Este trabalho apresenta o desenvolvimento de uma ferramenta para diagnóstico de doenças fúngicas em folhas de milho. A ferramenta utiliza técnicas de processamento de imagens e visão computacional para a extração das características das imagens. Para isto é utilizada a imagem referente ao plano H do modelo de cor HSV, da qual é feita a segmentação utilizando a limiarização. A partir destes segmentos são encontrados os contornos e com bases nestes contornos são calculados os momentos de Hu. Para efetuar o diagnóstico é utilizada rede a neural de múltiplas camadas, e para o treinamento da rede foi adotado o método Back Propagation. A ferramenta alcançou um nível de acerto aceitável ao diagnosticar de forma correta 100% dos testes realizados com amostras da Mancha Branca, 80% da Mancha de Cercóspora e 80% de acerto no diagnóstico da Antracnose.
This paper presents the development of a tool for diagnosis of fungal diseases in corn leaves. The tool uses techniques of image processing and computer vision to extract the characteristics from images. These characteristics are extracted using threshold segmentation over the H plane of the image in the HSV color model, highlighting the disease spot. Given the disease spots, their Hu moments are calculated and used as inputs to a neural network. To make the diagnosis a multilayer perceptron neural network is used. Backpropagation is used for the network training. The system achieved an acceptable level of accuracy, diagnosing correctly 100% of the White Spot disease samples, 80% of the Cercospora samples and 80% of the Anthracnose samples.
Este artículo presenta el desarrollo de una herramienta para el diagnóstico de enfermedades fúngicas en las hojas de maíz. Muestra la fundamentación teórica acerca de las enfermedades tratadas, así como las técnicas utilizadas para su implementación. A continuación, se muestra el proceso de desarrollo de la herramienta, demostrando las técnicas utilizadas para extraer las características de las imágenes, las pruebas realizadas para encontrar la mejor configuración de red, el diagrama de clases y, por último, la herramienta en funcionamiento.
