Aprendizaje automatizado basado en transformadas wavelet para la segmentación de hojas en imágenes infrarrojas

• Autores: Fernando Pérez Sanz, Pedro Javier Navarro Lorente, Marcos Egea Gutíerrez-Cortines, Julia Rosl Weiss
• Localización: Proceedings of the 7th Workshop on Agri-Food Research. WIA. 18 / Francisco Artés Hernández (aut.), Juan Antonio Fernández Hernández (aut.), José Cos Terrer (aut.), Juan José Alarcón Cabañero (aut.), Marcos Egea Gutíerrez-Cortines (aut.), Encarnación Aguayo Giménez (aut.), 2019, ISBN 978-84-16325-89-4, págs. 109-112
• Idioma: español
• Enlaces
  • Texto completo
• Resumen
  • español

    En este trabajo se presenta un algoritmo de segmentación basado en máquinas de aprendizaje para la segmentación de hojas sobre imágenes NIR (Near-Infra-Red). El método de segmentación utiliza un vector de características extraído de diferentes niveles de la transformada wavelet. Para el desarrollo del algoritmo se han probado tres clasificadores: el vecino más cercano (KNN), un clasificador Bayesiano (NBC) y las máquinas de soporte compacto (SVM). Los métodos de aprendizaje han sido validados mediante el análisis de las curvas ROC y el máximo rendimiento fue obtenido por la SVM con un 98.33%.

  • English

    In this work we present an algorithm to segment leaves in NIR images captured inside a growth chamber. The proposed method uses a features vector composed by four elements extracted from different levels of wavelets transform. We have tested three classifiers: k-nearest neighbour (kNN), Naive Bayes classifier (NBC) and Support Vector Machine to determine the optimal machine learning ...