Sistema de lectura digital para el analisis de riesgo del...

SISTEMA DE LECTURA DIGITAL PARA EL ANÁLISIS DE RIESGO DEL JITOMATE CULTIVADO EN BIOESPACIOS

T E S I S

PARA OBTENER EL TÍTULO DE:

LICENCIADA EN INFORMÁTICA

PRESENTA:

DULCE ROSARIO ARTEAGA HOYOS

ASESOR EXTERNO:

DR. SERGIO RAMÍREZ ROJAS

ASESOR INTERNO:

LIC. BORIS ARANDA BENÍTEZ

Zacatepec, Morelos Noviembre 2009

SUBSECRETARÍA DE EDUCACIÓN SUPERIOR DIRECCIÓN GENERAL DE EDUCACIÓN SUPERIOR TECNOLÓGICA INSTITUTO TECNOLÓGICO DE ZACATEPEC

“SISTEMA DE LECTURA DIGITAL PARA EL ANÁLISIS DE RIESGO DEL JITOMATE CULTIVADO EN BIOESPACIOS”

iii

Jurado examinador

PRESIDENTE

M.C. Boris Antonio Aranda Benítez

SECRETARIO

M.T.I. Laura Villavicencio Gómez

VOCAL

Lic. Karina Amparán Ocampo

SUPLENTE

M.M. Daniel Mulato Agüero


iv

DEDICATORIA

El presente trabajo es dedicado de una manera muy especial para las personas que nunca han dejado que abandone mis metas y objetivos, a esas personas que a pesar de las dificultades no han dejado nunca de confiar en la capacidad que tengo, a ellos que nunca abandonaron la esperanza de que crecería profesionalmente, A MIS PADRES, como símbolo de gratificación de todos los esfuerzos que han dedicado a mi educación y formación profesional.


v

AGRADECIMIENTOS

Agradezco principalmente a Dios que permitió que llegara hasta este punto de mi vida, quien siempre ha bendiciendo mi ser.

Agradezco a mis padres que con grandes esfuerzos y dificultades me han brindado el apoyo necesario al transcurso de mi vida y siempre contando con sus sabios consejos para que no desfalleciera en el camino.

Agradezco a mis maestros quienes forman parte fundamental de la educación y conocimientos que ahora poseo, logrando que creciera personal y profesionalmente.

Agradezco a mis hermanos y amigos que con esas palabras de aliento, apoyo y ayuda motivaron mi persona para no dejar de luchar contra mis adversidades.

Omar agradeciéndote de una forma especial toda la ayuda que me diste para concluir este propósito que me fijé.

Agradezco a las personas que pertenecen al laboratorio de fitopatología del INIFAP, por toda la contribución que tuvieron en mi persona, tanto moral como profesionalmente.

¡MIL GRACIAS!


vi

FRASE

"Si quieres ser sabio, aprende a interrogar razonablemente, a escuchar con atención, a responder serenamente y a callar cuando no tengas nada que decir"

Johann Kaspar Lavater


vii

ÍNDICE GENERAL

Página Contraportada………………………………………………………………………………………. i Oficio de Autorización…………………………………………………………………………… ii Jurado examinador………………………………………………………………………………. iii Dedicatoria……………………………………………………………………………………………. iv Agradecimientos………………………………………………………………………………….. v Frase……………………………………………………………………………………………………… vi Índice general………………………………………………………………………………………. vii Índice de tablas……………………………………………………………………………………. x Índice de figuras…………………………………………………………………………………… xi Resumen………………………………………………………………………………………………. 1

CAPÍTULO 1 “GENERALIDADES”

1.1. Introducción………………………………………………………………………………….. 3 1.2. Planteamiento del Problema…………………………………………………………. 4 1.3. Hipótesis……………………………………………………………………………………….. 5 1.4. Objetivos………………………………………………………………………………………. 6 1.4.1. Objetivo general…………………………………………………………………….. 6 1.4.2. Objetivos específicos...………………………………………………………... 6 1.5. Justificación…………………………………………………………………………………… 7 1.6. Alcances.…..………………………………………………………………………………….. 8 1.7. Limitaciones…………………………………………………………………………………… 8 1.8. Datos de la empresa…………………………………………………………………….. 9

CAPÍTULO 2 “PLAGAS, CONTROL Y MODELOS”

2.1. Trips (Frankliniella Occidentalis)………………………………………………….. 13 2.1.1. Trips de las flores: Frankliniella Occidentalis………………………… 13 2.1.2. Descripción…………………………………………………………………………….. 13 2.1.3. Ciclo de vida…………………………………………………………………………… 14 2.1.4. Dispersión en cultivo……………………………………………………………… 16 2.1.5. Síntomas y daños en los cultivos…………………………………………. 17 2.1.6. Temperatura………..………………………………………………………………… 18 2.2. Mosquita Blanca (Bemisia Tabaci)………………………………………………. 18 2.2.1. Mosca blanca del tabaco: Bemisia Tabaci…………………………….. 18 2.2.2. Morfología………………………………………………………………………………. 19


viii

Página 2.2.3. Ciclo de vida…………………………………………………………………………… 21 2.2.4. Daños causados por B. Tabaci en cultivos de bioespacios…… 22 2.3. Control…….……………………………………………………………………………………. 24 2.4. Análisis de Riesgo…………………………………………………………………………. 25 2.4.1. ¿Qué es un Análisis de Riesgo?........................................ 25 2.4.2. ¿Qué es Análisis de Riesgo de Plagas (ARP)?...................... 25 2.4.3. En qué consisten los ARP………………………………………………………. 25 2.4.4. Cómo se elaboran los ARP……………………………………………………… 26 2.5. Modelos…………………………………………………………………………………………. 27 2.5.1. ¿Qué es un Modelos?...................................................... 27 2.5.2. Modelos Matemáticos…………………………………………………………….. 27

CAPÍTULO 3 “FUNDAMENTO TEÓRICO”

3.1. Inteligencia Artificial…………………………………………………………………….. 30 3.1.1. ¿Qué es la Inteligencia Artificial (IA)?............................... 30 3.1.2. Objetivos de la IA………………………………………………………………….. 30 3.1.3. Características de la IA…………………………………………………………. 31 3.1.4. Aplicaciones de la IA……………………………………………………………… 32 3.2. Visión Artificial……………………………………………………………………………… 33 3.2.1. ¿Qué es la Visión Artificial?............................................. 33 3.2.2. Objetivos de la Visión Artificial…………………………………………….. 33 3.2.3. Microscopia digital…………………………………………………………………. 34 3.2.3.1. Propiedades básicas de las imágenes digitales……………… 34 3.2.3.2. Estrategias recomendadas para el procesamiento de i imágenes digitales………………………………………………………….

34

3.3. Procesamiento de imágenes……………………………………………………….. 35 3.3.1. ¿Qué es el Procesamiento de Imágenes?.......................... 35 3.3.2. Objetivo del procesamiento de imágenes……………………………. 35 3.3.3. Aplicaciones del procesamiento de imágenes……………………… 35 3.3.4. Procesamiento Digital…………………………………………………………… 36 3.3.5. Utilidad del procesamiento de imágenes……………………………… 38 3.3.6. Conteo Automático………………………………………………………………… 38 3.4. Bases de Datos…………………………………………………………………………….. 43 3.4.1. ¿Qué es una Base de Datos?........................................... 43 3.4.2. Tipos de Bases de Datos……………………………………………………….. 43 3.4.2.1. Según la variabilidad de los datos almacenados………….. 43 3.4.2.2. Según su contenido………………………………………………………… 44 3.5. My SQL…………………………………………………………………………………………. 45


ix

Página 3.5.1. Lenguajes de Programación…………………………………………………. 45 3.5.2. Aplicaciones……………………………………………………………………………. 45 3.5.3. Especificaciones…………………………………………………………………….. 46 3.5.4. Características de versión…………………………………………………..... 46

CAPÍTULO 4 “RECOPILACIÓN Y ANÁLISIS”

4.1. Recopilación de la información…………………………………………………….. 48 4.1.1. Recopilación de los datos………………………………………………………….. 48 4.1.2. Recopilación de los procesos…………………………………………………….. 51 4.2. Análisis de la información…………………………………………………………….. 52 4.3. Solución definida…………………………………………………………………………… 53 4.4. Requerimientos del sistema…………………………………………………………. 53 4.4.1. Requerimientos del hardware……………………………………………….. 53 4.4.2. Requerimientos del Software………………………………………………… 53

CAPÍTULO 5 “DISEÑO DEL SISTEMA”

5.1. Diseño del sistema……………………………………………………………………….. 55 5.2. Diagrama de Contexto…………………………………………………………………. 55 5.3. Diagrama de flujo de datos………………………………………………………….. 57 5.4. Diccionario de datos……………………………………………………………………… 59 5.5. Diagrama Entidad-Relación………………………………………………………….. 62 5.6. Diagrama de estructura……………………………………………………………….. 64 5.7. Diagrama de casos de uso…………………………………………………………… 65 5.8. Diagrama de clases………………………………………………………………………. 66 5.9. Diagrama secuencial del reconocimiento de imagen….…….….……. 67 5.10. Mapa de navegación………………………………………………………………….. 68


x

CAPÍTULO 6 “IMPLANTACIÓN DEL SISTEMA”

Página 6.1. Implantación del Sistema……………………………………………………………. 70 6.1.1. Pantallas del Sistema….……………………………………………………………. 70 Conclusiones…………………………………………………………………………………………. 86 Recomendaciones…………………………………………………………………………………. 87 Referencias electrónicas………………………………………………………………………. 88 Referencias bibliográficas…………………………………………………………………….. 90

ÍNDICE DE TABLAS Tabla Página 2.1. Sustancias de control para Mosca Blanca……………………………….. 24 2.2. Sustancias de control para Trips……………………………………………… 24 2.3. Método promedio Trips..…………………………………………………………. 28 2.4. Método promedio Mosca Blanca….…………………………………………. 28


xi

ÍNDICE DE FIGURAS Figura Página 2.1 Frankliniella Occidentalis………………………………………………………… 14 2.2 Ciclo de vida…………………………………………………………………………… 15 2.3 Planta de Jitomate…………………………………………………………………. 16 2.4 Cultivo de Jitomate………………………………………………………………… 16 2.5 Síntomas de enfermedades………………………………………………….. 17 2.6 Bemisia Tabaci………………………………………………………………………… 19 2.7 Huevo B. Tabaci…………………………………………………………………….. 20 2.8 Ninfa (Pupa)…………………………………………………………………………… 20 2.9 Adulto…………………………………………………………………………………….. 21 2.10 Síntomas………………………………………………………………………………… 23 2.11 Daños en cultivos…………………………………………………………………… 23 3.1 Inteligencia artificial……………………………………………………………….. 32 3.2 División de una imagen en pixeles………………………………………… 37 3.3 Procesamiento Digital…………………………………………………………….. 38 3.4 Imágenes para analizar………………………………………………………….. 39 3.5 Muestra de levadura………………………………………………………………. 40 3.6 Imagen en escala de grises……………………………………………………. 40 3.7 Histograma…………………………………………………………………………….. 40 3.8 Muestra de levadura observada……………………………………………. 41 3.9 Imagen segmentada y contada…………………………………………….. 41 4.1 Trampa Amarilla…………………………………………………………………….. 48 4.2 Registro manual…………………………..…………………………………………. 49 4.3 Registro en Excel……………………………………………………………………. 49 4.4 Dataloggers…………………………………………………………………………….. 50 5.1 Diagrama de contexto……………………………………………………………. 56 5.2 Diagrama de flujo de datos……………………………………………………. 58 5.3 Diagrama Entidad-Relación.………………………………………………….. 63 5.4 Diagrama de estructuras……………………………………………………….. 64 5.5 Diagrama de casos de uso…………………………………………………….. 65 5.6 Diagrama de clases………………………………………………………………… 66 5.7 Diagrama secuencial del reconocimiento de imágenes………… 67 5.8 Mapa de navegación……………………………………………………………… 68 6.1 Pantalla inicial del sistema…………………………………………………….. 70 6.2 Información de la empresa………….………………………………………… 71 6.3 Acerca del proyecto……………………..………………………………………… 72 6.4 Pantalla Acerca de………………………………………………………………….. 72 6.5 Pantalla de validación…………………………………………………………….. 73 6.6 Mensaje de error…………………………………………………………………….. 73 6.7 Menú doctor……………………………………………………………………………. 74


xii

Figura Página 6.8 Gráfica……………………………………………………………………………………… 75 6.9 Consulta promedios………………………………………………………………… 76 6.10 Menú modelos…………………………………………………………………………. 77 6.11 Método promedio (Opc. 1)……………………………………………………… 78 6.12 Método promedio (Opc. 2)……………………………………………………… 79 6.13 Menú secretaria………………………………………………………………………. 80 6.14 Pantallas de las tablas de la BD……………………………………………… 81 6.15 Tratamiento básico de imagen………………………………………………. 82

6.15.1 Cargar fotografía…………………………………………………………………….. 83 6.15.2 Color del pixel…………………………………………………………………………. 84 6.15.3 Contar insectos………………………………………………………………………. 85


1

RESUMEN

El presente trabajo muestra el análisis, diseño e implementación del sistema de lectura digital para el análisis de riesgo del jitomate cultivado en bioespacios. Este sistema fue desarrollado para el almacenamiento y tratamiento de los datos de captura e insectos dentro del bioespacios, así como datos sobre la reproducción y datos climatológicos que permiten hacer posible la realización del análisis de riesgo que llevan las hortalizas sembradas en ambientes protegidos.

