R help es - Aug 2024 - Reconstrucción de hojas con herbivoría

Estimado

Yo no conozco de morfología vegetal, pero si supongo que la hoja es plana, me
refiero que al verla sobre el eje se forma un rectángulo, la altura en cada
parte de la hoja es la misma, a una misma densidad, puedo calcular la masa. En
ese caso como siguieren, por medio de fotos y entrenar un modelo, se podía
?reconstruir? lo perdido.

Pero entiendo que las hojas no deben tener esa forma morfológica, tan plana,
miro morfología vegetal en wikipedia y no está a simple vista mi duda, pero
agrega nervadura, como una complicación más.

Aquí hay dos problemas, el cálculo realizado con su error, más el error de no
tener la masa original y utilizar la calculada con el error más el error
estadístico de su cálculo original.

Un agrónomo podría ayudarlo, yo como veterinario se que si corto el forraje a la
mañana, tengo diferencias a la tarde, por lo cuál, usted también puede tener
diferencias de masa.

Posiblemente se ?meta? en un gran problema estadístico o matemático por no haber
tenido en cuenta la biología, creo que la mejor solución y la más simple, es
tomar las mediciones el año que viene o en las próximas hojas. Puede tener
demasiado trabajo y al aplicarlo falle por errores de cálculos.
> El 13 ago 2024, a las 12:35?a. m., Manuel Mendoza <mmendoza en
fulbrightmail.org> escribió:
> 
> Hola  Jimmy, creo que solo podrías intentarlo con deep learning. Tomas
> hojas enteras, las pesas, a algunas de ellas les quitas los márgenes de
> forma similar a las que tienes estropeadas, las digitalizas todas y
> utilizas como variable objetivo la masa original. El algoritmo tendrá que
> aprender a inferir la masa a partir del patrón en las  nervaduras, si es
> que se relaciona con la masa, que supongo que sí. Le aplicas el algoritmo a
> las estropeadas y tendrás su masa original. Si lo haces todo con hojas
> frescas, podrías incluso determinar la masa fresca de las hojas secas, si
> es lo que te interesa.
> Keras no es fácil de usar, pero permite hacerlo.
> Ya me dirás,
> Un saludo,
> Manuel
> 
> El mar, 13 ago 2024 a las 0:54, Jimmy Erney Reyes Velasco (<
> jimmyreyesvelasco en gmail.com>) escribió:
> 
>> Buen día, estimados.
>> Tengo un problema y me gustaría saber cómo solucionarlo.
>> Actualmente me encuentro realizando un estudio estimando la pérdida de
>> biomasa foliar de una especies de planta, sin embargo, me encuentro con
el
>> siguiente problema: algunas hojas han perdido tanta área foliar que han
>> perdido también el margen e incluso algunas más de la mitad del área de
la
>> hojas. Mi objetivo es realizar un modelo de reconstrucción del área de
la
>> hoja para así estimar su masa seca en relación con esa área perdida y
>> obtener valores de pérdida de biomasa foliar.
>> Tengo algunas ideas, pero no sé cómo empezar.
>> Una de ellas es usar un algoritmo de machine learning para poder
obtener un
>> modelo que me permita reconstruir el margen de la hoja, pero la verdad
>> desconozco mucho acerca de si puedo usar este método.
>> Les agradecería muchísimo si pudieran colaborarme con información o si
>> alguien puede darme una idea de cómo abordar este tema.
>> Saludos
>> Jimmy
>> 
>>        [[alternative HTML version deleted]]
>> 
>> _______________________________________________
>> R-help-es mailing list
>> R-help-es en r-project.org
>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>> 
> 
> 	[[alternative HTML version deleted]]
> 
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es

Muchas gracias por sus respuestas Manuel y Javier.
El problema al que me enfrento es que a veces estas afectaciones por
herbivoría dejan cicatrices que pueden deformar la hoja, a veces se pliegan
sobre sí mismas y otras veces se pierde bastante la configuración de la
hoja. Por el momento solo me interesa tratar de reconstruir la hoja para
poder obtener el área que tendría esa hoja si no se hubiese afectado.
Cuento con hojas escaneadas de individuos sanos y defoliados, por así
decirlo, la idea mía es comparar los valores predichos de área foliar
reconstruida y estimar la pérdida de biomasa, aunque la biomasa lo puedo
hacer sencillamente, porque tengo las relaciones área foliar vs masa seca
mediante regresión.en este caso las hojas son planas y tienen una forma de
elipsoide, sin embargo, para mí no es difícil calcular la masa de las hojas
afectadas, y que sí es dificil es saber cuánto sería su biomasa si no
hubiese perdido su área.
Mi problema va orientado hacia la siguiente pregunta Si lo hago con
imágenes, ¿qué datos debería ingresar? ¿Con qué paquetes en R podría
hacerlo? ¿Es mejor en R o en Python?
Muy relevantes sus aportes y
muchas gracias por su colaboración, estoy atento
Saludos
Jimmy

