Revisión sistemática de los algoritmos para detección de enfermedades fúngicas en el arroz.
DOI:
https://doi.org/10.56048/MQR20225.6.4.2022.608-620Palabras clave:
Inteligencia Artificial, Patrones, Algoritmos, Enfermedades, Hongos.Resumen
El presente artículo, detalla sobre la posibilidad de detectar enfermedades fúngicas en cultivos de arroz, utilizando técnicas de inteligencia artificial. Los autores de la información recopilada hacen propuestas de técnicas de obtención de características de las hojas o frutos de las plantas, así como también el uso de algoritmos clasificadores o de agrupación, todo esto con el fin de determinar si una hoja, presenta signos de alguna enfermedad. Al haber diversos tipos de enfermedades y diversas variedades de plantas, los autores hacen propuestas para utilizar el algoritmo que ellos consideran el que obtendrá mejores resultados. Al final se concluyó que, sí es posible detectar enfermedades trayendo consigo un beneficio directo para el agricultor que la implemente, ya que un diagnóstico oportuno, daría una respuesta a la enfermedad y por lo tanto reducción del riesgo en pérdidas económicas.
Descargas
Métricas
Cited
DOI: 10.56048
Citas
Cardona, R., & González, M. (2008). Caracterización y patogenicidad de hongos del complejo helminthosporium asociados al cultivo del arroz en Venezuela. Obtenido de http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S1316-33612008000200009
Ekky. (2018). Las enfermedades fúngicas causan importantes mermas en los arrozales . Obtenido de https://www.phytoma.com/noticias/noticias-de-actualidad/las-enfermedades-fungicas-causan-importantes-mermas-en-los-arrozales-valencianos
Fouquet, F. (2021). Inteligencia Artificial aplicada a la agricultura de precisión. Málaga: Universidad de Málaga.
Galeano, L. (2016). Evaluación de la producción de biofungicidas en Streptomyces spp. aisladas de cultivos de papa para el control de hongos. Ambato: Universidad de Los Andes. Obtenido de https://repositorio.uniandes.edu.co/bitstream/handle/1992/55383/26271.pdf?sequence=1&isAllowed=y
Golhani, K. (2019). Enfoques no invasivos para la evaluación y el monitoreo de enfermedades vegetales. Palmas.
Gutiérrez, S. (2010). Monitoreo de enfermedades en semillas de arroz: detección, cuantificación y transmisión de Alternaria padwickii y Microdochium oryzae. Obtenido de https://repositorio.unne.edu.ar/handle/123456789/154
Kimura, Y. (2008). Plagas del Arroz. Obtenido de https://www.jica.go.jp/project/panama/0603268/materials/pdf/04_manual/manual_06.pdf
Medina, Y. (2021). Sistema inteligente para el diagnóstico de plagas y enfermedades en el cultivo de arroz. ISSN 2224-2643.
Roldán, B., Roshan, R., & Sánchez, E. (2019). Detección de enfermedades en el sector agrícola utilizando inteligencia artificial. ISSN 1870-4069, 419–427.
Sierra, V. (2021). Algoritmo de detección de mosca blanca por medio de inteligencia artificial . Obtenido de https://repository.unad.edu.co/bitstream/handle/10596/42374/vysierrag.pdf?sequence=3&isAllowed=y
Urbina, J. (2022). Métodos de investigación. Obtenido de https://concepto.de/metodos-de-investigacion/
Valdez, R., Ríos, W., Ormeño, E., Torres , E., & Torres , J. (2019). Caracterización genética de bacterias endofíticas de arroz (Oryza sativa L.) con actividad antimicrobiana contra Burkholderia glumae. Argentina: Revista Argentina de Microbiología.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 MQRInvestigar
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
®
Los autores se comprometen a respetar la información académica de otros autores, y a ceder los derechos de autor a la Revista MQRInvestigar, para que el artículo pueda ser editado, publicado y distribuido. El contenido de los artículos científicos y de las publicaciones que aparecen en la revista es responsabilidad exclusiva de sus autores. La distribución de los artículos publicados se realiza bajo una licencia 