El sistema de lectura digital para el análisis de riesgo del jitomate cultivado en bioespacios, predice el desarrollo de estos insectos de acuerdo a las temperaturas, generando documentación que muestra por medio de una gráfica el comportamiento de dichos insectos en el tiempo que se necesite.

CAPÍTULO 1 “GENERALIDADES”

Capítulo I “Generalidades”

3

1.1 INTRODUCCIÓN

El cultivo de jitomate en el Estado de Morelos es prehispánico pero la producción comercial se remonta a mediados de la década de los cincuenta cuando en la región noreste de la entidad se conjugaron las buenas condiciones agroclimáticas, la introducción de tutores y la aplicación de nuevos insumos como fertilizantes y plaguicidas que propiciaron la producción de excedentes que requerían ser enviados a los incipientes mercados urbanos. En la década de los sesenta la superficie sembrada siguió aumentando hasta convertirse en una región productora de jitomate de importancia nacional. Debido al valor que esta hortaliza tenía para la economía de la entidad, la entonces Secretaría de Agricultura decidió que el Campo Experimental Zacatepec realizara investigación en este cultivo para reforzar su competitividad. Los experimentos se enfocaron a evaluar cultivares, dosis de fertilización, control de plagas y enfermedades y prácticas agronómicas. Unos de los componentes de la agricultura para la precisión en el manejo de plagas y enfermedades de los cultivos, son asistidos por modelos de predicción de plagas y enfermedades en base a unidades calor acumuladas, humedad relativa, temperatura, etc.


4

1.2 PLANTEAMIENTO DEL PROBLEMA

En el Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias Campo Experimental de Zacatepec (INIFAP), se tiene problema con las plagas que se presentan dentro del cultivo de jitomate en bioespacios provocando menor producción.

El control que se lleva para el análisis de riesgo de plagas no tiene la información centrada en un solo programa, la recopilación de uno de los factores que se necesitan para determinar dicho análisis se realiza mediante un conteo de manera visual de los dos distintos insectos que se adhieren a las trampas amarillas que son colocadas dentro de los bioespacios, la información recopilada se realiza de manera manual almacenándose en hojas de Excel capturando el número de insectos localizados semanalmente, el programa que utilizan para graficar y llevar la estadística se encuentra de manera independiente por lo que se requiere nuevamente de la captura de los datos, lo cual lleva a que la determinación del análisis de riesgo tenga un consumo mayor de tiempo y sea menos eficaz.


5

1.3 HIPÓTESIS

Es posible realizar el conteo de Bemisia Tabaci (moscas blancas) y Frankliniella Occidentalis (trips) en una trampa para insectos, utilizando Visión Artificial y utilizar estos datos para el análisis de riesgo de estas plagas en el jitomate que es cultivado en un bioespacio.


6

1.4 OBJETIVOS 1.4.1 OBJETIVO GENERAL Apoyar a los investigadores del INIFAP a determinar el análisis de riesgo y control preventivo de plagas del jitomate cultivado en bioespacios, mediante un sistema de información por computadora que realice el conteo automático de insectos atrapados en las trampas utilizando técnicas de visión artificial.

1.4.2 OBJETIVO ESPECIFICOS

• Realizar un programa para captura y almacenamiento de la información en una base de datos.

• Sistematizar la captura y graficación de las variables implicadas en el proyecto.

• Utilización de los datos para la creación de modelos de simulación

del comportamiento de la plaga Mosquita Blanca (Bemisia tabaci) y Trips (Frankliniella occidentalis).

• Integración de un programa que facilite la lectura de fotografía

digital de las trampas amarillas que se necesitan para la recopilación de conteo de los insectos.

• Disminuir los tiempos de recopilación de los datos para determinar el análisis requerido.

• Mejorar la forma de tratamiento de la información.

• Aplicar las técnicas de visión artificial para el conteo de insectos en las trampas.


7

1.5 JUSTIFICACIÓN

El sistema que permite el análisis de riesgo servirá de apoyo a investigadores y agricultores en la prevención y toma de decisiones oportunas para el manejo de plagas y/o enfermedades en el cultivo. Los productores podrán tomar decisiones antes de que la plaga llegue al cultivo ya que en el sistema se visualizarán las condiciones óptimas de desarrollo de las plagas. Los productores al tener este sistema de análisis lograrán abaratar los costos de producción del jitomate en bioespacios. El uso de la computadora, facilitará a los investigadores la realización manual del trabajo que se lleva a cabo en la actualidad y hará más fácil la consulta de datos, logrando de esta manera el mayor ahorro de tiempo en la recopilación de información.

La incorporación de herramientas computacionales avanzadas al campo mexicano permitirá que los productores tengan una manera más eficaz, exacta y confiable del manejo de la información obtenida mediante el tratamiento de los cultivos.


8

1.6 ALCANCES El alcance de este proyecto consiste en generar un sistema que analice los riesgos del cultivo del jitomate cultivado en bioespacios, que sea capaz de proporcionar a los investigadores y productores la suficiente información del desarrollo de plagas en determinado sitio, evitando el daño del cultivo. El software desarrollado permitirá a los investigadores dar recomendaciones a los productores de acuerdo a los estudios realizados con el desarrollo de dichos insectos, así como a los productores tomar decisiones para su cultivo. El sistema ofrecerá estudios de riesgo de determinadas plagas, evaluará dichos riesgos que representan los organismos dañinos durante el ciclo del cultivo para la aplicación oportuna de medidas preventivas de protección de los cultivos. Automatizará el conteo que actualmente se realiza manualmente de los insectos ya conocidos.

De requerirse podrán ser implementados más módulos de análisis de riesgos para otros tipos de insectos.

1.7 LIMITACIONES

El sistema desarrollado esta únicamente enfocado al jitomate cultivado en bioespacios del Campo Experimental de Zacatepec. Se encuentra limitado en los riesgos de únicamente dos insectos, Mosquita Blanca y Trips. Las imágenes digitales tienen que ser tomadas a la misma distancia, en el mismo lugar y con la luz solar suficiente.


9

1.8 DATOS DE LA EMPRESA

NOMBRE DE LA EMPRESA Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias (INIFAP) Campo Experimental Zacatepec. GIRO Investigación y transferencia en desarrollo de productos agrícolas DIRECCIÓN Y TELÉFONO Km. 5 Carretera Zacatepec – Galeana, Zacatepec Morelos. C.P. 62780. Teléfonos: (01-734) 343-02-30, 343-02-44 ANTECEDENTES DE LA EMPRESA El primer antecedente del actual Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP) se remonta al año de 1907, cuando la investigación agrícola se inició institucionalmente en México, con la fundación de la Estación Experimental Agrícola Central de San Jacinto, D. F., anexa a la Escuela Nacional de Agricultura y Medicina Veterinaria. En 1908 se establecieron otras tres estaciones experimentales en los Estados de Tabasco, San Luis Potosí y Oaxaca; en la década de los 30’s, se creó el Departamento de Campos Experimentales, dependiente de la Dirección General de Agricultura de la entonces Secretaría de Agricultura y Fomento; esta Secretaría creó en 1940 la Dirección de Campos Experimentales. En 1943 la Secretaría de Agricultura y Ganadería, mediante un convenio con la Fundación Rockefeller, creó la oficina de estudios especiales, en 1947 la antigua Dirección de Campos Experimentales se transformó en el Instituto de Investigaciones Agrícolas. En 1960 se crea el Instituto Nacional de Investigaciones Agrícolas (INIA), como resultado de la fusión del Instituto de Investigaciones Agrícolas y la Oficina de Estudios Especiales. Por otra parte, la investigación Pecuaria tiene su origen en el Instituto Biotécnico creado en 1934; sin embargo, no es sino


10

hasta 1941 que por acuerdo presidencial se crea el entonces Instituto Pecuario. En 1947, a raíz de la creación de la Subsecretaría de Ganadería, el Instituto cambió su nomenclatura a Dirección de Investigaciones Pecuarias. En 1962 el gobierno de la República, a través de la entonces Secretaría de Agricultura y Ganadería, estableció un Programa Cooperativo con la Fundación Rockefeller, creando el Centro Nacional de Investigaciones Pecuarias con personal de la Oficina de Estudios Especiales de la misma Secretaría. Fue hasta 1968 cuando se logró que el Instituto Nacional de Investigaciones Pecuarias (INIP), fuera la dependencia oficialmente encargada de investigar y estudiar los problemas que limitan el desarrollo de la ganadería, así como de crear, desarrollar y adaptar la tecnología indispensable para superarlos. Por lo que se refiere a la investigación forestal, esta se inicia el 1 de julio de 1932, fecha en que se decretó la creación del Instituto Mexicano de Investigaciones Forestales. Sin embargo, la fundación de dicho Instituto se pudo efectuar hasta el 29 de diciembre de 1934, con la creación del departamento autónomo forestal y de caza y pesca, como anexo al de enseñanza superior y forestal, siendo designado como Instituto de Investigaciones Forestales y de Caza y Pesca. En 1960, dentro de la Ley Forestal se contempla la creación del Instituto Nacional de Investigaciones Forestales (INIF), no obstante que desde el mes de noviembre de 1958 funciona como tal. El 23 de agosto de 1985 culminó con la fusión orgánico-administrativa de los Institutos Nacionales de Investigación Agrícola, Pecuaria y Forestal (INIA, INIF, INIP), para crear respectivamente el Instituto Nacional de Investigaciones Forestales y Agropecuarias (INIFAP), como un órgano administrativo desconcentrado con dependencia directa de la Secretaría de Agricultura y Recursos Hidráulicos. Posteriormente, con fecha dos de octubre del 2001, se publicó en el Diario Oficial de la Federación el Decreto expedido por el ciudadano Presidente de los Estados Unidos Mexicanos, Vicente Fox Quezada, por el que se crea el Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuaria, como organismo público descentralizado con personalidad jurídica y patrimonio


11

propios cuya coordinación sectorial corresponderá a la Secretaría de Agricultura, Ganadería , Desarrollo Rural Pesca y Alimentación. El 2 de octubre de 2001, es publicado en el Diario Oficial de la Federación, la creación del Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias como organismos público descentralizado con personalidad jurídica y patrimonio propios, cuyo objeto será realizar investigaciones científicas y tecnológicas en el campo agrícola, pecuario y forestal; la capacitación de recursos humanos, el desarrollo de innovación tecnológica en la referida materia, así como la prestación de servicios relacionados con su objeto. Para ello, en el año de 2001 se logra la figura jurídica de Organismo Público Descentralizado, con base en la Ley Federal de las Entidades Paraestatales, como requisito para convertirnos en Centro Público de Investigación y acceder a los beneficios que otorga la Ley para el Fomento de la Investigación Científica y Tecnológica, entre ellos, una mayor autonomía y capacidad operativa que permita lograr la excelencia institucional.

Capítulo II “Plagas, Control y Modelos”

12

CAPÍTULO 2 “PLAGAS, CONTROL Y MODELOS”


13

2.1 TRIPS (FRANKLINIELLA OCCIDENTALIS)

2.1.1 EL TRIPS DE LAS FLORES: Frankliniella occidentalis

Es un insecto del orden Tisanóptero y suborden Terebrante, introducido en la República Mexicana a partir de mediados de los 80, y que actualmente acapara una gran importancia agronómica, en cuanto a daños se refiere, dado que tiene un elevado número de cultivos huéspedes y plantas adventicias.

El trip occidental de las flores fue introducido en Almería en 1986, con origen en California causando daños en algodonero, a través del material vegetal desde Holanda. Cuando se introdujeron por primera vez no existían productos químicos en el mercado eficaces contra esta plaga y en los primeros años la población se introdujo rápidamente, causando problemas muy graves dejando las plantas secas totalmente. Después empezaron a sintetizarse materias activas eficaces contra el trips.

2.1.2 DESCRIPCIÓN

A nivel de género se reconoce por las siguientes caracteres: Antena de ocho artejos; pronoto con un par de setas y una seta mediana entre el par de setas grandes pos marginales; generalmente presenta cuatro pares de setas largas; metanoto con un par de setas medianas elevándose en el margen anterior. Las alas delanteras tienen dos hileras completas de setas grandes; terguitos abdominales V-VIII con tenidio lateral pareado; estos sobre los espiráculos del VIII anterolateral; esternitos sin setas discal. Los adultos miden aproximadamente un mm de largo; son de color amarillo pajizo y vuelan rápidamente cuando se les disturba. Ver figura 2.1

Por su tamaño es difícil detectarlos, hay que sacudir las flores o partes de la planta en crecimiento sobre la palma de la mano y si se encuentran infectadas de trips al caer se desplazan rápidamente. En Morelos se encuentran distribuidos en todas las áreas de Hortícolas.