El mar, 13 de ago. de 2024 9:43 a. m., Javier Marcuzzi <
javier.ruben.marcuzzi en gmail.com> escribió:
> Estimado
>
> Yo no conozco de morfología vegetal, pero si supongo que la hoja es plana,
> me refiero que al verla sobre el eje se forma un rectángulo, la altura en
> cada parte de la hoja es la misma, a una misma densidad, puedo calcular la
> masa. En ese caso como siguieren, por medio de fotos y entrenar un modelo,
> se podía ?reconstruir? lo perdido.
>
> Pero entiendo que las hojas no deben tener esa forma morfológica, tan
> plana, miro morfología vegetal en wikipedia y no está a simple vista mi
> duda, pero agrega nervadura, como una complicación más.
>
> Aquí hay dos problemas, el cálculo realizado con su error, más el error de
> no tener la masa original y utilizar la calculada con el error más el error
> estadístico de su cálculo original.
>
> Un agrónomo podría ayudarlo, yo como veterinario se que si corto el
> forraje a la mañana, tengo diferencias a la tarde, por lo cuál, usted
> también puede tener diferencias de masa.
>
> Posiblemente se ?meta? en un gran problema estadístico o matemático por no
> haber tenido en cuenta la biología, creo que la mejor solución y la más
> simple, es tomar las mediciones el año que viene o en las próximas hojas.
> Puede tener demasiado trabajo y al aplicarlo falle por errores de cálculos.
>
> > El 13 ago 2024, a las 12:35?a. m., Manuel Mendoza <
> mmendoza en fulbrightmail.org> escribió:
> >
> > Hola  Jimmy, creo que solo podrías intentarlo con deep learning. Tomas
> > hojas enteras, las pesas, a algunas de ellas les quitas los márgenes
de
> > forma similar a las que tienes estropeadas, las digitalizas todas y
> > utilizas como variable objetivo la masa original. El algoritmo tendrá
que
> > aprender a inferir la masa a partir del patrón en las  nervaduras, si
es
> > que se relaciona con la masa, que supongo que sí. Le aplicas el
> algoritmo a
> > las estropeadas y tendrás su masa original. Si lo haces todo con hojas
> > frescas, podrías incluso determinar la masa fresca de las hojas secas,
si
> > es lo que te interesa.
> > Keras no es fácil de usar, pero permite hacerlo.
> > Ya me dirás,
> > Un saludo,
> > Manuel
> >
> > El mar, 13 ago 2024 a las 0:54, Jimmy Erney Reyes Velasco (<
> > jimmyreyesvelasco en gmail.com>) escribió:
> >
> >> Buen día, estimados.
> >> Tengo un problema y me gustaría saber cómo solucionarlo.
> >> Actualmente me encuentro realizando un estudio estimando la
pérdida de
> >> biomasa foliar de una especies de planta, sin embargo, me
encuentro con
> el
> >> siguiente problema: algunas hojas han perdido tanta área foliar
que han
> >> perdido también el margen e incluso algunas más de la mitad del
área de
> la
> >> hojas. Mi objetivo es realizar un modelo de reconstrucción del
área de
> la
> >> hoja para así estimar su masa seca en relación con esa área
perdida y
> >> obtener valores de pérdida de biomasa foliar.
> >> Tengo algunas ideas, pero no sé cómo empezar.
> >> Una de ellas es usar un algoritmo de machine learning para poder
> obtener un
> >> modelo que me permita reconstruir el margen de la hoja, pero la
verdad
> >> desconozco mucho acerca de si puedo usar este método.
> >> Les agradecería muchísimo si pudieran colaborarme con información
o si
> >> alguien puede darme una idea de cómo abordar este tema.
> >> Saludos
> >> Jimmy
> >>
> >>        [[alternative HTML version deleted]]
> >>
> >> _______________________________________________
> >> R-help-es mailing list
> >> R-help-es en r-project.org
> >> https://stat.ethz.ch/mailman/listinfo/r-help-es
> >>
> >
> >       [[alternative HTML version deleted]]
> >
> > _______________________________________________
> > R-help-es mailing list
> > R-help-es en r-project.org
> > https://stat.ethz.ch/mailman/listinfo/r-help-es
>
>
	[[alternative HTML version deleted]]