Seguimiento de la progresión de infección superficial de Banano (Musa paradisiaca) por trips de la mancha roja (Chaetanaphothrips signipennis) mediante perfiles espectrales y machine learning

• Autor: Cortez Falla, Hugo Joakyn
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional de Frontera
• Repositorio: UNFS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unf.edu.pe:UNF/208
• Enlace del recurso: http://repositorio.unf.edu.pe/handle/UNF/208
• Nivel de acceso: acceso abierto
• Materia: Banano; Mancha Roja; Imágenes hiperespectrales; Perfiles Espectrales; Machine learning; http://purl.org/pe-repo/ocde/ford#2.11.01

La región de Piura - Perú tiene como uno de los principales productos de exportación y fuente de ingresos el banano. Sin embargo; existe una creciente reducción su exportación por la presencia mancha roja causada por trips (Chaetanaphothrips signipennis), disminuyendo esto su aceptabilidad comercial. Por tanto; el objetivo de esta investigación fue determinar la factibilidad del seguimiento de infección por trips (Chaetanaphothrips signipennis) de la mancha roja en banano (musa paradisiaca) mediante perfiles espectrales y técnicas de machine learning. Una muestra de 256 bananos con diferentes niveles de progresión de infección por trips (Chaetanaphothrips signipennis), codificadas 1 a 3, fue recolectada en campos de cultivo del distrito de Marcavelica en la provincia de Sullana. Posteriormente, se obtuvieron imágenes hiperespectrales en el rango de 400 a 1000 nm, distribuidas en 224 longitudes de onda. Se desarrolló un programa en Matlab 2019a mediante el cual un evaluador entrenado extrajo perfiles representativos de áreas con los diferentes niveles de enfermedad. Finalmente fueron construidos modelos de clasificación con técnicas de machine learning SVM cuadrático, SVM cúbico y discriminante subespacial. Los modelos se validaron por el método de validación cruzada (k=5), repitiendo los cálculos cuarenta veces y reportando la precisión media en cada repetición. Los resultados muestran que el clasificador discriminante subespacial logró una precisión media de 91.9 %, mientras que el SVM cuadrático y SVM cúbico lograron medias de 84.0 y 80.8 % respectivamente. Se concluye que es factible realizar el seguimiento de infección por trips (Chaetanaphothrips signipennis) de la mancha roja en banano (musa paradisiaca) mediante perfiles espectrales y técnicas de machine learning, con tasas de éxito de hasta 94 %.