Detection of Huanglongbing in Florida using fluorescence imaging spectroscopy and machine-learning methods

Autor(es)

Wetterich, Caio Bruno ; de Oliveira Neves, Ruan Felipe ; Belasque, Jose ; Ehsani, Reza ; Marcassa, Luis Gustavo

• Tipo de documento: Artigo Científico
• Fonte: APPLIED OPTICS; v. 56, n. 1, p. 9-pg., 2017-01-01.

Resumo

In this study, we combine a fluorescence imaging technique and two machine-learning methods to discriminate Huanglongbing (HLB) disease from zinc-deficiency stress on samples from Florida, USA. Two classification methods, support vector machine (SVM) and artificial neural network (ANN), are used. Our classification results present high accuracy for both classification methods: 92.8% for SVM and 92.2% for ANN. The results from Florida are also compared to results from Sao Paulo State, Brazil. This comparison indicates that the present technique can be applied to discriminate HLB from zinc deficiency in both states. (C) 2016 Optical Society of America (AU)

• Processo FAPESP: 11/22275-6 - Imagem de Fluorescência Usando Filtro Variável de Cristal Liquido em Doenças de Citros
• Beneficiário: Caio Bruno Wetterich
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Processo FAPESP: 13/11023-1 - Uso de imagens de fluorescência para um estudo comparativo de doenças cítricas em amostras da Flórida e de São Paulo
• Beneficiário: Caio Bruno Wetterich
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Processo FAPESP: 10/16536-9 - Imagem de Fluorescência Aplicada em Doenças de Citros no Campo
• Beneficiário: Luis Gustavo Marcassa
• Modalidade de apoio: Auxílio à Pesquisa - Regular