Un algoritmo de procesamiento de imagen de cuatro etapas para la detección y conteo de la oruga de la bolsa, Walker (Lepidoptera: Psychidae)
Autores: Ahmad, Mohd Najib; Shariff, Abdul Rashid Mohamed; Aris, Ishak; Abdul Halin, Izhal
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Oruga de la bolsa
Plantaciones de palma de aceite
Detección
Segmentación de imágenes
Algoritmo de aprendizaje profundo
Impacto económico
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
El gusano bolsón es una peligrosa plaga de insectos que come hojas y amenaza las plantaciones de palma aceitera en Malasia. El impacto económico de la defoliación de aproximadamente un 10% a un 13% debido al ataque del gusano bolsón podría causar una pérdida de rendimiento de alrededor de un 33% a un 40% en 2 años. Debido a esto, es necesario monitorear y detectar las poblaciones de gusanos bolsón en las plantaciones de palma aceitera como paso preliminar para garantizar una planificación adecuada de las acciones de control en estas áreas. Por lo tanto, se ha investigado y completado el desarrollo de un algoritmo de procesamiento de imágenes para la detección y conteo de Walker, una especie de gusano bolsón local de Malasia, utilizando segmentación de imágenes. Las características de color y forma de las imágenes segmentadas para la detección de objetos en tiempo real mostraron una precisión de detección promedio del 40% y 34%, a distancias de cámara de 30 cm y 50 cm, respectivamente. Después de algunas mejoras en el conjunto de datos de entrenamiento y marcando los gusanos bolsón detectados con un cuadro delimitador, se aplicó un algoritmo de aprendizaje profundo con la red neuronal convolucional regional más rápida (Faster R-CNN), lo que llevó a un aumento del porcentaje de precisión de detección de hasta el 100% a una distancia de cámara de 30 cm en condiciones cercanas. La solución propuesta también está diseñada para distinguir entre las larvas vivas y muertas de los gusanos bolsón utilizando la detección de movimiento, lo que resultó en una precisión de aproximadamente del 73 al 100% a una distancia de cámara de 30 cm en condiciones cercanas. A través del análisis de colores falsos, se observaron diferencias distintas en el recuento de píxeles basado en la pendiente para las pupas muertas y vivas a 630 nm y 940 nm, con las pendientes registradas en 0.38 y 0.28, respectivamente. El recuento de píxeles y la pendiente más altos se correlacionaron con las pupas muertas, mientras que el recuento de píxeles y la pendiente más bajos representaban a las pupas vivas.
Descripción
El gusano bolsón es una peligrosa plaga de insectos que come hojas y amenaza las plantaciones de palma aceitera en Malasia. El impacto económico de la defoliación de aproximadamente un 10% a un 13% debido al ataque del gusano bolsón podría causar una pérdida de rendimiento de alrededor de un 33% a un 40% en 2 años. Debido a esto, es necesario monitorear y detectar las poblaciones de gusanos bolsón en las plantaciones de palma aceitera como paso preliminar para garantizar una planificación adecuada de las acciones de control en estas áreas. Por lo tanto, se ha investigado y completado el desarrollo de un algoritmo de procesamiento de imágenes para la detección y conteo de Walker, una especie de gusano bolsón local de Malasia, utilizando segmentación de imágenes. Las características de color y forma de las imágenes segmentadas para la detección de objetos en tiempo real mostraron una precisión de detección promedio del 40% y 34%, a distancias de cámara de 30 cm y 50 cm, respectivamente. Después de algunas mejoras en el conjunto de datos de entrenamiento y marcando los gusanos bolsón detectados con un cuadro delimitador, se aplicó un algoritmo de aprendizaje profundo con la red neuronal convolucional regional más rápida (Faster R-CNN), lo que llevó a un aumento del porcentaje de precisión de detección de hasta el 100% a una distancia de cámara de 30 cm en condiciones cercanas. La solución propuesta también está diseñada para distinguir entre las larvas vivas y muertas de los gusanos bolsón utilizando la detección de movimiento, lo que resultó en una precisión de aproximadamente del 73 al 100% a una distancia de cámara de 30 cm en condiciones cercanas. A través del análisis de colores falsos, se observaron diferencias distintas en el recuento de píxeles basado en la pendiente para las pupas muertas y vivas a 630 nm y 940 nm, con las pendientes registradas en 0.38 y 0.28, respectivamente. El recuento de píxeles y la pendiente más altos se correlacionaron con las pupas muertas, mientras que el recuento de píxeles y la pendiente más bajos representaban a las pupas vivas.