14

Trips del cogollo: Frankliniella Occidentalis

Thysanoptera: Thripidae

Western Flower Thrips

2.1.3 CICLO DE VIDA

Las hembras insertan los huevos de forma aislada dentro de los tejidos vegetales (hojas, pétalos de las flores y partes tiernas del tallo), en un número medio de 40 (hasta 300) a lo largo de su vida. El tiempo de incubación varía según la temperatura, siendo de unos 4 días a 26º C, presentando una mortalidad alta con temperaturas elevadas y baja higrometría.

Del huevo emergen las larvas neonatas que comienzan enseguida su alimentación en el lugar donde se realizó la puesta. Con el desarrollo de las larvas siguen su alimentación en lugares refugiados de las hojas, flores o frutos.

En los estadios ninfales siguientes, dejan de alimentarse, pasando a un estado de inmovilidad que se desarrolla preferentemente en el suelo, en lugares húmedos o en grietas naturales de hasta 15 mm bajo el nivel del suelo.

Desde su aparición los adultos empiezan a colonizar las partes superiores de las plantas, teniendo gran apetencia por las flores y el polen de las mismas, del que se alimentan. Sólo se alimentan ocasionando daños las larvas y los adultos.

Figura 2.1. Frankliniella Occidentalis


15

Otras características biológicas de sumo interés son, su gran poder de adaptación a la climatología mediterránea, teniendo una gran actividad fitófaga, tanto en cultivos protegidos como al aire libre, durante todo el año. Además, el trips se desarrolla en una gran diversidad de cultivos, no importando su estado fenológico.

También se distribuyen en plantas espontáneas, que pueden servir como reservas de poblaciones que luego se dispersan sobre los cultivos.

El ciclo de vida de F. occidentalis depende de la temperatura. Los trips se desarrollan más rápido a 30º C, mientras que por encima de 35º C no hay desarrollo en absoluto. Por debajo de los 28º C hay una relación casi lineal entre la temperatura y la duración del desarrollo, y a 18º C el desarrollo es dos veces más largo que a 25,5º C. Poseen una gran rapidez de desarrollo, de tal manera, que a una temperatura de 25º C, el tiempo transcurrido en completar un ciclo es de 13 a 15 días.

Figura 2.2 Ciclo de vida


16

2.1.4 DISPERSIÓN EN EL CULTIVO.

Una infestación de F. occidentalis puede empezar por la entrada de los insectos en el bioespacio con el material vegetal. Más avanzada la estación, los adultos pueden entrar al bioespacio volando desde el exterior. Además, los trips pueden hibernar en hendiduras y otros lugares recónditos, reapareciendo en la estación siguiente.

La dispersión de los trips dentro del bioespacio puede ser activa (volando o flotando en corrientes de aire) como pasiva (por movimiento de personas, plantas o materiales).

Frankliniella occidentalis se encuentra generalmente en las partes altas de la planta, es poco común en las hojas y se puede localizar oculto en puntos de crecimiento, yemas florales y flores. Durante el día puede verse a muchos adultos entre las flores. A primera hora de la mañana se hacen más activos y abandonan sus refugios.

Figure 1.3. Planta de Jitomate Figura 2.4. Cultivo de Jitomate


17

2.1.5 SINTOMAS Y DAÑOS EN LOS CULTIVOS

Los daños provocados por el trip occidental de las flores pueden clasificarse en daños directos y en daños indirectos.

Los daños directos se producen por larvas y adultos al picar y succionar el contenido celular de los tejidos. Los daños producidos por alimentación producen lesiones superficiales de color blanquecino en la epidermis de hojas y frutos, en forma de una placa plateada, que más tarde se necrosan, pudiendo afectar a todas las hojas y provocar la muerte de la planta. La saliva fitotóxica segregada en la alimentación da lugar a deformaciones en los meristemos, que al desarrollarse la hoja en la epidermis aparecen manchas cloróticas arrugándose. En frutos estos daños deprecian la calidad.

Las yemas florales infestadas severamente pueden quedarse cerradas o dar lugar a flores deformadas, como es el caso del rosal, lo que disminuye su valor comercial considerablemente.

También destaca la formación de agallas, punteaduras o abultamientos durante las puestas, en los lugares en que se depositaron los huevos y que pueden tener importancia en frutos (berenjena y tomate).

Los daños indirectos son los producidos por la transmisión de virosis.

Frankliniella occidentalis, tiene la posibilidad de ser un vector de transmisión, puesto que inyecta saliva y succiona los contenidos celulares. Este insecto transmite fundamentalmente el Virus del Bronceado del Tomate (TSWV, del inglés Tomato Spotted Wilt Virus), el cual afecta principalmente a tomate, pimiento y ornamentales. [1]

Figura 2.5. Síntomas de enfermedad


18

2.1.6 TEMPERATURA

De acuerdo al registro de las temperaturas máxima y mínima diarias que prevalecen en el Campo Experimental de Zacatepec, se estimó que una generación de F. Occidentalis, se desarrolla a las 195.0 U.C, con temperatura base 9.5 y máxima 40°C, y da origen a 26 generaciones al año. De aquí la importancia de este insecto como plaga potencial, debido a la gran capacidad de reproducción y a la diversidad de plantas hospedantes. [15]

2.2 MOSQUITA BLANCA (Bemisia tabaci)

2.2.1 MOSCA BLANCA DEL TABACO BEMISIA TABACI.

Con el nombre vulgar de moscas blancas se conocen a insectos de la familia Aleyrodidae cuyos adultos tienen el cuerpo recubierto de una fina capa de polvo blanco de aspecto harinoso (aleyron = harina), producido por unas glándulas ventrales.

Bemisia tabaci, conocida también como mosca blanca del algodonero o de la batata, tiene su origen en las regiones del centro del oriente asiático. Recientemente, un biotipo nuevo (biotipo nuevo para algunos taxónomos o especie nueva para otros) se ha extendido, en corto plazo de tiempo, por diversas regiones europeas y americanas, originando grandes pérdidas en los cultivos afectados. Este biotipo, tan agresivo, parece originario de Sudamérica y añade a la gravedad de los daños directos, el peligro de ser vector de un gran número de virosis, entre las que se encuentran algunas que afectan al tomate.

Se trata de una especie polífaga que parasita más de 300 especies de plantas, pertenecientes a más de 63 familias botánicas, incluyendo ornamentales, malas hierbas y cultivos hortícolas. Pero este biotipo B se ha encontrado asociado a más de 600 especies de plantas distintas, extendiéndose por las regiones tropicales y subtropicales; así como en los bioespacios o cultivos protegidos de regiones templadas.


19

2.2.2 MORFOLOGÍA

Las especies de mosca blanca presentan cuatro estados diferenciados: huevo, larva, pupa y adulto. A su vez el estado de larva tiene tres estadios (I, II y III). Existen algunas discrepancias en la utilización del término pupa, que no lo es realmente, ya que existe alimentación en la primera parte del estado, y la transformación en adultos se produce en la parte final del mismo, sin que exista una muda pupal. Por ello sería más correcto el nombre de ninfas en lugar de larva (I, II y III) y ninfa IV para la pupa. Sin embargo la terminología larva-pupa sigue utilizándose en la actualidad.

Los adultos, revestidos de una secreción cérea pulverulenta blanca, tienen los ojos de color rojo oscuro, con dos grupos de omatidias unidas en el centro por una o dos de ellas. En reposo las alas se pliegan sobre el dorso formando un tejadillo casi rectangular.

Orden: Homoptera

Familia: Aleyrodidae

Especies: Bemisia tabaci

Trialeurodes vaporariorum

Huevos

Son depositados en el envés de las hojas, su tamaño es pequeño, y su forma oval o piramidal. Poseen un pedicelo que les sirve para que sean insertados en la hoja. La hembra puede cortar el tejido vegetal con el ovipositor o empujar los huevecillos en su lugar. El contacto directo con las hojas permite al huevo sobrevivir a la deshidratación y probablemente le proporciona nutrimentos durante su desarrollo. La temperatura influye en la eclosión de los huevos, a temperaturas de 36 °C no hay eclosión (Butler et al 1983). La MBC no oviposita en algodonero en Arizona a temperaturas de 14,9 °C.

Figura 2.6. Bemisia Tabaci

http://es.wikipedia.org/wiki/Ovipositor


20

Ninfas

Al 4º estadio ninfal generalmente se le llama “pupa”, sin embargo, estos insectos tienen una metamorfosis simple por lo que dicho estadio no corresponde a la pupa que presentan los insectos con metamorfosis completa como los lepidópteros, dípteros o coleópteros. Del 4º estadio ninfal emerge el adulto a través de una fisura en forma de “T”, ocurriendo la emergencia generalmente por la mañana (Butler et al 1986).

El primer estadio es el único capaz de movilizarse, mientras que los otros tres son sésiles. Los instares ninfales son de forma aplanada similar a una escama y se les localiza en el envés de las hojas. Los machos y las hembras a menudo emergen como adultos, próximos unos a otros en la misma hoja. La cópula tiene lugar después de un cortejo algo complejo, el cual dura de 2 a 4 minutos; puede haber una cópula múltiple. La hembra fecundada produce una progenie tanto de machos como de hembras, mientras que las no fecundadas sólo producen hembras.

Figura 2.8. Ninfa (Pupa)

Figura 2.7. Huevo B. Tabaci


21

Adultos

Los adultos de la MBHP miden entre 1 y 1,5 mm de longitud, su cuerpo es de color amarillo pálido, poseen dos pares de alas de color blanco, tienen un aparato bucal picador-chupador, que les sirve para succionar la savia de las plantas. El cuerpo está dividido en tres regiones cabeza, tórax y abdomen, y como todos los integrantes de la clase insectos poseen tres pares de patas. [2]

2.2.3 CICLO DE VIDA El ciclo de vida de las mosquitas blancas está regulado por las condiciones climáticas del medio. El período de desarrollo no varía considerablemente en temperaturas entre 15 y 25 °C, comparado con los datos observados a temperaturas constantes de 22 °C. La tasa de desarrollo (reciproco del tiempo de desarrollo) es una función lineal de la temperatura dentro de ese rango. Existe variación en los valores de los umbrales inferior y superior y la constante termal, dependiendo del cultivo en que se desarrolla el insecto.

De acuerdo al registro de las temperaturas máxima y mínima diarias que prevalecen en el Campo Experimental de Zacatepec, se estimo que una generación de Bemisia Tabacci, se desarrolla a las 232.6 U.C, con temperatura base 12.4

• Tienen como mínimo 4 generaciones al año según el clima y en bioespacios pueden tener más de 10 (1 generación por mes) de ahí su mayor peligrosidad bajo cubierto. Una generación es el tiempo que dura todo el ciclo vital del insecto, es decir, desde que se pone un huevo hasta que muere el adulto.

Figura 2.9. Adulto

http://es.wikipedia.org/wiki/Piezas_bucales

http://es.wikipedia.org/wiki/Cabeza_(artr%C3%B3podos)

http://es.wikipedia.org/wiki/T%C3%B3rax_(artr%C3%B3podos)

http://es.wikipedia.org/wiki/Abdomen_(artr%C3%B3podos)


22

• Los adultos hacen la puesta de huevos en el envés de las hojas; de ellos salen las larvas y se quedan a vivir allí, en el envés. Cuando se agitan las plantas se puede ver volar una nubecilla de pequeñas mosquitas blancas.

• Les favorece las temperaturas altas y el ambiente húmedo. Es plaga más de verano.

2.2.4 DAÑOS CAUSADOS POR B. TABACI EN CULTIVOS EN BIOESPACIOS.

Los daños causados por esta especie de mosca blanca en cultivos hortícolas en bioespacios pueden ser:

a) Directos. Producidos por la succión de savia. En este proceso se inyectan toxinas a través de la saliva lo que ocasiona el debilitamiento de la planta y a veces manchas cloróticas. En ataques intensos se producen síntomas de deshidratación, detención del crecimiento y disminución del crecimiento.

b) Indirectos. Producidos por la secreción de melaza y posterior asentamiento de negrilla (Cladosporium sp.) en hojas, flores y frutos; lo que provoca asfixia vegetal, dificultad en la fotosíntesis, disminución en la calidad de la cosecha, mayores gastos de comercialización y dificultad en la penetración de fitosanitarios.

c) Transmisión de virus. Bemisia tabaci es capaz de transmitir gran cantidad de virosis. De entre ellas un buen número afectan al tomate. Se conoce su eficacia en la transmisión de enfermedades como:

Tomato Yelow Leaf Curl Virus (TYLCV). Tomato Yelow Mosaic Virus (TYMV). Tomato Leaf Curl Virus (TLCV). Chino del tomate (CdTV). Tomato Golden Mosaic Virus (TGMV). Tomato Yellow Dwarf Virus (TYDV). Leaf Curl Chili Virus (LCChV). Yellow Mosaic French Bean Virus (YMFBV). Tomato Mottle Virus (TMOV).


