Early warning system for coffee rust disease based on error correcting output codes: a proposal

• Corrales, David Camilo ^[1] ; Peña Q, Andrés J. ^[2] ; León, Carlos ^[3] ; Figueroa, Apolinar ^[1] ; Corrales, Juan Carlos ^[1]
  1. [1] Universidad del Cauca

     Universidad del Cauca

     Colombia

     
  2. [2] Centro de Investigaciones del Café
  3. [3] ParqueSoft

  Mostrar afiliaciones +
• Localización: Revista de Ingenierías: Universidad de Medellín, ISSN 1692-3324, Vol. 13, Nº. 25, 2014
• Idioma: inglés
• Títulos paralelos:
  • Sistema de alerta temprana para la roya en el café basado en códigos de salida de corrección de error: una propuesta
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 2 Citas
• Resumen
  • español

    Los productores de café colombianos han sufrido severas consecuencias por la Roya desde que fue reportada por primera vez en el país en el año 1983. Recientemente, investigadores de aprendizaje automático han intentado predecir la roya a través de clasificadores como: arboles de de­cisión, máquinas de vector de soporte, clasificadores no determinísticos y redes bayesianas, pero se ha demostrado teórica y empíricamente que la combinación de múltiples clasificadores puede mejorar sustancialmente el rendimiento en la clasificación. En este sentido es propuesto un sistema de alerta temprana para la roya en el café, basado en códigos de salida de corrección de error y máquinas de vector de soporte para calcular las funciones binarias de la densidad de planta, el nivel de sombra, la acidez del suelo, la intensidad de lluvia en la última noche, y en últimos días, con humedad relativa.

  • English

    Colombian coffee producers have had to face the severe consequences of the coffee rust disease since it was first reported in the country in 1983. Recently, machine learning researchers have tried to predict infection through classifiers such as decision trees, regression Support Vector Ma­chines (SVM), non-deterministic classifiers and Bayesian Networks, but it has been theoretically and empirically demonstrated that combining multiple classifiers can substantially improve the classification perfor­mance of the constituent members. An Early Warning System (EWS) for coffee rust disease was therefore proposed based on Error Correcting Output Codes (ECOC) and SVM to compute the binary functions of Plant Density, Shadow Level, Soil Acidity, Last Nighttime Rainfall Intensity and Last Days Relative Humidity.