Clasificación por variedad de Pisum sativum usando métodos estadísticos y técnicas inteligentes

Abstract

En el presente trabajo se presenta la aplicación de una metodología en el área de reconocimiento de patrones, que permite el desarrollo de un sistema de clasificación basado en: análisis discriminante y redes neuronales artificiales para la clasificación de 8 variedades de Pisum sativum (plantas de guisantes), tomando en cuenta los valores de la curva de inducción de fluorescencia, obtenidos de las hojas bajas de las plantas con la técnica del JIP-TEST. Sobre estos valores se realizan procedimientos estadísticos descriptivos con el objetivo de seleccionar los valores más representativos. Se ajustan cinco modelos discriminantes cuadráticos, debido a que no se cumplen los supuestos para el ajuste de modelos discriminantes lineales. De los modelos ajustados, 2 contienen información de las variables seleccionadas en el análisis exploratorio de los datos provenientes de la curva de inducción de fluorescencia, otros 2 modelos contienen la información de todas las variables originales y el último modelo esta conformada por los componentes principales extraídos. Luego de evaluar los resultados en los modelos discriminantes ninguno de los presentados para la aplicación logra un desempeño aceptable, ya que se obtienen errores no tolerables en las soluciones obtenidas durante la fase de ajuste y evaluación. Para la construcción de los modelos neuronales se entrenaron 5 modelos de redes perceptrónicas multicapas, los cuales utilizan la misma información que en los modelos discriminantes, y se observa que las redes neuronales artificiales presentan un notable mejor desempeño en las soluciones obtenidas que los modelos discriminantes, Sin embargo no cumple con las especificaciones requeridas por lo que no se obtuvo un modelo que permitiera clasificar las 8 variedades de Pisum sativum.