23

De todas estas virosis la primera es, en la actualidad, el más extendido y pernicioso en las áreas mediterráneas, al originar una parada casi total en el desarrollo de las plantas afectadas.

Los riesgos de mayor incidencia de la enfermedad se producen en el verano y en el otoño, cuando las poblaciones alcanzan niveles máximos. [3]

Figura 2.10. Síntomas Figura 2.11. Daños en Cultivos


24

2.3 CONTROL

En bioespacios se colocan trampas amarillas con pegamento; el color las atrae y se quedan pegadas. Esto ayuda a disminuir las poblaciones de adultos.

Productos Autorizados para el control de Mosquita Blanca (DGSV, 1999).

Productos Autorizados para el control de Trips (DGSV, 1999).

[15]

Ingrediente activo Nombre comercial Litros en 200 litros de agua IS* Beauveria bassiana

Naturalis, Mycontrol

0.75 Aplicarse por la tarde, dirigido al envés de las hojas

0

Imidacloprid Confidor 0.14 Aplicarse al suelo y alrededor del tallo, cinco días

después del trasplante.

21

Diazinón Basudin, Diazinón 1-2 1 Diclorvos Lucaphos, Anaphos 1.25-1.5 1 dimetoato Rogor, Perfekthion 1-1.5 7 Endosulfán Thiodán 0.5 7 Fenpropatrin Herald 0.4-0.5 3 Lambda cyalotrina Karate, Zeon 0.35-0.5 5 Pymetrozine Plenum 0.4 14 Pyriproxyfen Knack 0.15-0.25 - Sales Potásicas Impide 2.0 - Thiacloprid Calypso SC 0.2 0 Thiametoxam Actara 25 WG 600 g. Aplicarlo 30 días después del trasplante 0

Ingrediente activo Nombre comercial Litros en 200 litros de agua IS* Aceite parafínico de petróleo 1.5-2.0 0 Azinfos metílico Azinfos metil 1.0-1.5 0 Diazinón Diazinón 25 1.0-1.25 Metamidofos Metrifos 600 1.0-1.5 7 monocrotofos Monocrotofos 600 0.5-1.5 21 Naled Naled 90 0.75-1.5 1

Tabla 2.1. Sustancias de Control para Mosca Blanca

Tabla 2.2. Sustancias de control para Trips


25

2.4 ANÁLISIS DE RIESGO

2.4.1 ¿QUÉ ES ANÁLISIS DE RIESGO? Proceso por el cual se identifican las amenazas y vulnerabilidades de una organización con el fin de generar controles que minimicen los efectos de los riesgos.

2.4.2 ¿QUÉ ES EL ANÁLISIS DE RIESGO DE PLAGAS?

Análisis de riesgo de plagas: Las medidas fitosanitarias se generan a partir de un Análisis de Riesgo de Plagas (ARP) sustentado en aspectos técnicos y científicos. El ARP, desde el punto de vista de regulación, corresponde a un procedimiento internacional que permite identificar, evaluar y manejar el riesgo de plagas de interés cuarentenario, que conlleva la movilización de productos vegetales entre países o en el interior de alguno en particular. [4]

Análisis de riesgo de plagas: Determinación de plagas de importancia agrícola, que ayuda a predecir la magnitud del daño potencial y el número de generaciones en un tiempo determinado; y por lo mismo ayuda a determinar las medidas fitosanitarias que deben tomarse para disminuir el riesgo. [5]

2.4.3 EN QUE CONSISTEN LOS ANÁLISIS DE RIESGO EN PLAGAS

La Convención Internacional de Protección Fitosanitaria (CIPF) establece que las medidas fitosanitarias aplicables al comercio internacional de plantas y de productos vegetales deben estar basadas en una evaluación adecuada de los riesgos existentes, teniendo en cuenta los testimonios biológicos y económicos existentes.

El Servicio Nacional de Salud Agraria (SENASA) elabora ARP ante las siguientes situaciones: Identificación de una vía que constituya un peligro potencial de plagas (importación de un nuevo producto vegetal, de un producto proveniente de un área nueva o país de origen);Identificación de una plaga que puede requerir medidas fitosanitarias; y Examen o revisión de las políticas y prioridades fitosanitarias (revisión de reglamentos, examen de una propuesta formulada por otro país, proceso nuevo o de una nueva información sobre una decisión previa, surgimiento de una controversia con respecto a medidas fitosanitarias, la situación fitosanitaria en un país cambia, etc.).


26

2.4.4 CÓMO SE ELABORAN LOS ARP

Los ARP también se realizan para facilitar el acceso a mercados externos, en cuyo caso se preparan documentos técnicos respecto a la situación fitosanitaria de nuestros cultivos de exportación, como una de las fuentes principales para la elaboración de ARP por la Organización Nacional de Protección Fitosanitaria (ONPF) del país de destino.

El objetivo de un ARP es estimar la probabilidad de entrada de una plaga cuarentenaria al área en riesgo, así como sus consecuencias económicas y biológicas en las plantas o productos vegetales a fin de establecer medidas que minimicen sus riesgos, entendiéndose como plaga cuarentenaria a aquella que al establecerse en el país sería capaz de ocasionar impactos económicos y ambientales importantes.

El ARP consta de tres etapas:

Identificación de plagas y/o vías de entrada, en la cual se identifican las plagas asociadas al producto en el país de origen en función a la información obtenida mediante revisión bibliográfica e información proporcionada por la ONPF del país de origen del producto vegetal

Evaluación del riesgo en esta etapa se determinan las plagas cuarentenarias, y se evalúa su probabilidad de introducción, establecimiento, dispersión, así como sus consecuencias económicas potenciales, tomando en consideración su rango de hospedantes, distribución geográfica, biología, importancia en otros países, capacidad de sobrevivir las condiciones de empaque, transporte o manejo pos-cosecha, etc.

Manejo del riesgo, fase mediante la cual se establecen las medidas fitosanitarias requeridas para minimizar los riesgos de las plagas cuarentenarias en los productos materia de importación. [4]


27

2.5. MODELOS

2.5.1 ¿QUÉ ES UN MODELO?

Un Modelo es una representación gráfica o esquemática de una realidad, sirve para organizar y comunicar de forma clara los elementos que involucran un todo.

2.5.2 MODELO MATEMÁTICO

Es uno de los tipos de modelos científicos, que emplea algún tipo de formulismo matemático para expresar relaciones, proposiciones sustantivas de hechos, variables, parámetros, entidades y relaciones entre variables y/o entidades u operaciones, para estudiar comportamientos de sistemas complejos ante situaciones difíciles de observar en la realidad. Método de los promedios Es el método más objetivo ya que por el hecho de promediar todos los valores, arroja un resultado más aproximado.

Este método lo que hace es determinar un promedio, sumando los valores existentes de la temperatura con los valores de cada día en temperatura máxima y mínima, para luego dividirlo entre el número de unidades existentes, restándole a el resultado la temperatura base dependiendo el insecto, obteniendo la unidades calor del mismo; una vez obtenido los tres valores que son Tmax, Tmin, Ucal diarias se suman las unidades calor diarias desplegando la cantidad de unidades calor que se generaron para la formación del numero de generaciones moscas blancas y trips.

La formula es la siguiente:

Ucal = ((Tmax + Tmin)/2)-Tbase

No. Generaciones= Ucal+Ucal

[19]


28

Trips

Tmax Tmin Ucal

Suma Ucal

1 40.59 19.04 20.315 20.315

2 37.88 19.42 19.15 39.465

3 37.88 18.66 18.77 58.235

4 38.77 20.57 20.17 78.405

5 41.99 21.33 22.16 100.565

6 38.77 22.48 21.125 121.69

7 40.13 20.19 20.66 142.35

8 38.32 17.52 18.42 160.77

9 39.22 16 18.11 178.88

10 39.22 18.28 19.25 198.13

11 35.27 19.42 17.845 215.975

12 38.77 16 17.885 233.86

13 37.44 16 17.22 251.08

14 38.77 17.14 18.455 269.535

15 37.88 17.52 18.2 287.735

16 39.22 15.62 17.92 305.655

17 38.32 17.9 18.61 324.265

18 36.13 16 16.565 340.83

19 37.88 15.62 17.25 358.08

20 38.32 15.62 17.47 375.55

21 36.57 18.66 18.115 393.665

Mosca Blanca

Tmax Tmin

Uca diarias

Suma Ucal

1 40.59 19.04 17.415 17.415

2 37.88 19.42 16.25 33.665

3 37.88 18.66 15.87 49.535

4 38.77 20.57 17.27 66.805

5 41.99 21.33 19.26 86.065

6 38.77 22.48 18.225 104.29

7 40.13 20.19 17.76 122.05

8 38.32 17.52 15.52 137.57

9 39.22 16 15.21 152.78

10 39.22 18.28 16.35 169.13

11 35.27 19.42 14.945 184.075

12 38.77 16 14.985 199.06

13 37.44 16 14.32 213.38

14 38.77 17.14 15.555 228.935

15 37.88 17.52 15.3 244.235

16 39.22 15.62 15.02 259.255

17 38.32 17.9 15.71 274.965

18 36.13 16 13.665 288.63

19 37.88 15.62 14.35 302.98

20 38.32 15.62 14.57 317.55

21 36.57 18.66 15.215 332.765

22 36.57 13.32 12.545 345.31

23 34.43 12.55 11.09 356.4

24 35.27 12.55 11.51 367.91

25 36.13 13.32 12.325 380.235

26 37 13.32 12.76 392.995

27 36.13 13.7 12.515 405.51

28 36.13 12.93 12.13 417.64

29 35.7 14.09 12.495 430.135

30 36.57 14.85 13.31 443.445

31 37 15.23 13.715 457.16

32 38.32 16.76 15.14 472.3

Tabla 2.3. Método promedio Trips

Tabla 2.4. Método promedio a Mosca Blanca

Capítulo III “Fundamento teórico”

29

CAPÍTULO 3 “FUNDAMENTO TEÓRICO”


30

3.1 INTELIGENCIA ARTIFICIAL

3.1.1. ¿QUÉ ES INTELIGENCIA ARTIFICIAL (IA)? Se denomina Inteligencia Artificial a la rama de la ciencia informática dedicada al desarrollo de agentes racionales no vivos.

Es la disciplina que se encarga de construir procesos que al ser ejecutados sobre una arquitectura física producen acciones o resultados que maximizan una medida de rendimiento determinada, basándose en la secuencia de entradas percibidas y en el conocimiento almacenado en tal arquitectura.

Intento de reproducir (modelar) la manera en que las personas identifican, estructuran y resuelven problemas difíciles.

3.1.2. OBJETIVOS DE LA IA

Los investigadores en inteligencia artificial se concentran principalmente en los sistemas expertos, la resolución de problemas, el control automático, las bases de datos inteligentes y la ingeniería del software (diseños de entornos de programación inteligente).

Otros investigadores están trabajando en el reto del reconocimiento de patrones donde se espera un rápido progreso en este campo que abarca la comprensión y la síntesis del habla, el proceso de imágenes y la visión artificial.

Finalmente, la fundamental investigación sobre la representación del conocimiento, la conceptualización cognoscitiva y la comprensión del lenguaje natural.

Uno de los principales objetivos de los investigadores en inteligencia artificial es la reproducción automática del razonamiento humano.

El razonamiento de un jugador de ajedrez no siempre es el mismo que el de un directivo que se pregunta la viabilidad de fabricar un nuevo producto. Un niño jugando con bloques de madera en una mesa no tiene idea de la complejidad del razonamiento necesario para llevar a cabo la construcción de una pirámide, e intentar que un robot hiciera lo mismo que el niño requeriría un largo programa de computador.


31

3.1.3. CARACTERÍSTICAS DE LA IA

Una característica fundamental que distingue a los métodos de Inteligencia Artificial de los métodos numéricos es el uso de símbolos no matemáticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos, también procesan símbolos y no se considera que usen técnicas de Inteligencia Artificial.

El comportamiento de los programas no es descrito explícitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cómo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste con los programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica, explícitamente, cómo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento).

El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del ámbito del conocimiento en que ellos operan. Al contrario de los programas para propósito específico, como los de contabilidad y cálculos científicos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dándole la capacidad de explicar discrepancias entre ellas.

Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolución de conflictos en tareas orientadas a metas como en planificación, o el diagnóstico de tareas en un sistema del mundo real: con poca información, con una solución cercana y no necesariamente exacta.

La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robótica, usada principalmente en el campo industrial; comprensión de lenguajes y traducción; visión en máquinas que distinguen formas y que se usan en líneas de ensamblaje; reconocimiento de palabras y aprendizaje de máquinas; sistemas computacionales expertos.


32

Tales tareas reducen costos, reducen riesgos en la manipulación humana en áreas peligrosas, mejoran el desempeño del personal inexperto, y mejoran el control de calidad sobre todo en el ámbito comercial.

