Mobile application for the detection of black Sigatoka

• Autores: Yurley Tatiana Tovar Martínez, Arley Bejarano Martínez, Andrés Felipe Calvo Salcedo
• Localización: Visión electrónica, ISSN 1909-9746, ISSN-e 2248-4728, Vol. 14, Nº. 1, 2020
• Idioma: inglés
• Títulos paralelos:
  • Aplicativo móvil para la detección de Sigatoka negra
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La Sigatoka Negra es uno de los principales problemas que afectan la producción del cultivo de plátano, es por esto, que el desarrollo de sistemas que permitan la detección de enfermedades, generan una herramienta importante para el monitoreo y control realizado por el agricultor. El sistema propuesto, aprovecha el hardware en dispositivos móviles para implementar técnicas de visión por computador que permitan determinar el porcentaje de área afectada de la planta.

    El Smartphone es utilizado para adquirir datos y capturar la enfermedad a través de imágenes. Después se realiza la detección de los píxeles enfermos a través de un algoritmo de segmentación con análisis por histograma. Posteriormente se computa un modelo para el cálculo del área afectada.  Por último, se presenta la información a través de la interfaz de usuario.

    Para validar el método propuesto, se crea una base de datos con imágenes tomadas por medio del aplicativo para comparar su eficiencia a través del error RMS entre la segmentación manual y el resultado del algoritmo. Finalmente se realizan pruebas de usabilidad y tiempo de respuesta.

  • English

    Black Sigatoka is one of the main problems that affect the quality and production of the banana crop, it´s because of this, the development of systems to detect diseases, generate an important tool for the monitoring and control carried out by the farmer. The proposed system leverages hardware on mobile devices to implement computer vision techniques to determine the percentage of affected area of the plant.

    The smartphone is used to acquire data and capture the disease through images. The detection of diseased pixels is then performed through a segmentation algorithm with histogram analysis. A model for the calculation of the affected area is then computed. Finally, the information is presented through the user interface.

    To validate the proposed method, a database is created with images taken by the application to compare it´s efficiency through the RMS error between manual segmentation and the result of the algorithm. Finally, usability and response time tests are performed.