Detección temprana de la sigatoka negra en plantas de banano a través de imágenes hiperespectrales de hojasun enfoque utilizando los métodos pls-plr y hs-biplot

Resumen

El banano (musa spp) es uno de los productos agrícolas más cultivados en el mundo y es el principal producto agrícola en muchos países. Las plantaciones de banano son afectadas por una serie de problemas fitosanitarios entre los cuales se destaca la Sigatoka negra (BLSD, por sus siglas en ingles Black Sigatoka Disease), enfermedad foliar considerada la principal amenaza de la producción bananera por su impacto devastador que causa pérdidas de hasta 80% de los rendimientos. BLSD es originada por el hongo patógeno Pseudocercospora fijiensis y su desarrollo ocasiona necrosis de la planta en seis estados sintomáticos. El uso de imágenes hiperespectrales en la detección de la BLSD aventajan a los métodos tradicionales por ser un método no destructivo que permite la detección de la enfermedad cuando los síntomas aún no son visibles por el ser humano. Los cambios internos y externos de las hojas producidos por las enfermedades producen cambios en la reflectancia en diferentes regiones del espectro electromagnético. Los cambios en la estructura de las hojas producen cambios en la reflectancia (luz reflejada) en longitudes de onda de la región cercana al infrarrojo (NIR, 780-1350 nm) producto de variaciones en la fotosíntesis y los cambios en los pigmentos fotosintéticos son evidentes en la región visible (VIS, 380-780 nm). La caracterización de enfermedades de plantas utilizando datos hiperespectrales han sido el objetivo de numerosos trabajos de investigación en los cuales se ha utilizado avanzados métodos de aprendizaje automático (ML) pero a medida que mejora su capacidad predictiva se incrementa su complejidad y esto provoca una pérdida sensible de la capacidad de interpretabilidad de los resultados del modelo, esto enfrenta al investigador a la siguiente dicotomía: precisión o interpretabilidad? En este trabajo nosotros presentamos dos técnicas de análisis multivariante, PLS (Partial Least Squares) con regresión logística penalizada (PLS-PLR) y el HS-Biplot (HyperSpectral Biplot), que han sido implementadas para el tratamiento de las condiciones inherentes a los datos hiperespectrales y que combinan el alto poder de predicción de PLS junto con la alta interpretabilidad de la estructura de los datos que ofrece el biplot. Los resultados obtenidos con las técnicas propuestas fueron comparados con los resultados de las técnicas NPLS-DA, SVM y redes neuronales.