Abstract
This paper proposes a methodology for the application of prediction algorithms for the development of diseases in crops using data mining techniques, which incorporate validation mechanisms based on data analysis requirements including verification of the method of selection and presentation of the results, as well as mechanisms of validation of the results based on metrics of quality of the information, which guarantee the effectiveness in the construction of the knowledge. The conditions for the establishment and proliferation of diseases are used as a case study in the analysis and contrasted with the favorable meteorological conditions for the different diseases, using methods that allow the collection of data for the prognosis of the disease. The models relate indicators of occurrence with meteorological data collected from the National Institute of Meteorology and Hydrology located in Querochaca Experimental Farm of the Technical University of Ambato whose geographical coordinates are: Latitude: −1.353543; Longitude: −78.617175. The data analysis techniques used were able to predict crop diseases in 78.80% with the J48 algorithm and 79.18% with the Logistic Regression algorithm based on data collected and analyzed from the meteorological station of the year 2015–2016, allowing the iterative search of correlations of consecutive day records, agro-climatic variables and biological variables. Our study is an initial proposal taking as parameters the temperature and humidity from previous works that qualify this line of research.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
References
Bombelli, E.: Modelado para la predicción de enfermedades en los cultivos de alto valor comercial. Universidad Tecnologica Nacional, Buenos Aires (2011)
Bombelli, E., Moschini, R., Wright, E., López, M.V., Fabrizio, M.: Modelado para la predicción de enfermedades en cultivos de alto valor comercial. In: Proyecciones, pp. 47–59 (2013)
Borrás, O., Hernández, I., Portieles, R., Silva, Y., Pujol, M., Oliva, O.: Desarrollo de una alta protección frente a hongos y oomycetes en plantas mediante genes involucrados en la inhibición de patrones moleculares asociados a patógenos. In: Revista Anuales de la Academia de Ciencias de Cuba, pp. 1–14 (2014)
Bustos, J.: Inteligencia Artificial en el Sector Agropecuario. In: Seminario de Investigación, pp. 1–8 (2005)
Recuperado el 12 de Septiembre de 2016 (2016). de Infopankki.fi, http://www.infopankki.fi/es/informacion-sobre-finlandia/informacion-basica-sobre-finlandia/historia-de-finlandia
Corrales, D.C., Corrales, J.C., Figueroa Casas, A.: Hacia la detección de plagas y enfermedades en cultivos a través de aprendizaje supervisado, pp. 207–228 (2015)
Egea, J.M., Catalá, M., Egea, M.: Nuevos datos sobre variedades locales de solanáceas de la región de Murcia como base para la producción ecología, VIII Congreso SEAE Bullas (Murcia) (2008)
Ghaffari, R., Zhang, F.: Early detection of diseases in tomato crops: an electronic nose and intelligent systems approach. In: Control Decision and Information Technologies, pp. 753–757 (2010)
Gil, J., Cotes, J., Marín, M.: Incidencia visual de síntomas asociados a enfermedades virales en cultivos de papa de Colombia. In: Biotecnología en el Sector Agropecuario y Agroindustrial, pp. 101–110 (2013)
González, D., Costales, D., Falcón, A.: Influencia de un polímero de quitosana en el crecimiento y la actividad de enzimas defensivas en tomate (Solanum lycopersicum L.). In: Cultivos Tropicales, pp. 35–42 (2014)
Guerra, G., De Rossi, R., Plazas, M., Marquez, N., Ducasse, D., & Brucher, E.: La protección vegetal en los cultivos. Aportes desde la fitopatología para el manejo de las enfermedades. In: Biología, epidemiología, manejo y control de hongos y bacterias fitopatógenas asociados a cultivos (2014)
Hernández, L., Montezuma, H., Vidal, N., Ruíz, R., Castillo, D., Chiquito, R.: La situación de las annonaceae en México: principales plagas, enfermedades y su control. In: V Congresso Internacional & Encontro Brasileiro sobre Annonaceae: do gene á exportao, pp. 044–054 (2014)
Jimenez, H.: Identificación de fitopatógenos asociados a las principales enfermedades del cultivo de sábila en los municipios de Agua de Dios y Ricaurte (Cundinamarca). In: Revista Tecnología y Productividad. Girardot, Regional Cundinamarca, pp. 35–50 (2015)
Kaundal, R., Kapoor, A., Raghava, G.: Machine learning techniques in disease forecasting: a case study on rice blast prediction. BMC Bioinf. (2016)
Morales, E., Gutierrez, J., Cerna, W., Chavez, L.: Muestreo secuencial de spodoptera frugiperda cogollero en el cultivo de zea mays para determinar límites de confianza. In: Repositorio Digital Universidad José Faustino Sánchez, pp. 1–6 (2013)
Pérez, C., Nicholson, A., Flores, J.: Prediction of coffee rust disease using Bayesian networks. In: Sixth European Workshop on Probabilistic Graphical Models, pp. 259–266 (2012)
Kaundal, R., Kapoor, A.S.: Machine learning techniques in disease forecasting: a case study on rice blast prediction. BMC Bioinf. (2007)
Tendencias, R., Comercio, E.: Big Data, El Futuro Agrícola? Obtenido de El Comercio (30 de Mayo de 2015). http://especiales.elcomercio.com/planeta-ideas/planeta/mayo-31-del-2015/big-data-el-futuro-agricola
Robles, Á., Salinas, D., Armijos, W., Sánchez, A., Torres, R.: Estudio de la variabilidad morfológica de aislados fúngicos asociados con la enfermedad de la marchitez vascular del babaco (Vasconcellea heilbornii var. pentagona) Loja - Ecuador. In: Centro de Biotecnología, pp. 34–44 (2013)
Tello, M., Eslava, H., Tobías, L.: Análisis y evaluación del nivel de riesgo en el otorgamiento de créditos financieros utilizando técnicas de minería de datos. In: Vision Investigadora, pp. 13–26 (2012)
Rosado, A., Verjel, A.: Minería de datos aplicada a la demanda del transporte aéreo en Ocaña, Norte de Santander. In: Tecnura, pp. 101–113 (2015)
Rueda, E., Hernández, L., Peña, J., Ruiz, F., López, J., Huez, M., Jiménez, J., Borboa, J., Ortega, J.: Ralstonia solanacearum: Una enfermedad bacteriana de importancia cuarentenaria en el cultivo de Solanum tuberosum L., pp. 24–36 (2014)
Sannakki, S., Rajpurohit, V.: A neural network approach for disease forecasting in grapes using weather parameters. IEEE (2014)
Sifuentes, E., Ruelas, J., Macías, J., Talamantes, I., Palacios, C., Valenzuela, B.: Fenología y tiempo en el manejo del riego y fertilización del cultivo de papa. In: Revista de Ciencias Biológicas y de la Salud, pp. 42–48 (2015)
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2017 Springer International Publishing AG
About this paper
Cite this paper
Páez Quinde, C. et al. (2017). Predictive Models for the Detection of Diseases in Crops Through Supervised Learning. In: Valencia-García, R., Lagos-Ortiz, K., Alcaraz-Mármol, G., Del Cioppo, J., Vera-Lucio, N., Bucaram-Leverone, M. (eds) Technologies and Innovation. CITI 2017. Communications in Computer and Information Science, vol 749. Springer, Cham. https://doi.org/10.1007/978-3-319-67283-0_23
Download citation
DOI: https://doi.org/10.1007/978-3-319-67283-0_23
Published:
Publisher Name: Springer, Cham
Print ISBN: 978-3-319-67282-3
Online ISBN: 978-3-319-67283-0
eBook Packages: Computer ScienceComputer Science (R0)