-Wiley. 520 p.

Perkins, C. 2009. The blur & sharpen effects. En: the after effects illusionist. Boston. Focal Press. p. 43 - 84.

Shih, F. 2009. Image processing and mathematical morphology. CRC Press. p. 55 - 87.

Sun, D. W. 2012. Computer vision technology in the food and beverage industries. Elsevier. 208 p.

Wesolkowski, S.; Dony, R. D.; y Jernigan, M. E. 1999. Global color image segmentation strategies: Euclidean distance vs. vector angle. Neural Networks for Signal Processing. Proceedings of the IEEE Signal Processing Society Workshop. p. 419 – 428.

Dimensions

PlumX

Visitas a la página del resumen del artículo

3601

Descargas

Los datos de descarga aún no están disponibles.

Cómo citar

Cáceres Flórez, C. A., Ramos Sandoval, O. L., & Amaya Hurtado, D. (2015). Procesamiento de imágenes para reconocimiento de daños causados por plagas en el cultivo de Begonia semperflorens (flor de azúcar). Acta Agronómica, 64(3), 273-279. https://doi.org/10.15446/acag.v64n3.42657