3.1.4. APLICACIONES DE LA IA

TRATAMIENTO DE LENGUAJES NATURALES

Capacidad de Traducción, Órdenes a un Sistema Operativo, Conversación Hombre-Máquina, etc.

SISTEMAS EXPERTOS

Sistemas que se les implementa experiencia para conseguir deducciones cercanas a la realidad.

ROBÓTICA

Navegación de Robots Móviles, Control de Brazos móviles, ensamblaje de piezas, etc.

PROBLEMAS DE PERCEPCIÓN

Visión y Habla, reconocimiento de voz, obtención de fallos por medio de la visión, diagnósticos médicos, etc.

APRENDIZAJE

Modelización de conductas para su implante en computadoras. [14]

Figure 3.1. Inteligencia Artificial


33

3.2 VISIÓN ARTIFICIAL 3.2.1. ¿QUÉ ES LA VISIÓN ARTIFICIAL?

La Visión artificial, también conocida como Visión por Computador (del inglés Computer Vision) o Visión técnica, es un subcampo de la inteligencia artificial. El propósito de la visión artificial es programar un computador para que "entienda" una escena o las características de una imagen.

La visión artificial (machine vision) es la adquisición automática de imágenes sin contacto y su análisis también automático con el fin de extraer la información necesaria para controlar un proceso o una actividad como:

Control de calidad Ordenación por calidades (grading) Manipulación de materiales Test y calibración de aparatos Monitorización de procesos

3.2.2. OBJETIVOS DE LA VISIÓN ARTIFICIAL

La detección, segmentación, localización y reconocimiento de ciertos objetos en imágenes (por ejemplo, caras humanas).

La evaluación de los resultados (ej.: segmentación, registro). Registro de diferentes imágenes de una misma escena u objeto,

hacer concordar un mismo objeto en diversas imágenes. Seguimiento de un objeto en una secuencia de imágenes. Mapeo de una escena para generar un modelo tridimensional de la

escena; tal modelo podría ser usado por un robot para navegar por la escena.

Estimación de las posturas tridimensionales de humanos. Búsqueda de imágenes digitales por su contenido.

Estos objetivos se consiguen por medio de reconocimiento de patrones, aprendizaje estadístico, geometría de proyección, procesado de imágenes, teoría de gráficos y otros campos. [18]


34

3.2.3. MICROSCOPÍA DIGITAL

Microscopio digital: Sistema de digitalización que permite sustituir al microscopio. Partes:

La captura o adquisición de imágenes (creación de preparación digital)

Archivo de preparaciones (en formato digital) Visualización de preparaciones (en la pantalla del ordenador) Transmisión y compartimiento de toda la preparación

3.2.3.1. PROPIEDADES BÁSICAS DE LAS IMÁGENES DIGITALES

Las imágenes de señal continua se reproducen mediante dispositivos electrónicos analógicos que registran los datos de la imagen con precisión utilizando varios métodos, como una secuencia de fluctuaciones de la señal eléctrica o cambios en la naturaleza química de la emulsión de una película, que varían continuamente en los diferentes aspectos de la imagen. Para procesar o visualizar en el ordenador una señal continua o una imagen analógica, se debe convertir primero a un formato comprensible para el ordenador o formato digital. Este proceso se aplica a todas las imágenes, independientemente de su origen, complejidad y de si son en blanco y negro (escala de grises) o a todo color. Una imagen digital se compone de una matriz rectangular (o cuadrada) de píxeles que representan una serie de valores de intensidad ordenados en un sistema de coordenadas (x,y).

3.2.3.2. ESTRATEGIAS RECOMENDADAS PARA EL PROCESAMIENTO DE IMÁGENES DIGITALES

Dependiendo de las condiciones de iluminación, la integridad de la muestra y los métodos de preparación, las imágenes capturadas con el microscopio óptico pueden requerir una cantidad considerable de rehabilitación/reinserción/renovación para conseguir un equilibrio entre precisión científica y composición estética. Las imágenes digitales que se obtienen mediante un CCD (charge-coupled device) o un CMOS (complementary metal oxide semiconductor) a menudo sufren señales-a-ruido pobres, iluminación irregular, impurezas de enfoque, deslumbramiento, cambios en los colores y otros problemas que distorsionan la calidad global de la imagen.


35

3.3. PROCESAMIENTO DE IMÁGENES

3.3.1. ¿QUÉ ES EL PROCESAMIENTO DE IMÁGENES DIGITALES?

El procesamiento de imágenes digitales, en términos generales, envuelve al reconocimiento de imágenes 2D, 3D y secuencias de imágenes, análisis, manipulación, transmisión y otras áreas relacionadas. Partes cubiertas por este área son: transformaciones de intensidad y filtros espaciales, procesamiento en el dominio de la frecuencia, restauración de imágenes, procesamiento del color, ondículas, compresión de imágenes digitales ,procesamiento morfológico, segmentación, representación y descripción, reconocimiento de formas y objetos, interpretación.

3.3.2. OBJETIVOS DEL PROCESAMIENTO DE IMÁGENES DIGITALES

Mejorar el aspecto de las imágenes y hacer más evidentes en ellas ciertos detalles que se desean hacer notar. La imagen puede haber sido generada de muchas maneras, por ejemplo, fotográficamente, o electrónicamente, por medio de monitores de televisión. El procesamiento de las imágenes se puede en general hacer por medio de métodos ópticos, o bien por medio de métodos digitales, en una computadora.

3.3.3. APLICACIONES DEL PROCESAMIENTO DE IMÁGENES

BIOLOGÍA

En los campos de la biología y biomedicina, el procesamiento de imágenes se usa para analizar visualmente las muestras biológicas. Hay varios casos donde el análisis de muestras ha sido completamente automatizado usando procesamiento de imágenes. De cara la realización de un buen análisis, se mejoran usando algoritmos como "contrast-balance" o "edge-sharpening", aquellas características inidentificables y/o poco nítidas de la imagen .La identificación automática, clasificación, categorización y análisis de ADN pueden ser realizadas por el procesamiento de imágenes.


36

PROCESADO DE DOCUMENTOS

Una recolección y procesado automático de documentos e imágenes se presenta útil para bancos y compañías de seguros. Estos documentos están digitalmente comprimidos y guardados. Se detectan e identifican automáticamente la información impresa sobre cheques y otros documentos contables.

AUTOMATIZACIÓN EN LA INDUSTRIA

El procesamiento de imágenes se usa para la inspección y supervisión automática en líneas de producción de grandes empresas. Este sistema reduce mucho el error humano al tiempo que proporciona estabilidad y precisión en la producción.

DIAGNOSTICO A PARTIR DE IMÁGENES MÉDICAS

Los rayos X y las proyecciones CT médicas se digitalizan para examinar áreas internas del cuerpo. Un número determinado de proyecciones CT se combinan y digitalizan automáticamente para producir imágenes 3-dimensionales.

TELEDETECCIÓN

Un satélite fotografía la corteza exterior de la Tierra a intervalos regulares y las imágenes se usan para analizar condiciones de crecimiento del cultivo, distribución de la vegetación y para exploraciones de recursos naturales. También la corteza de la Tierra puede ser convertida en un modelo 3-dimensional usando imágenes 2d tomadas por satélites.

3.3.4 PROCESAMIENTO DIGITAL

PROCESAMIENTO DIGITAL

Al igual que en el caso del procesamiento óptico, los principios fundamentales del procesamiento digital de imágenes están establecidos hace muchos años, pero no se llevaban a cabo debido a la falta de computadoras. Con la aparición de las computadoras de alta capacidad y memoria, era natural que se comenzara a desarrollar este campo. Uno de los primeros lugares donde se empezó a realizar el procesamiento digital fue en el Jet Propulsion Laboratory, en 1959, con el propósito de mejorar las imágenes enviadas por los cohetes.


37

Los resultados obtenidos en un tiempo relativamente corto fueron tan impresionantes que muy pronto se extendieron las aplicaciones del método a otros campos.

Figura 3.2. División de una imagen en pixeles.

El procesamiento digital de imágenes se efectúa dividiendo la imagen en un arreglo rectangular de elementos, como se muestra en la figura 3.2. Cada elemento de la imagen así dividida se conoce con el nombre de pixel. El siguiente paso es asignar un valor numérico a la luminosidad promedio de cada pixel. Así, los valores de la luminosidad de cada pixel, con sus coordenadas que indican su posición, definen completamente la imagen.

Todos estos números se almacenan en la memoria de una computadora.

El tercer paso es alterar los valores de la luminosidad de los pixeles mediante las operaciones o transformaciones matemáticas necesarias, a fin de hacer que resalten los detalles de la imagen que sean convenientes. El paso final es pasar la representación de estos pixeles a un monitor de televisión de alta definición, con el fin de mostrar la imagen procesada (Figura 3.3.).


38

Figura 3.3. Procesamiento digital de imágenes. Cefalograma en el que se han reforzado las componentes de Fourier de alta frecuencia. (Tomado de S. W. Oka y H. J. Trussell, The Angle Ortodontist, 48, núm. 1, 80, 1978). (a) Imagen original y (b) imagen procesada.

3.3.5. UTILIDAD DEL PROCESAMIENTO DE IMÁGENES

La utilidad del procesamiento de imágenes es muy amplia y abarca muchos campos. Un ejemplo son las imágenes obtenidas con fines de diagnóstico médico. Otro ejemplo son las imágenes aéreas obtenidas para realizar exámenes del terreno. Mediante este método se pueden analizar los recursos naturales, las fallas geológicas del terreno, etcétera. [17]

3.3.6. CONTEO AUTOMÁTICO

El conteo de cientos o miles de partículas o células con el apoyo de un microscopio e instrumentos como la cámara Neubauer. El conteo realizado tiene cierto margen de error aunque la muestra sea homogénea, ya que para agilizar el conteo normalmente solo se realiza en ciertas regiones del área total observada en el microscopio, asumiendo que estas regiones son representativas de la muestra. Automatizar este proceso implica ciertas ventajas como: a) el tiempo de análisis se ve reducido drásticamente pues una computadora puede contar miles de partículas en unos cuantos segundos y b) se reduce el error, ya que al ser una máquina la que realiza el conteo se puede contar el total de partículas observadas en la muestra y no solo una porción del área, realizándose así un conteo más significativo de la muestra original.


39

El sistema consta de una cámara digital adaptada al microscopio, y de un software basado en técnicas sencillas de análisis de imágenes digitales, el cual cuenta el total de partículas en la imagen y calcule la concertación de partículas por volumen en la muestra original.

SOFTWARE

El algoritmo que se describe a continuación analiza la imagen, obtenida (Figura 3.4.) por una cámara digital, aplicando filtros y técnicas de segmentación de imágenes.

El algoritmo consta de los siguientes pasos básicos para obtener el resultado:

a) conversión de la imagen en color a escala de Grises, b) detección del fondo en la imagen, c) binarización de la imagen, d) segmentación de la imagen, e) conteo de partículas y f) cálculo de la concentración por volumen.

Figura 3.4. Las imágenes para analizar deberán solo contener un tipo de partículas, ser de una muestra homogénea, tener una iluminación uniforme y no tener una concentración de más del 50%.

ESCALA DE GRISES

El color de cada píxel en una imagen digital se indica generalmente en el estándar RGB, mediante la combinación de lo tres colores primarios: rojo, verde y azul, cada canal de color contiene 256 niveles, los que combinados dan un total de 16,777,216 colores (16 millones de colores). La muestra (Figura 3.5.) deberá ser convertida a escala de grises para reducir la información de la imagen, y hacer los procesos siguientes en un solo canal de color o tonos de gris. En una imagen en escala de grises (Figura 3.6.) los tres canales RGB tienen el mismo valor, por lo que deberán fusionarse en uno solo mediante su promedio.


40

DETECCIÓN DE FONDO

Para poder identificar correctamente las partículas es necesario identificar las tonalidades de grises que conforman el fondo y las que pertenecen a las partículas. En el histograma de frecuencias de la imagen (Figura 3.7a) el eje horizontal indica el tono de gris del 0 a 255 y el eje vertical indica el número de píxeles con ese nivel de gris.

Figura 3.7. El histograma de una imagen permite determinar los tonos que tienen mayor presencia en la imagen. En la imagen, izquierda, se puede observar un pico que contiene la mayoría de los píxeles de la imagen. Este pico corresponde a las tonalidades del fondo en la imagen. Este pico se puede determinar mejor si se le pasa a la imagen un filtro que elimine el ruido, como se muestra en la imagen de la derecha.

En una imagen de una muestra en la que la concentración de partículas es menor al 50%, la mayoría de los píxeles pertenecerán al fondo. Estos píxeles estarán dentro de un rango de tonos de gris indicado por el pico mayor en el histograma de frecuencias. Para que esto se cumpla es necesario que la iluminación de la imagen sea uniforme y que las partículas sean

Figura 3.5. Muestra de Levadura Saccharomyces Cerevisiae en cámara Neubauer observada con objetivo de 4X

Figura 3.6. Imagen en escala de grises


41

contrastantes con el fondo. La posición del pico correspondiente al fondo también permitirá determinar la cantidad de luz en la imagen, en una imagen con mucha luz el pico se encuentra hacia la derecha, nivel 255 correspondiente al blanco, si la imagen contiene poca luz el pico se encontrara a la izquierda, hacia el nivel 0 correspondiente al negro.

