Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://repositorio.espe.edu.ec/handle/21000/32784
Titel: Propuesta metodológica para la detección de Fusarium raza 1, Sigatoka Negra y Picudo Negro en banano mediante el análisis de imágenes multiespectrales de muy alta resolución (UAV)
Director(es): Leiva González, César Alberto
Autor(en): Albarracín Yugcha, Karen Michelle
Stichwörter: FUSARIUM EN BANANO
SIGATOKA NEGRA EN BANANO
PICUDO NEGRO
ÍNDICES DE VEGETACIÓN
MÉTODOS DE CLASIFICACIÓN
Erscheinungsdatum: 2022
Herausgeber: Universidad de las Fuerzas Armadas ESPE. Carrera de Ingeniería Geográfica y del Medio Ambiente
Zitierform: Albarracín Yugcha, Karen Michelle (2022). Propuesta metodológica para la detección de Fusarium raza 1, Sigatoka Negra y Picudo Negro en banano mediante el análisis de imágenes multiespectrales de muy alta resolución (UAV). Carrera de Ingeniería Geográfica y del Medio Ambiente. Universidad de las Fuerzas Armadas ESPE. Matriz Sangolquí
Zusammenfassung: El banano es una planta que se ha visto afectada por varias enfermedades entre las cuales se tiene el Fusarium, Sigatoka Negra y Picudo negro, que provocan pérdidas en la productividad. Elproyecto consiste en el desarrollo de una metodología que permita identificar la marchitez por FOC R1, Sigatoka Negra y Picudo Negro en banano, utilizando imágenes multiespectrales basadas en vehículos aéreos no tripulados (UAV). Para ello se trabajó durante los primeros meses del año 2022, en el cantón Caluma para la identificación de Fusarium y, en la parroquia rural Patricia Pilar para la identificación de Sigatoka Negra y Picudo Negro. En la primera fase se realizó la toma de imágenes multiespectrales mediante un vehículo aéreo no tripulado (UAV) a 80 m de altura con una cámara Parrot Sequoia. En la segunda fase se procesaron las imágenes multiespectrales para obtener orto mosaicos que sirvieron como insumos para calcular los índices de vegetación: NDVI, GNDVI, NDRE, CIGreen, CIRE; y aplicación de métodos de clasificación: Random Forest (RF) y Support Vector Machine (SVM). Finalmente, en la fase 3 a los índices de vegetación, se aplicó un análisis de varianza (ANOVA), y se obtuvo como resultado que los índices de vegetación no presentan diferencias significativas en la identificación de FOC R1, Sigatoka Negra y Picudo Negro en las plantas de banano. Se aplicó la matriz de confusión y el índice kappa a los algoritmos de clasificación, dando como resultado que el método más adecuado para identificación de bananos con FOC R1 es el algoritmo de Random Forest con una exactitud del 68%, precisión del 50%, sensibilidad del 75%, e índice kappa de 0.35.
URI: http://repositorio.espe.edu.ec/handle/21000/32784
Enthalten in den Sammlungen:Tesis - Carrera de Ingeniería Geográfica y del Medio Ambiente

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
T-ESPE-052532.pdfTRABAJO DE TITULACIÓN3,49 MBAdobe PDFÖffnen/Anzeigen
T-ESPE-052532-R.pdfRESUMEN10,47 kBAdobe PDFÖffnen/Anzeigen
T-ESPE-052532-D.pdfDEFENSA4 MBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.