Visión por computadora para el manejo de plagas y enfermedades en cultivos de papa.

Abstract

La papa es el tercer cultivo más importante a nivel mundial con 300 millones de toneladas métricas producidas anualmente. En Chile corresponde al gremio más numeroso del país con casi 60 mil agricultores de este cultivo. La amenaza de una posible plaga o enfermedad que cause pérdidas o bajas en los rendimientos de los cultivos de papa, es una realidad que se vive día a día, siendo los principales afectados los agricultores a pequeña escala. Para poder combatir y tomar decisiones de manera correcta y oportuna, resulta esencial la disponibilidad de herramientas que permitan la detección temprana de enfermedades que afecten a los cultivos. En este estudio se formula el uso de técnicas de aprendizaje profundo como una alternativa viable para enfrentar esta problemática, sustentándose en la alta efectividad que poseen las redes neuronales convolucionales al momento de resolver la tarea de clasificar imágenes. Se utilizaron imágenes de hojas de papa obtenidas del conjunto de datos PlantVillage e imágenes de tubérculos obtenidas del conjunto de datos Fruit360 con adición de imágenes de recopilación propia, como entrada para modelos entrenados a partir de las arquitecturas VGG16 y DenseNet201. Como resultado se obtuvo un modelo capaz de diferenciar entre las clases sana, tizón temprano y tizón tardío con una precisión del 98.44% para el caso de las hojas, y un modelo capaz de diferenciar entre las clases sana, tizón tardío y sarna común con una precisión del 96.88% para el caso de los tubérculos, además, se generaron visualizaciones de los mapas de características, de las principales capas convolucionales de la red VGG16, permitiendo una interpretación y análisis visual.