Identificación del Cilindro Nudoso en imágenes TC de trozas podadas de Pinus Radiata utilizando el Clasificador de Máxima Verosimilitud

Abstract

RESUMENEl presente estudio tuvo por objetivo identifi car el cilindro nudoso en imágenes de tomografía computarizada (TC) de trozas podadas de Pinus radiata, utilizando un algoritmo de clasifi cación supervisada. El proceso de clasifi cación fue necesario para identifi car y separar el cilindro nudoso de la zona libre de defectos y nudos. Diez trozas podadas de Pinus radiata fueron escaneadas en un escáner médico de rayos X, multi-slice, de marca Philips, donde las imágenes TC resultantes fueron obtenidas cada 5 mm. Un total de 270 imágenes TC fueron clasifi cadas con el clasifi cador de máxima verosimilitud, y los mapas temáticos resultantes, fueron fi ltrados con un fi ltro median de 7 x 7. Luego, 90 mapas temáticos fueron seleccionados y utilizados para evaluar la precisión del proceso de clasifi cación. Para ello, la matriz de confusión e índice kappa fueron obtenidas utilizando una muestra de 70 pixeles seleccionados aleatoriamente de cada mapa temático. Un valor de precisión de 98,5 % fue obtenido para la identifi cación del cilindro nudoso y de 92,5 % para la precisión global de la clasifi cación. El valor Kappa fue de 0,730, lo cual indica que existe un fuerte grado de conformidad entre los datos de referencia y el procedimiento de clasifi cación. Estos resultados sugieren que es factible aplicar el procedimiento de clasifi cación para identifi car las características internas de trozas podadas de Pinus radiata. Palabras claves: Cilindro nudoso, rayos X, máxima verosimilitud, matriz de confusión, Pinus radiata ABSTRACTThis study aims to identify the defective core on computed tomography images (CT) of pruned radiata pine logs, using an algorithm of supervised classifi cation. The classifi cation process was required to identify and separate the defective core from the free defect part and knots. Ten pruned radiata pine logs were scanned into a medical X-ray multi-slice Philips scanner and the resulting CT images at 5 mm. were obtained. A total amount of 270 CT images were classifi ed under with the maximum likelihood classifi er and the resulting thematic maps were fi ltered with a median fi lter of 7 x 7. Then, 90 thematic maps were selected and used to assess the accuracy of the classifi cation process. To accomplish this, the Confusion Matrix and Kappa statistic were obtained using a sample consisting of 70 randomly selected pixels of each thematic map. An accuracy value of 98.5% was obtained for the

Biogenetic study of the emissions of species: Pinus radiata, Eucalyptus globulus Labill and Alnus acuminata in Riobamba canton, Ecuador

“…To obtain the result, the maximum likelihood classification algorithm 11 is applied using ENVI 5.3 software. This is a comparison of the effects of the satellite image with those taken as training areas, thus assigning the pixels to the class to which they most likely belong.…”