Debido al tipo de imágenes que se manejan, el fondo será más claro que las partículas, pues éstas obstruyen el paso de la luz, observándose casi negras. Para imágenes que contengan un solo tipo de partículas, la tonalidad de gris del extremo izquierdo del pico, su parte más obscura, indicará el umbral para el cual los tonos por debajo de éste pertenecen a las partículas y los que se encuentren sobre él pertenecerán al fondo.

Para evitar errores en la detección del fondo se debe difuminar la imagen, para poder identificar mejor los picos en el histograma de frecuencias [Figura 3.7b].

BINARIZACION

Con el valor de umbral obtenido anteriormente se polarizarán los tonos de la imagen en negro y blanco. Todos los tonos que se encuentren por debajo del umbral pertenecen a las partículas y la binarización los reducirá a negro. Los tonos por arriba del umbral corresponden al fondo y se convertirán blancos [Figura 3.8.]. Esto permitirá que el siguiente proceso pueda segmentar la imagen con facilidad.

Figura 3.8. Muestra de Levadura observada con objetivo de 4X

Figura 3.9. Imagen segmentada y contada


42

SEGMENTACIÓN

Para contar el total de partículas es necesario diferenciar unas de otras agrupando todos los píxeles que forman cada una de las partículas en segmentos diferentes unos de otros.

Para lograr eso se explora toda la imagen binarizada en búsqueda de píxeles negros, correspondientes a las partículas, que aún no hayan sido asignados a alguna región. Al encontrarlos se marcan como pertenecientes a una región nueva, junto con todos sus píxeles vecinos, y los vecinos de estos y se almacenan en una lista con la dirección x, y, de cada uno de ellos. Al terminar de explorar la imagen se tendrá una lista de todas las regiones de la imagen o partículas, donde cada elemento será, a su vez, una lista que contiene todas las direcciones de los píxeles que forman ese segmento o partícula de la imagen.

CONTEO

Aunque la muestra observada sea homogénea, algunas de las partículas se encontraran aglomeradas, por lo que el número de regiones encontradas no necesariamente corresponderá al número total de partículas en la imagen. Para corregir esto debemos calcular cuántas partículas se encuentran unidas en una sola región. La mayoría de las regiones contendrán solo una partícula y solo algunas de estas estarán formadas por más de una. Utilizaremos el área de una región, total de píxeles en ella, formada por una sola partícula para determinar cuántas partículas contiene una región con área mayor. El área de una partícula será determinada por la mediana de todas las áreas de las regiones encontradas. Esta se encuentra ordenando por tamaño la lista de regiones y tomando como área de una partícula el tamaño de la región que se encuentre en medio de la lista.

El total de partículas en una región (Figura 3.9.) se obtiene dividiendo el área de dicha región entre la mediana y el total de partículas en la imagen realizando la sumatoria de estas. [16]


43

3.4 BASES DE DATOS

3.4.1 ¿QUÉ ES UNA BASE DE DATOS?

Una base de datos o banco de datos es un conjunto de datos pertenecientes a un mismo contexto y almacenados sistemáticamente para su posterior uso. En este sentido, una biblioteca puede considerarse una base de datos compuesta en su mayoría por documentos y textos impresos en papel e indexados para su consulta. En la actualidad, y debido al desarrollo tecnológico de campos como la informática y la electrónica, la mayoría de las bases de datos están en formato digital (electrónico), que ofrece un amplio rango de soluciones al problema de almacenar datos.

3.4.2 TIPOS DE BASES DE DATOS

Las bases de datos pueden clasificarse de varias maneras, de acuerdo al criterio elegido para su clasificación:

3.4.2.1 SEGÚN LA VARIABILIDAD DE LOS DATOS ALMACENADOS

BASES DE DATOS ESTÁTICAS

Éstas son bases de datos de sólo lectura, utilizadas primordialmente para almacenar datos históricos que posteriormente se pueden utilizar para estudiar el comportamiento de un conjunto de datos a través del tiempo, realizar proyecciones y tomar decisiones

BASES DE DATOS DINÁMICAS

Éstas son bases de datos donde la información almacenada se modifica con el tiempo, permitiendo operaciones como actualización y adición de datos, además de las operaciones fundamentales de consulta. Un ejemplo de esto puede ser la base de datos utilizada en un sistema de información de una tienda de abarrotes, una farmacia, un videoclub, etc.


44

3.4.2.2 SEGÚN SU CONTENIDO

BASES DE DATOS BIBLIOGRÁFICAS

Solo contienen un representante de la fuente primaria, que permite localizarla. Un registro típico de una base de datos bibliográfica contiene información sobre el autor, fecha de publicación, editorial, título, edición, de una determinada publicación, etc. Puede contener un resumen o extracto de la publicación original, pero nunca el texto completo, porque si no estaríamos en presencia de una base de datos a texto completo (o de fuentes primarias). Como su nombre lo indica, el contenido son cifras o números. Por ejemplo, una colección de resultados de análisis de laboratorio, entre otras.

BASES DE DATOS DE TEXTO COMPLETO

Almacenan las fuentes primarias, como por ejemplo, todo el contenido de todas las ediciones de una colección de revistas científicas.

BASES DE DATOS O "BIBLIOTECAS" DE INFORMACIÓN BIOLÓGICA

Son bases de datos que almacenan diferentes tipos de información proveniente de las ciencias de la vida o médicas. Se pueden considerar en varios subtipos:

Aquellas que almacenan secuencias de nucleótidos o proteínas. Las bases de datos de rutas metabólicas Bases de datos de estructura, comprende los registros de datos

experimentales sobre estructuras 3D de biomoléculas Bases de datos clínicas Bases de datos bibliográficas (biológicas)

[12]


45

3.5. MY SQL

MySQL es un sistema de gestión de base de datos relacional, multihilo y multiusuario con más de seis millones de instalaciones

3.5.1. LENGUAJES DE PROGRAMACIÓN

Existen varias APIs que permiten, a aplicaciones escritas en diversos lenguajes de programación, acceder a las bases de datos MySQL, incluyendo C, C++, C#, Pascal, Delphi (via dbExpress), Eiffel, Smalltalk, Java (con una implementación nativa del driver de Java), Lisp, Perl, PHP, Python, Ruby, Gambas, REALbasic (Mac), FreeBASIC, y Tcl; cada uno de estos utiliza una API específica. También existe un interfaz ODBC, llamado MyODBC que permite a cualquier lenguaje de programación que soporte ODBC comunicarse con las bases de datos MySQL. También se puede acceder desde el sistema SAP, lenguaje ABAP.

3.5.2. APLICACIONES

MySQL es muy utilizado en aplicaciones web como, Drupal o phpBB, en plataformas (Linux/Windows-Apache-MySQL-PHP/Perl/Python), y por herramientas de seguimiento de errores como Bugzilla. Su popularidad como aplicación web está muy ligada a PHP, que a menudo aparece en combinación con MySQL. MySQL es una base de datos muy rápida en la lectura cuando utiliza el motor no transaccional MyISAM, pero puede provocar problemas de integridad en entornos de alta concurrencia en la modificación. En aplicaciones web hay baja concurrencia en la modificación de datos y en cambio el entorno es intensivo en lectura de datos, lo que hace a MySQL ideal para este tipo de aplicaciones.


46

3.5.3. ESPECIFICACIONES

MySQL funciona sobre múltiples plataformas, incluyendo:

AIX BSD FreeBSD HP-UX GNU/Linux Mac OS X NetBSD Novell Netware OpenBSD OS/2 Warp QNX

SGI IRIX Solaris SunOS SCO OpenServer SCO UnixWare Tru64 eBD Windows 95, Windows 98, Windows NT,

Windows 2000, Windows XP, Windows Vista y otras versiones de Windows.

OpenVMS

3.5.4. CARACTERÍSTICAS DE LA VERSIÓN

Soporte a multiplataforma Procedimientos almacenados Triggers Cursores Vistas actualizables Soporte a VARCHAR INFORMATION_SCHEMA Motores de almacenamiento independientes (MyISAM para lecturas

rápidas, InnoDB para transacciones e integridad referencial) Transacciones con los motores de almacenamiento InnoDB, BDB Y

Cluster; puntos de recuperación (savepoints) con InnoDB Soporte para SSL Query caching Sub-SELECTs (o SELECTs anidados). [13]

Capítulo IV “Recopilación y Análisis”

47

CAPÍTULO 4 “RECOPILACIÓN Y ANÁLISIS”


48

4.1. RECOPILACIÓN DE LA INFORMACIÓN 4.1.1. RECOPILACIÓN DE LOS DATOS

La recopilación de datos consiste en el registro de los hechos que permiten conocer, analizar lo que realmente sucede con relación a lo que se quiere.

Los documentos recopilados para la investigación son:

Trampas Amarillas Hojas de conteo realizadas a mano semanalmente Registro del conteo en Excel Temperaturas dadas por un “Datalogger”

TRAMPAS AMARILLAS

Se refiere a una especie de rectángulo con pegamento, en la cual, se adhieren los Trips y las Moscas Blancas.

La información que se recopila de dichas trampas son el número de insectos que se presento durante la semana.

Figura 4.1 Trampa Amarilla


49

HOJAS DE CONTEO REALIZADAS A MANO

Cuando se habla de las hojas de conteo, se refiere a la cual es creada al momento en el que se realiza el conteo almacenando allí el número de insectos adheridos a la trampa amarilla.

Los datos recopilados en las hojas son semanales.

REGISTRO DEL CONTEO GENERADO EXCEL

Se refiere al almacenamiento de los datos recopilados semanalmente en una hoja de cálculo generada en el programa Excel.

Los datos que se tiene almacenados van siendo separados por la fecha en la q la trampa es cambiada, así como cabe bien mencionar la localidad en la cual se encuentran ubicadas las trampas.

Figura 4.3. Registro en Excel

Figura 4.2. Registro Manual


50

TEMPERATURAS

La temperatura es uno de los factores que afecta o beneficia a la reproducción de los Trips o Moscas Blancas. Estos datos son obtenidos por un aparato llamado “Dataloggers” el cual es el que da la temperatura en tiempo real.

Figura 4.4 Dataloggers


51

4.1.2. RECOPILACIÓN DE LOS PROCESOS

Crear Análisis de Riesgo

Extraer datos climatológicos

Ejecutar ajustes

INICIO

Puesta de trampa

Conteo de trampa a la semana de colocada

Registro del conteo en Excel

Ingresar datos a Vensim Iniciar Simpec

Modelar la reproducción del insecto determinado

Mostrar Modelo de Reproducción

FIN

Proceso Automático

Proceso Manual

SIMBOLOGIA


52

4.2. ANÁLISIS DE LA INFORMACIÓN Registro del conteo de insectos. Función: Proporcionar el numero de insectos capturados semanalmente para poder determinar el análisis de riesgo del cultivo en invernadero. Origen: Trampas colocadas semanalmente dentro del invernadero del CEZAC.

Información sobre ambas plagas. Función: Proporcionar la información necesaria de las plagas de las cuales se establecerá el análisis de riesgo Origen: Información obtenida a través de libros de investigación y estudio de dichos insectos, así como también del conocimiento y practica del investigador en el laboratorio de fitopatología.

Modelos de simulación del desarrollo de Trips y Mosca Blanca. Función: Proporcionar un apoyo al pronóstico de la reproducción de dichos insectos, así como en la toma de decisiones y medidas de prevención. Origen: Datos recopilados de temperatura, número de insectos recopilados, que son procesados en el programa de Vensim.

Registro de temperaturas. Función: Registros que sirven de apoyo para el modelo de simulación de dichos insectos. Origen: Obtenida a través de la recopilación de los dataloggers colocados dentro del invernadero.


53

4.3. SOLUCIÓN DEFINIDA

Para resolver el problema de la inexistencia de un análisis de riesgo de la producción de jitomate específicamente cultivado en invernadero y tomando en cuenta que los datos recopilados se encuentran dentro del mismo CEZAC y requiriendo de una mejora en la producción, se desarrolló un Sistema de Base de Datos para determinar dicho análisis de riesgo del cultivo de jitomate en invernadero para la localidad determinada en Zacatepec, que evaluará el impacto de la plagas y aportara una predicción en su comportamiento, generando de esta manera recomendaciones para el tratamiento de estas plagas.

4.4. REQUERIMIENTOS DEL SISTEMA

4.4.1. REQUERIMIENTOS DEL HARDWARE

PC de escritorio Procesador: Intel Pentium Dual CPU Disco Duro: 40 Gb (mínimo) RAM:1 Gb Monitor LCD 17’’ Teclado Mouse Óptico Unidad de CD-ROM/RW 52x

4.4.2. REQUERIMIENTOS DEL SOFTWARE

Sistema Operativo con Windows XP Profesional, Versión 2002, Service Pack 3.

Vensim, debido a que logra predecir el comportamiento de la plagas. Simpec, debido a que crea los modelos de simulación. MYSQL como manejador de base de datos, para la manipulación de la información.

Visual Basic, para establecer el ambiente grafico requerido para la manipulación del sistema.

Capítulo V “Diseño del Sistema”

54

CAPÍTULO 5 “DISEÑO DEL SISTEMA”


55

5.1. DISEÑO DEL SISTEMA Pertenece a una fase de la creación de los sistemas en la cual se logra utilizar ciertas técnicas para la creación del sistema que se ha ido analizando detalladamente. La cual permitirá por medio de la creación de diagramas la interpretación y realización física del mismo.

5.2. DIAGRAMA DE CONTEXTO

En este diagrama se representa la función más general del sistema y se detallan las principales entradas y salidas del mismo.

En forma más explícita, el diagrama de contexto muestra la interacción que existe entre los usuarios del sistema que serán en este caso el Investigador y Secretaria. Donde indica que es lo que se le proporcionará para poder recibir una respuesta.

El investigador ingresa una temperatura que se obtiene de los datalogger y un número promediado semanalmente por tipo de insecto en cada localidad, el sistema realiza el procesamiento para visualizar las gráficas y de ser requerido podrán ser impresas y los modelos matemáticos que representan el riesgo que se tiene con la reproducción de dichos insectos solo serán visualizados.

La secretaria se encarga únicamente de ingresar los datos que sean recopilados semanalmente como lo son las fechas de conteo, las plagas en determinada localidad, así como los promedios que se obtengan y el sistema únicamente le proporcionará la consulta de dicha información, también realiza el escaneo o lectura digital de las imágenes para poder almacenar el número de insectos localizados en las trampas semanalmente.


56

De esta manera por medio de este diagrama se tiene una visión general de las entradas y salidas y la forma en la que los usuarios interactúan con el sistema (Figura 5.1).

Figura 5.1. Diagrama de contexto


57

5.3. DIAGRAMA DE FLUJO DE DATOS

En la figura 5.2 se pretende dar a conocer el flujo de datos del sistema, de una manera más visual que permite hacer más fácil el funcionamiento del mismo.

Los rectángulos indican las entidades externas, es decir, los actores que interactúan con el sistema de base de datos para el análisis de riesgo de Bemisia tabaci y Frankliniella Occidentalis, como lo son la Secretaria, y el Investigador.

Los círculos indican los procesos que realiza el sistema, como son: 1) Registrar de las plagas, 2) Registra datos de las trampas, 3) Conteo automático de insectos, 4) Almacenar información del conteo, 5) Consulta de medidas de riesgo de plagas, 6) Generación de gráficas de riesgo de plagas, 7) Impresión de gráficas.

Las flechas indican el flujo de datos que se tiene con respecto al manejo de los datos dentro del sistema.

El almacén de datos indica donde se guardara cada proceso que se realiza que se representa con líneas en la parte superior e inferior del nombre simulando un rectángulo no completo.

En este caso el actor Secretaria realiza los procesos de:

1) Registrar datos de las plagas a estudiar en el almacén Plaga. 2) Registra datos de las trampas en el almacén de las localidades 3) Conteo automático de insectos, el dato que se almacenara será

únicamente el número de insectos registrados en cada trampa en el almacén Insectos.

4) Almacenar información del conteo realizando un registro de un promedio general utilizado para la graficación de los datos.


58

El actor Investigador realiza los siguientes procesos:

5) Consultar el almacén Promedio para poder llevar a cabo la realización de las gráficas.

6) Generar gráficas de riesgo de plagas almacenadas en Gráficas. 7) Lleva a cabo la impresión de las gráficas si se desea.

Figura 5.2. Diagrama de Flujo de datos


59

5.4. DICCIONARIO DE DATOS

ALMACENES DE DATOS

Nombre del almacén: PLAGAS

Descripción: Se guardan los registros de las plagas que se den de alta, pidiendo la clave, nombre científico y nombre común, así como el control que se requiere.

Nombre del almacén: INVERNADERO

Descripción: Se guardan los registros de las trapas que se tienen en análisis, pidiendo un id que los referencie, fecha del conteo, numero de trampa, nombre común del insecto y la cantidad de insectos que se almacenan en dicha trampa.

Nombre del almacén: BIOESPACIO

Descripción: Se guardan los registros de las trapas que se tienen en análisis, pidiendo un id que los referencie, fecha del conteo, número de trampa, nombre común del insecto y la cantidad de insectos que se almacenan en dicha trampa.

Nombre del almacén: PROMEDIO

Descripción: Contendrá los datos que se registraran semanalmente como lo son fecha del conteo, la localidad a la que pertenecen y el promedio de los trips y moscas blancas localizadas en las trampas.

Nombre del almacén: GRÁFICAS

Descripción: Esta almacenará la grafica temporalmente, ya que siempre que se graficar tendrá que proporcionar los datos que se solicitan como temperatura y mes. De ser requerido la misma tiene la opción a imprimir.


60

PROCESOS

Número del proceso: 1

Nombre del proceso: REGISTRAR DATOS DE LAS PLAGAS

Descripción: Este proceso lo que realiza es la alta, baja, consulta y modificación de las plagas que se analizan.


Nombre del proceso: REGISTRAR DATOS

Descripción: Este proceso lo que realiza es el almacenamiento de la información de las trampas recopiladas semanalmente.


Nombre del proceso: CONTEO AUTOMÁTICO DE INSECTOS

Descripción: Este proceso por medio del software que se ha desarrollado realiza la lectura de una fotografía que se toma de la trampa a contar, proporcionando el número de insectos que tiene de cada especie.


Nombre del proceso: ALMACENAR INFORMACIÓN DEL CONTEO

Descripción: En este proceso registramos los datos del conteo como son la fecha, localidad, tipo de insecto y el promedio obtenido de ambos.


61


Nombre del proceso: CONSULTA PROMEDIOS

Descripción: Este proceso permite la visualización de los datos promediados de los insectos, ya que son de suma importancia para la graficación de los datos.


Nombre del proceso: GENERAR GRÁFICAS DE RIESGO DE PLAGAS

Descripción: Este proceso realiza la graficación del análisis de las plagas de acuerdo a la temperatura promedio presentada en semanalmente.


Nombre del proceso: IMPRIMIR GRÁFICAS

Descripción: Este proceso realiza la impresión de la grafica que se genera por medio del ingreso de los datos que se le han proporcionado al sistema.


62

5.5. DIAGRAMA ENTIDAD-RELACIÓN

Permite ilustrar la estructura de la base de datos realizada para dicho sistema.

En la figura 5.3 se pueden observar las entidades de la base de datos que son plagas, Invernadero, Bioespacio y Promedio.

La entidad plagas tiene una llave primaria que es denominada c_plaga, junto con los campos de: nombre científico (nom_cientifico), nombre común (nom_comun), control.

La entidad Invernadero al igual que Bioespacio tiene la llave primaria denominada Id, con un conjunto de campos llamados fecha del conteo (f_conteo), número de trampa (no_trampa), nombre común (nom_comun), cantidad (cantidad).

La base de datos cuenta también con la localidad llamada Promedio la cual tiene como campos Id del Registro (id_registro), Fecha de la colocación de la trampa (fecha), Ubicación de la trampa (localidad), Nombre común del insecto (nom_comun), Promedio del conteo de los insectos por especie (promedio).

La relación que se da entre las tablas es de uno a muchos de plagas a promedio, invernadero y bioespacio, debido a que la tabla plaga contiene el campo nombre común que es referenciada a las demás tablas para su fácil manejo al momento de utilizar el proyecto.


63

El motivo por el cual invernadero y bioespacio tienen los mismos campos es porque de esa manera se lograba que los datos fueran interpretados de una mejor manera y con mayor facilidad. Logrando tambien el facil calculo de los conteos para poder llegar a un promedio general de los trips y moscas blancas localizadas en determinada fecha.

Figura 5.3. Diagrama entidad-relación


64

5.6. DIAGRAMA DE ESTRUCTURA

Representa la estructura del sistema en general mostrando los bloques que tendrá cada entidad de la base de datos.

Es decir que el primer recuadro representa el Sistema en General de allí se despliega otros dos recuadros que realizaran la validación del mismo para poder tener el acceso a las entidades requeridas.

En cada entidad podrán realizarse las funciones altas, bajas, consultas y modificaciones.

Figura 5.4. Diagrama de estructura


65

5.7. DIAGRAMA DE CASOS DE USO

Un caso de uso realiza la descripción de la secuencia de interacciones que se producen entre un actor y el sistema, cuando el actor usa el sistema para llevar a cabo una tarea específica.

Expresa una unidad coherente de funcionalidad del sistema, es decir, el caso de uso refleja una tarea específica que el actor desea llevar a cabo usando el sistema.

Figura 5.5. Diagrama de casos de usos


66

5.8. DIAGRAMA DE CLASES

El diagrama de clases es un tipo de diagrama estático que describe la estructura de un sistema mostrando sus clases, atributos y las relaciones entre ellos. Son utilizados durante el proceso de análisis y diseño de los sistemas, donde se crea el diseño conceptual de la información que se manejará en el sistema, y los componentes que se encargaran del funcionamiento y la relación entre uno y otro.

Figura 5.6. Diagrama de clases


67

5.9. DIAGRAMAS DE SECUENCIA

Es un tipo de diagrama de interacción que resalta la ordenación temporal de los mensajes.

Figura 5.7 Diagrama Lectura Imagen


68

Muestra la interacción entre un conjunto de objeto y sus relaciones, incluyendo los mensajes que pueden enviarse entre ellos, utilizado para especificar el paso de mensajes entre los actores y el sistema.

Figura 5.8 Interacción Base de Datos


69

5.10. DIAGRAMA SECUENCIAL DEL RECONOCIMIENTO DE IMAGEN

Se muestra el diagrama de los pasos necesarios para la creación de un sistema o modulo de imágenes.

Figura 5.9 Diagrama secuencial del reconocimiento de imágenes

INICIO

CARGAR IMAGEN DE LATRAMPA AMARILLA

INICIAR LECTURA DE TRIPS

INICIAR LECTURA DE MOSCA BLANCA

CREA UN CICLO PARA CONTAR PIXELES DE ACUERDO A COLORES BASICOS RGB

DEFINE LOS OBJETOS DE BUSQUEDA, LOCALIZANDO LOS OBJETOS DESEADOS

POR MEDIO DEL BARRIDO DE PIXELES ENCUENTRA LOS PUNTOS DE MEDICIÓN

CONVERTIR COORDENADAS DE PIXELES A COORDENADAS DEL MUNDO REAL

BARRIDO EN FORMA HORIZONTAL

BARRIDO EN FORMA VERTICAL

PROMEDIANDO EL NUMERO DE PIXELES ENCONTRADOS SE DETERMINA EL NO. DE INSECTOS

SE MUESTRA EL RESULTADO

FIN


70

5.11. MAPA DE NAVEGACIÓN

Sirve para guiar al usuario en la utilización del programa de una manera muy general, muestra también que tipo de operaciones realiza el usuario de acuerdo a los permisos otorgados en el sistema (Fig. 5.10.).

Figura 5.10 Mapa de Navegación

Capítulo VI “Implementación del Sistema”

71

CAPÍTULO 6 “IMPLANTACIÓN DEL SISTEMA”


72

6.1. IMPLANTACIÓN DEL SISTEMA La implantación se refiere a la puesta en marcha de la versión final del sistema de información, aunque ésta, en cualquier proceso de software no se tiene delimitada.

6.2. PANTALLAS DEL SISTEMA

Figura 6.1. Muestra la pantalla inicial del sistema.

Figura 6.1. Pantalla Inicial del sistema

Ingresa al sistema por medio de una validación de usuario.

Información de la empresa y el proyecto.


73

Figura 6.2. Muestra la información de la empresa para la cual se desarrolló el proyecto.

Figura 6.2. Información de la empresa

Regresa al menú principal.


74

Figura 6.3. Muestra la información acerca del proyecto.

Figura 6.3. Acerca del Proyecto

Figura 6.4. Información de referencia para cualquier duda, pregunta, acerca del proyecto.

Figura 6.4. Pantalla A cerca de


75

Figura 6.5. Pantalla de validación del usuario según sea el caso, ya sea para la persona auxiliar o para el investigador, permitiendo el acceso al menú donde realizará las funciones asignadas. En caso de ingresar una clave diferente, aparecerá una ventana que indica “Contraseña incorrecta” (Figura 6.6).

Figura 6.5. Pantalla de validación

Figura 6.6. Mensaje de Error

Contraseña auxiliar

Ingresa al Menú

Regresa a la pantalla contraseña


76

Figura 6.7. Menú desplegado para el usuario doctor una vez hecha la validación de la contraseña.

