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

dc.contributor.advisorCastro Silupú, Wilson Manuel
dc.contributor.authorCortez Falla, Hugo Joakyn
dc.date.accessioned2022-12-23T16:04:20Z
dc.date.available2022-12-23T16:04:20Z
dc.date.issued2022-12-22
dc.description.abstractLa 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 %.es_ES
dc.description.uriTesises_ES
dc.formatapplication/pdfes_ES
dc.identifier.urihttp://repositorio.unf.edu.pe/handle/UNF/208
dc.language.isospaes_ES
dc.publisherUniversidad Nacional de Fronteraes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/*
dc.sourceUniversidad Nacional de Fronteraes_ES
dc.sourceRepositorio Institucional - UNFes_ES
dc.subjectBananoes_ES
dc.subjectMancha Rojaes_ES
dc.subjectImágenes hiperespectraleses_ES
dc.subjectPerfiles Espectraleses_ES
dc.subjectMachine learninges_ES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.11.01es_ES
dc.titleSeguimiento de la progresión de infección superficial de Banano (Musa paradisiaca) por trips de la mancha roja (Chaetanaphothrips signipennis) mediante perfiles espectrales y machine learninges_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
renati.advisor.dni40322327
renati.advisor.orcidhttps://orcid.org/0000-0001-7286-1262es_ES
renati.author.dni71741097
renati.discipline721046es_ES
renati.jurorLachira Estrada, Diego Salvadores_ES
renati.jurorEspinoza Delgado, Milagros del Pilares_ES
renati.jurorSaavedra Cano, Fermín Máximoes_ES
renati.levelhttp://purl.org/pe-repo/renati/nivel#tituloProfesionales_ES
renati.typehttp://purl.org/pe-repo/renati/type#tesises_ES
thesis.degree.disciplineIngeniería de Industrias Alimentariases_ES
thesis.degree.grantorUniversidad Nacional de Frontera. Facultad de Ingeniería de Industrias Alimentarias y Biotecnologíaes_ES
thesis.degree.levelTitulo Profesionales_ES
thesis.degree.nameCortez Falla, Hugo Joakynes_ES

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
TESIS - Cortez Falla, Hugo Joakyn.pdf
Size:
3.33 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: