Por favor, use este identificador para citar o enlazar este ítem:
https://ri-ng.uaq.mx/handle/123456789/318Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.rights.license | http://creativecommons.org/licenses/by-nd/4.0 | es_ES |
| dc.contributor | Ma. Del Carmen Espino Gudiño | es_ES |
| dc.creator | Jose Luis Gonzalez Perez | es_ES |
| dc.date | 2014-07 | - |
| dc.date.accessioned | 2018-12-13T19:16:29Z | - |
| dc.date.available | 2018-12-13T19:16:29Z | - |
| dc.date.issued | 2014-07 | - |
| dc.identifier.uri | http://ri-ng.uaq.mx/handle/123456789/318 | - |
| dc.description | Este trabajo propone cuantificar la severidad de la enfermedad de la planta de chile (Capsicum annuum L.) a través de procesamiento digital de imagen a color con applets desarrollados e implementados. Los applets son pequeños programas embebidos en las páginas Web, y su potencialidad en la educación científica es que se pueden tener simulaciones científicas, por medio de las cuales es posible analizar, aprender y experimentar la mayoría de los fenómenos en cualquier campo científico, sin mayores riesgos, ni costos. Los geminivirus son patógenos que causan enfermedades en plantas. El chile es uno de los cultivos más importantes del mundo. Hay técnicas de detección de enfermedades clasificadas como: microscopía bioquímica, inmunología, hibridación de ácidos nucleicos, inspección visual in vitro o in situ, pero éstos tienen las siguientes desventajas: necesitan varios días, su aplicación es costosa y requieren una alta capacitación. Por lo que brindar una alternativa de detección por medio de procesamiento de imágenes es una forma sencilla y eficaz que puede prevenir perdidas económicas en la producción de este cultivo. Las imágenes utilizadas están en el espacio RGB, debido a que es el que utilizan los dispositivos de salida tales como los monitores, sin embargo, para procesar y analizar la información contenida en las imágenes digitales, es mejor utilizar los espacios perceptuales, por tal motivo se realizaron transformaciones a los espacios HSL, HSI y HSV y se analizaron las imágenes. Posteriormente, se aplicaron diferentes filtros (como: Sobel, Laplace, Robert, etc.) tanto espaciales como morfológicos y finalmente se transformaron nuevamente al espacio RGB para poder mostrar la imagen de salida. Con base a los resultados, se obtuvo que el filtro que obtiene mejores resultados para la detección y cuantificación de la enfermedad es Prewitt +45° en el espacio de color HSI, concluyendo que este es el mejor espacio para cuantificar la enfermedad de la planta. Con Prewitt + 45°, se obtuvo que el porcentaje de la región que muestra síntomas de la enfermedad en la hoja de la planta analizada Figura 7, es de 12.42%; mientras que con Watershed se realizó el mismo procedimiento detectando, un 4.20% más de enfermedad (diferencia con respecto a Prewitt), es decir el 16.62% sin embargo, se puede apreciar en el Cuadro 7, así como en la Figura 8, que la detección es más precisa con Prewitt que con Watershed. Con respecto a los espacios de color HSL y HSV, no muestran la zona exacta de la enfermedad en comparación con el espacio de color HSI. Con base a los resultados obtenidos, se sugiere que las imágenes sean analizadas por los expertos en enfermedades de plantas para que apliquen acciones preventivas o correctivas. Se concluye además, respecto al modelo de educación a distancia, diagnóstico de enfermedades y enseñanza-aprendizaje a futuros científicos, propuesto en este trabajo, que los elementos importantes para que se dé el aprendizaje, son el descubrimiento y las estrategias didácticas aplicadas. Algo muy relevante es que los resultados arrojaron claramente que los profesores-investigadores están conscientes del impacto de las nuevas tecnologías en las formas de acceso al conocimiento y su influencia en los procesos de enseñanza y aprendizaje de los futuros científicos por medio de modalidades de Educación a Distancia. Así mismo, se sugiere trabajar en los métodos, técnicas y estrategias didácticas de forma complementaria para lograr los objetivos que se pretenden. | es_ES |
