Nutritional deficiencies in coffee plants affect production and therefore it is important its early identification. The current research is focused on the automatic identification of nutritional deficiencies of Boron (B), Calcium (Ca), Iron (Fe) and Potassium (K), by using shape and texture descriptors in images of coffee tree leaves. After the acquisition of images containing coffee tree leaves, they are subjected to a segmentation process using Otsu’s method. Afterwards, for the resulting images they are applied the descriptors Blurred Shape Model (BSM) and Gray-Level Co-occurrence Matrix (GLCM) for extracting characteristics of shape and texture. Finally, the obtained image representation is used for training KNN, Naïve Bayes and Neural Network classifiers by using the extracted features, in order to infer the type of deficiency presented in each analyzed image. The experimental re...

Se presentan los  resultado obtenidos en el pre-procesamiento de imágenes digitales de hojas de café que incluye la eliminación de ruidos utilizando filtros suavizantes (Mediana, gaussiano) y filtros realzantes (Sobel, laplaciano, laplaciano de Gaussiano y HighBoost), posteriormente se realizó el proceso de segmentación basada en imágenes de hojas de café a escala de grises, teniendo mejores resultados usando los canales RG sin B para eliminar los bordes generados por la sombra de la imagen, finalmente para encontrar los bordes se usaron Sobel y Canny. Los resultados obtenidos se muestras comparando las técnicas utilizadas que sirven para futuras investigaciones basadas en caracterización y clasificación de hojas de café.  

Se presentan los  resultado obtenidos en el pre-procesamiento de imágenes digitales de hojas de café que incluye la eliminación de ruidos utilizando filtros suavizantes (Mediana, gaussiano) y filtros realzantes (Sobel, laplaciano, laplaciano de Gaussiano y HighBoost), posteriormente se realizó el proceso de segmentación basada en imágenes de hojas de café a escala de grises, teniendo mejores resultados usando los canales RG sin B para eliminar los bordes generados por la sombra de la imagen, finalmente para encontrar los bordes se usaron Sobel y Canny. Los resultados obtenidos se muestras comparando las técnicas utilizadas que sirven para futuras investigaciones basadas en caracterización y clasificación de hojas de café.  

Se presentan los resultado obtenidos en el pre-procesamiento de imágenes digitales de hojas de café que incluye la eliminación de ruidosutilizando filtros suavizantes (Mediana, gaussiano) y filtros realzantes (Sobel, laplaciano, laplacianode Gaussiano y HighBoost), posteriormente se realizó elproceso de segmentación basada en imágenes de hojas de caféa escala de grises, teniendo mejores resultados usando los canales RG sin Bpara eliminar los bordes generados por la sombra de la imagen, finalmente para encontrarlos bordes se usaron Sobel y Canny. Los resultados obtenidos se muestras comparando las técnicas utilizadas quesirvenpara futuras investigaciones basadas en caracterización y clasificación de hojas de café.