Analysis of textural features in OCT images to predict fungal contamination in precision agriculture
Year: 2026
Type: dissertation
Abstract: La mancha ocre del almendro, causada por el hongo Polystigma amygdalinum, es una de las principales enfermedades foliares de este cultivo en la cuenca Mediterránea. Las infecciones severas provocan la caída prematura de las hojas y reducen la producción, y su largo periodo de incubación hace que los síntomas visibles aparezcan cuando la infección ya está avanzada. Dicha circunstancia dificulta su control y motiva la búsqueda de técnicas objetivas y no invasivas capaces de caracterizar el estado del tejido foliar. En este trabajo se estudia la Tomografía de Coherencia Óptica, una técnica de imagen no invasiva que registra la estructura interna del tejido, combinada con el análisis de la textura de los mapas del coeficiente de atenuación que se obtienen a partir de ella. Las muestras proceden de hojas de almendro en distintos estados de la enfermedad. Las regiones medidas se han dividido en sub-regiones etiquetadas como tejido sano, ocre o necrótico, sobre las que se han calculado descriptores texturales píxel a píxel. A partir de ellos se ha medido en qué grado separa cada característica los estados del tejido y se ha evaluado su capacidad de clasificación, frente al coeficiente de atenuación por sí solo. Los resultados muestran que la textura del mapa de atenuación aporta información complementaria a la atenuación en la distinción entre tejido ocre y necrótico, mientras que en la distinción del tejido sano la atenuación por sí sola separa en mayor medida. La clasificación de las clases con menos muestras sigue siendo limitada con el volumen de datos disponible. El enfoque ofrece una caracterización cuantitativa, objetiva y no invasiva del tejido foliar, y apoya la conveniencia de explorar la OCT para la detección temprana de la enfermedad, que deberá validarse con medidas sobre tejido todavía sin síntomas visibles.
Source: UCrea (University of Cantabria)
Author: Ibáñez Campo, Pablo
Language: Spanish
Topic: Smart Agriculture and AI
Subfield: Plant Science
Domain: Life Sciences
SDG: Zero hunger
Open Access status: green
OpenAlex ID: W7214509103