| dc.description | This paper proposes quantifying the severity of plant disease of chili (Capsicum annuum L.) using digital color image processing applets developed and implemented. Applets are small programs embedded in Web pages, and their potential in science education is that you can have scientific simulations, through which it is possible to analyze, learn and experience the most phenomena in any scientific field, without major risks or costs. Geminiviruses are pathogens that cause disease in plants. Chili is one of the most important crops in the world. There are techniques for detecting diseases classified as biochemical microscopy, immunology, nucleic acid, hybridization, visual inspection in vitro or in situ, but they have the following disadvantages: they need several days, its implementation is expensive and require highly trained. As an alternative to providing detection through image processing is a simple and effective way that can prevent economic losses in the production of this crop. The images used are in the RGB space, because it is using output devices such as monitors, however, to process and analyze the information contained in digital images, it is best to use the perceptual spaces. Is realized reason transformations to HSL, HSI and HSV and the images were analyzed. Subsequently different filters were applied (as: Sobel, Laplace, Roberts, etc.) as spatial, morphological and finally transformed back to RGB space to display the output image. Based on the results, it is obtained that the filter performed best for the detection and quantification of disease is Prewitt +45 ° in the HSI color space, concluding that this is the best space to quantify plant disease. With Prewitt + 45°, it was found that the percentage of the region showing symptoms of the disease in the plant leaf analysis Figure 7, is 12.42 %; while with Watershed is realized some procedure detected a 4.20 % more of disease (difference with respect to Prewitt), is 16.62%, however, can be seen in Table 7 and in Figure 8, the detection is more accurate with Prewitt. With respect to the HSL and HSV color space, not reflect the exact area of the disease compared to the HSI color space. Based on the results obtained, it is suggested that the images are analyzed by the experts in plant diseases to implement preventive or corrective actions. It is concluded on the model of distance education, disease diagnosis and teaching- learning future scientists, proposed in this paper, that important for learning to occur, elements are the discovery and teaching strategies applied. Something very important is that the results clearly showed that teacher-researchers are aware of the impact of new technology in the forms of access to knowledge and its influence on the teaching and learning of future scientists through modalities of Education Distance. Also, it is suggested work methods, techniques and teaching strategies in a complementary manner to achieve the intended objectives. | es_ES |
| dc.format | es_ES | |
| dc.format.extent | 1 recurso en línea (85 páginas) | es_ES |
| dc.format.medium | computadora | es_ES |
| dc.language.iso | spa | es_ES |
| dc.relation.requires | Si | es_ES |
| dc.rights | Acceso Abierto | es_ES |
| dc.subject | Enfermedades de plantas | es_ES |
| dc.subject | Escalas de severidad | es_ES |
| dc.subject | Espacios color | es_ES |
| dc.subject | Espacios perceptuales | es_ES |
| dc.subject | Segmentación de imágenes a color | es_ES |
| dc.subject.classification | INGENIERÍA Y TECNOLOGÍA | es_ES |
| dc.title | Cuantificación del síndrome ocasionado por geminivirus en chile (capsicum annuum l.) | es_ES |
| dc.type | Tesis de doctorado | es_ES |
| dc.creator.tid | curp | es_ES |
| dc.contributor.tid | curp | es_ES |
| dc.creator.identificador | GOPL770729HDFNRS08 | es_ES |
| dc.contributor.identificador | EIGC730405MGTSDR01 | es_ES |
| dc.contributor.role | Director | es_ES |
| dc.degree.name | Doctorado en Ingeniería | es_ES |
| dc.degree.department | Facultad de Ingeniería | es_ES |
| dc.degree.level | Doctorado | es_ES |
| dc.format.support | recurso en línea | es_ES |
| dc.matricula.creator | 62779 | es_ES |
| dc.folio | IGDCN-62779 | es_ES |
| Aparece en: | Doctorado en Ingeniería | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| IGDCN-62779 (PDF-A).pdf | 1.81 MB | Adobe PDF |  Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.