Figura 6.7. Menú Doctor

Comando que vincula a la pantalla que permite visualizar, realizar, modificar e imprimir las gráficas.

Vínculo a la tabla promedio.

Regresa a pantalla principal.

Vínculo al menú que presenta los modelos de predicción.


77

Figura 6.8. Pantalla que permite visualizar las gráficas, para la manipulación o alteración de la misma se deberá dar un click sobre la gráfica para desplegar los comandos que permitirán realizar dichas operaciones.

Figura 6.8. Gráfica

Menú que permite la modificación de la gráfica donde se puede detallar el diseño de gráfica.

Recuadro que permite la modificación de las cantidades que se representan.

Gráfica realizada por los conteos semanales. Al dar click derecho aparecerá la opción editar si se quiere modificar.

Opción para imprimir la gráfica.


78

Figura 6.9. Pantalla que permite visualizar la tabla de promedios, que únicamente permitirá la consulta de los datos contenidos en la misma.

Figura 6.9. Consulta Promedios

Visualización de los campos de la tabla promedios.

Regresa al menú del doctor. Puntero que sirve para

referenciar el registro en el que se ubica.


79

Figura 6.10. Menú que vincula al modelo de predicción en sus distintas presentaciones que fueron utilizadas y en los que se baso el estudio realizado para calcular el número de generaciones que fueron generadas durante el periodo de investigación.

Figura 6.10. Menú modelos

Comandos que permiten la conexión con los modelos de predicción según sea el caso.

Regresa al menú del doctor.


80

Figura 6.11. Pantalla que presenta el modelo de predicción realizado por el método promedio. El cual puede ser modificado o alterado dando un click derecho sobre la cuadricula.

Figura 6.11. Método promedio (Opc. 1)

Cuadricula que detalla el modelo de predicción.

Permite realizar la modificación de las cifras o formulas declaradas en caso de ser necesario.

Permite abrir una hoja de Excel independiente.

Regresa al menú modelos.


81

Figura 6.12. Pantalla que presenta el modelo de predicción mediante el método promedio también en su distinta opción de cálculo para cada insecto. De igual manera puede ser modificado dando un click derecho sobre la cuadricula.

Figura 6.12. Método promedio (Opc.2)

Cuadricula que visualiza el modelo de predicción.

Permite realizar la modificación de las cifras o formulas declaradas en caso de ser necesario.

Permite abrir una hoja de Excel independiente para visualizar todos los registros.

Regresa al menú modelos.


82

Figura 6.13. Menú Auxiliar donde se realizan las operaciones requeridas en las tablas correspondientes.

Figura 6.13. Menú Secretaria

Permite el acceso a las tablas de la base de datos donde se almacenan los conteos semanales.

Regresa al menú principal

Lectura de la imagen digital, para el conteo de los insectos.


83

Figura 6.14. Pantalla para la manipulación de las tablas que contiene la base de datos las cuales son: promedio, invernadero, bioespacio y plagas, teniendo el mismo formato únicamente variando en los campos que son solicitados de acuerdo al diseño de la tabla.

Figura 6.14. Pantallas de las tablas de la BD

Muestra el contenido de los datos almacenados en la tabla, facilitando la consulta.

Conjunto de datos que se ingresan a las tablas de la BD

Muestra la lista de los datos predeterminados

Unavvez ingresados los datos agrega el nuevo registro.

Modifica un registro en el campo que se solicite.

Elimina Registro

Regresa al menú principal.

Limpia los campos de textos


84

Pantallas donde se describirá el procedimiento para realizar la lectura de la imagen digital.

Figura 6.15. La interfaz de la imagen que se observa a continuación se realizo de la manera más simple para que el usuario final pueda manipular el sistema de una manera más fácil, colocando únicamente los botones que están programados para realizar el conteo de cada insecto.

Figura 6.15. Tratamiento básico de imagen

Menú archivo utilizado para realizar las operaciones que se indican.

Botón programado para realizar el conteo de los insectos llamados Trips comúnmente.

Botón diseñado para realizar la función de conteo de Moscas blancas.

Cuadro donde carga la imagen.

Indicadores que muestran la cantidad de color rojo, verde y azul que contiene el color.

Muestra del color que se eligió en la figura.


85

Figura 6.15.1. Pantalla que muestra la descripción del menú abrir imagen para realizar el procedimiento para cargar la imagen deseada para realizar la lectura digital.

Figura 6.15.1. Cargar fotografía


86

Figura 6.15.2. Pantalla donde se visualiza el funcionamiento del recuadro color del pixel.

Figura 6.15.2. Color del pixel

Indicador de la posición en la que se encuentra el pixel.

Indicadores del color del pixel.


87

Figura 6.15.3. Pantalla que visualiza el conteo del insecto, lo único que se tiene que realizar es dar click en el botón contar el insecto que se quiere y aparecerá el resultado ya que todo el barrido de los pixeles es interno.

Figure 1 Conteo Mosca blanca

Figura 6.15.3. Contar insectos


88

CONCLUSIONES Como puede apreciarse con el desarrollo de este proyecto los investigadores del INIFAP del área de fitopatología obtienen una herramienta que les ayuda a la detección temprana de los riesgos de aparición de las plagas de mosquita blanca y trips, ya que el sistema de información desarrollado permite la captura de la información obtenida de las trampas amarillas colocadas en los bioespacios con el fin de obtener muestras estadísticas de los insectos que se encuentran en ese lugar. Una vez capturada la información se procesa y se muestra por medio de gráficas de varios estilos (barras, puntos, líneas, pastel, etc.) para facilitar la interpretación de la información capturada en el sistema. Adicionalmente se agregó un módulo de Visión Artificial para realizar los conteos de moscas blancas y trips de manera automática, utilizando técnicas de reconocimiento de imágenes. El sistema captura y almacena la información mediante interfaces graficas amigables para el usuario la información que se captura es la cantidad de trips y mosquita blanca que fueron atrapadas en las trampas en un lapso de tiempo determinado, también se capturan las temperaturas promedios semanal y los elementos químicos necesarios para llevar el control de las plagas. Las gráficas que se generan muestran la información promedio semanal de los insectos capturados en las trampas y con esto los investigadores pueden realizar el análisis de riesgo de aparición de las plagas mencionadas. Estos mismos datos se utilizan para crear modelos de comportamiento real de las plagas con base en la cantidad de insectos por periodo de tiempo contra la temperatura registrada en ese mismo periodo. En el módulo de Visión Artificial programado en visual basic se integró una función que permite seleccionar la fotografía de la trampa que se quiere analizar correspondiente a un periodo de tiempo, el tratamiento de la imagen se realiza de manera automática y por medio del conteo de pixeles de cierto rango de colores correspondiente al color de los insectos, se determina la cantidad de los mismos en una trampa.


89

RECOMENDACIONES

Este proyecto no está limitado al conteo de mosquitas blancas y trips, cuenta con la facilidad de poder agregar módulos de una manera simple.

En determinado momento pudiera surgir la necesidad de que se quiera realizar la lectura digital de otros insectos como lo son moscas negras, gorgojos, así como también pudiera necesitarse realizar una investigación en alguna otra localidad como mallas elevadas, a campo libre, entre otros.


90

REFERENCIAS ELECTRONICAS

[1] Manejo del trips occidental de las flores: Frankliniella occidentalis. Trips occidental de las flores. Frankliniella occidentalis. Morfología. Ciclo de Vida. Distribución en el cultivo. Reproducción y desarrollo. www.infoagro.com/hortalizas/trips.asp http://www.infoagro.com/hortalizas/trips.htm [2] Mosca blanca - Wikipedia, la enciclopedia libre http://es.wikipedia.org/wiki/Mosca_blanca [3] Mosca blanca - Plaga de Moscas blancas de los agrios http://articulos.infojardin.com/PLAGAS_Y_ENF/PLAGAS/Mosca_blanca.htm [4] Análisis de riesgos Portal SENASA http://www.senasa.gob.pe/0/modulos/JER/JER_Interna.aspx?ARE=0&PFL=2&JER=21 [5] Análisis de riesgos Las medidas fitosanitarias se generan a partir de un Análisis de Riesgo de Plagas (ARP) http://148.243.71.63/default.asp?id=695 [6] Análisis y Diseño de Sistemas - Monografias.com http://www.monografias.com/trabajos14/analisis-sistemas/analisis-sistemas.shtml#ANALISIS [7] Análisis y Diseño de sistemas http://comunidad.uach.mx/marana/materias/adsi/adsi.htm

http://www.infoagro.com/hortalizas/trips.asp

http://www.infoagro.com/hortalizas/trips.htm

http://es.wikipedia.org/wiki/Mosca_blanca

http://articulos.infojardin.com/PLAGAS_Y_ENF/PLAGAS/Mosca_blanca.htm

http://www.senasa.gob.pe/0/modulos/JER/JER_Interna.aspx?ARE=0&PFL=2&JER=21

http://www.senasa.gob.pe/0/modulos/JER/JER_Interna.aspx?ARE=0&PFL=2&JER=21

http://148.243.71.63/default.asp?id=695

http://www.monografias.com/trabajos14/analisis-sistemas/analisis-sistemas.shtml#ANALISIS

http://www.monografias.com/trabajos14/analisis-sistemas/analisis-sistemas.shtml#ANALISIS

http://comunidad.uach.mx/marana/materias/adsi/adsi.htm


91

[8] Análisis de sistemas- Wikipedia, la enciclopedia libre http://www.wikipedia.org http://es.wikipedia.org/wiki/An%C3%A1lisis_de_sistemas [9] Análisis de sistemas- El Análisis de Sistemas trata básicamente de determinar los objetivos http://www.daedalus.es/inteligencia-de-negocio/sistemas-complejos/ingenieria-de-sistemas/analisis-de-sistemas/ [10] Diseño de sistemas - Wikipedia, la enciclopedia libre http://es.wikipedia.org/wiki/Dise%C3%B1o_de_sistemas [11] Diseño de Sistemas - Monografias.com http://www.monografias.com/trabajos14/disenio-sistemas/disenio-sistemas.shtml#disesistem [12] Base de datos - Wikipedia, la enciclopedia libre http://es.wikipedia.org/wiki/Base_de_datos [13] MySQL

http://es.wikipedia.org/wiki/MySQL

[14] Inteligencia Artificial http://es.wikipedia.org/wiki/Inteligencia_artificial

http://www.wikipedia.org/

http://es.wikipedia.org/wiki/An%C3%A1lisis_de_sistemas

http://www.daedalus.es/inteligencia-de-negocio/sistemas-complejos/ingenieria-de-sistemas/analisis-de-sistemas/

http://www.daedalus.es/inteligencia-de-negocio/sistemas-complejos/ingenieria-de-sistemas/analisis-de-sistemas/

http://es.wikipedia.org/wiki/Dise%C3%B1o_de_sistemas

http://www.monografias.com/trabajos14/disenio-sistemas/disenio-sistemas.shtml#disesistem

http://www.monografias.com/trabajos14/disenio-sistemas/disenio-sistemas.shtml#disesistem

http://es.wikipedia.org/wiki/Base_de_datos

http://es.wikipedia.org/wiki/MySQL

http://es.wikipedia.org/wiki/Inteligencia_artificial


92

REFERENCIAS BIBLIOGRAFICA

[15] Ramírez, R. S., Osuna, C. F., Sosa, F. R., Septiembre 2008, Diagnostico del sistema de producción de jitomate en invernaderos de Tlaxcala. Centro de investigación regional INIFAP-Tlaxcala. [16] Computer Vision: A Modern Approach by David A. Forsyth, Jean Ponce. "HemoSurf" Dr. med. U. Woermann, Mrs. M. Montandon, Dr. med. A. Tobler. by AUM, Bern 2002.

[17] BILMES, Jeff, BARTELS, Chris, Graphical Model Architectures for Speech Recognition.

IEEE Signal Processing Magazine, September 2005. WANG Ye, DENG Li, ACERO Alex. Spoken Language Understanding.

IEEE Signal Processing Magazine, September 2005.

[18] A. Avidan and A. Shashua. Novel view synthesis in tensor space. In Conference on Computer Vision and Pattern Recognition (CVPR-97), pages 1034–1040, Puerto Rico, 1997.

A.G. Bors and I. Pitas. Prediction and tracking of moving objects in image sequences. IEEE Trans. Image Processing, 9(8):1441–1445, 2000.

I.N. Bronstein and K.A. Semendjajew. Taschenbuch der Mathematik. Harri Deutsch, Thun-Frankfurt, Main, 24 edition, 1989.

[19] Katayama H. 1998. Occurrence and control of western flower thrips, Frankliniella occidentalis (Pergande) on vegetables and ornamentals. Plant Prot. 52, 176-179 (in Japanese). Kato K and Katayama H. 1998. Virus diseases transmitted by Frankliniella occidentalis (Pergande). Plant Prot. 52, 180-182 (in Japanese).

Sistema de lectura digital para el analisis de riesgo del...

Documents

Transcript of Sistema de lectura digital para el analisis de riesgo del...