Abstract:
Es importante para los agricultores conocer el nivel de clorofila de las plantas ya que de esto
depende el tratamiento que deben darle a sus cultivos. Existen dos métodos comunes para
obtener la clorofila, a partir de análisis en laboratorios y de dispositivos electrónicos. Ambos
métodos obtienen el nivel de clorofila de una muestra a la vez, aunque pueden ser
destructivos. El objetivo es desarrollar un sistema que permita la obtención del nivel de
clorofila de las plantas utilizando imágenes.
Para el desarrollo de la solución se utilizó el lenguaje de programación Python y diferentes
librerías de dicho lenguaje. Se decidió realizar un sistema de etiquetado, una regresión lineal
simple y un sistema de predicción. El primer sistema se utilizó para crear una base de datos
que relacione los valores de las imágenes con los de clorofila, la cual se utilizó para obtener
la regresión lineal y determinar la relación que existe entre estas variables. Esta regresión
lineal fue utilizada en el sistema de predicción para obtener los valores de clorofila a partir
de las imágenes.
La correlación lineal entre las imágenes y la clorofila SPAD fue 0.7054 y la raíz del error
cuadrático medio fue 6.581877160210805 unidades SPAD en la primera prueba, en la
segunda prueba la correlación lineal fue 0.0186 y la raíz del error cuadrático medio fue
6.477188141888954, mientras que en la tercera prueba la correlación lineal fue 0.1320 y la
raíz del error cuadrático medio fue 7.27287620832889 unidades SPAD.
Se concluye que, debido a que la correlación lineal es positiva, los valores de las imágenes
son directamente proporcionales a los valores de clorofila SPAD y, como es mayor a 0.7, la
relación es significativa; con lo cual el sistema de predicción brinda una precisión del 70.54%
utilizando la primera regresión. En los casos de la segunda y tercera regresión se concluye
que para obtener una mejor regresión deben usar diferentes estados de salud de las plantas
para tener un mayor rango de valores NDVI con su respectivo valor SPAD.
