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

  1. Pérez Sanz, Fernando
  2. Navarro Lorente, Pedro Javier
  3. Egea Gutiérrez-Cortines, Marcos
  4. Weiss, Julia Rosl
Libro:
Proceedings of the 7th Workshop on Agri-Food Research. WIA. 18
  1. Francisco Artés Hernández
  2. Juan Antonio Fernández-Hernández
  3. José Enrique Cos Terrer
  4. Juan José Alarcón Cabañero
  5. Marcos Egea Gutiérrez-Cortines
  6. Encarna Aguayo Giménez

Editorial: Universidad Politécnica de Cartagena

ISBN: 978-84-16325-89-4

Año de publicación: 2019

Páginas: 109-112

Congreso: Workshop on Agri-Food Research for young researchers (7. 2018. Cartagena)

Tipo: Aportación congreso

DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Resumen

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%.

Fuente de los datos: Dialnet