Alumna desarrolla un programa para detección rápida de roya

Alice Colmán Barboza, estudiante de la carrera de Ingeniería Informática de la Universidad Católica Campus Itapúa, desarrolló un software para la rápida detección de roya. La investigación fue presentada como proyecto final de tesis bajo el título «Detección de roya asiática en los cultivos de soja utilizando técnicas de visión por computador».

La investigación se realizó en cooperación con el Instituto Paraguayo de Tecnología Agrícola (IPTA), sede Capitán Miranda, Itapúa, para la detección de Roya Asiática (Phakopsora pachyrhizi) en los cultivos de soja, con la finalidad de lograr agilizar su proceso de análisis por medio del procesamiento digital de imágenes y ser una herramienta de ayuda a los profesionales del área de fitopatología.

El objeto del trabajo es ofrecer un soporte para el productor y sobre todo a especialistas en control de enfermedades, debido a que las inspecciones se realizan manualmente este tipo de diagnóstico pueden convertirse en una labor repetitiva y factores como el cansancio pueden llegar a afectar el criterio de evaluación por parte del experto, sin mencionar que el resultado puede variar de acuerdo a cada experto. Por medio del uso de esta tecnología, que consiste en la captura de imágenes, se hace más rápida y efectiva la detección y por consiguiente el tratamiento a aplicarse.

Roya Asiática 

La roya es una enfermedad originaria del continente asiático transmitida por hongos que afectan a una gran variedad de plantas; es considerada una de las enfermedades más severas que afecta el cultivo. Puede causar pérdidas de hasta el 90% en productividad.

La alumna, explica en parte detalles técnicos del programa desarrollado; “el proyecto se caracterizó por la realización de experimentos tanto de laboratorio como de campo. Para la elaboración del proyecto se utilizó el software matemático MATLAB y el cumplimiento de los objetivos constaron de separar el ruido y los factores externos de las imágenes capturadas, definiendo sus descriptores para su detección por medio de los espacios de colores RGB, L*A*B, HSV, utilizando medidas de promedio y desviación en cada canal, a su vez, características físicas como área, perímetro, eje mayor, eje menor, circunferencia, aspecto de radio, redondez, excentricidad y por último utilizar el algoritmo de aprendizaje supervizado SVM (Support Vector Machine) para clasificar los datos.»

Y finalmente, «esta herramienta está compuesta por 5 módulos: Pre procesamiento, Segmentación, Identificación de Manchas, Extracción de Características y Clasificación. La entrada como dato inicial al sistema es la imagen de un foliolo de soja, que fue tomada por medio de un dispositivo celular dentro de un ambiente controlado. Fueron utilizadas 193 imágenes donde aleatoriamente se generaban un 70% para training y 30% para test dando un resultado final de precisión=0.023470, exactitud=0.922622, sensibilidad= 0.124670, y especificidad= 0.927575.”