Estimación de parámetros biofísicos de interés para la mejora de trigo usando inteligencia artificial

• O. E. Apolo-Apolo ^[1] ; M. Pérez-Ruiz ^[1] ; J. Martínez-Guanter ; G. Egea ^[1]
  1. [1] Universidad de Sevilla

     Universidad de Sevilla

     Sevilla, España

     
• Localización: X Congreso Ibérico de Agroingeniería: Libro de actas / Francisco Javier García Ramos (ed. lit.), Pablo Martín Ramos (ed. lit.), 2019, ISBN 978-84-16723-79-9, págs. 959-966
• Idioma: español
• Enlaces
  • Texto completo
• Resumen

  • La estimación de parámetros biofísicos como el índice de área foliar (IAF) ha sido un reto en los últimos años. Los métodos directos e indirectos existentes hasta el momento son costosos tanto en tiempo como en dinero. El desarrollo en los últimos años de las plataformas de fenotipado ha abierto la posibilidad de crear nuevas herramientas que ayuden a los mejoradores a tomar decisiones. El objetivo de este trabajo ha sido el desarrollo de una red neuronal artificial (ANN) para estimar IAF a partir de imágenes RGB y comparar su poder predictivo con otro método indirecto basado en el uso de imágenes hemisféricas y la teoría de la fracción de huecos. Los valores de IAF estimados con ambos métodos indirectos se compararon con medidas de IAF obtenidas de forma no destructiva con una relación alométrica determinada previamente en las parcelas de ensayo que explica en un 93% la variabilidad del área foliar unitaria observada (RMSE = 0.22 cm2). Los valores de IAF obtenidos con imágenes hemisféricas obtuvieron, en comparación con los medidos con la relación alométrica, un error próximo al 19%. Sin embargo, los valores de IAF obtenidos con la ANN obtuvieron un error notablemente inferior y próximo al 7%. Estos resultados muestran el gran potencial del modelo desarrollado, el cual puede continuar mejorando a través de la optimización del dataset utilizado.