Comparación de redes neuronales convolucionales (RNC) para la detección de plagas en el cultivo del durazno en departamento Norte de Santander, Colombia

Abstract

La agricultura de precisión, con el propósito de acrecentar los rendimientos de los cultivos y proteger el medio ambiente circundante, emplea productos destinados a su protección. Dicha medida busca prevenir la aparición de plagas y enfermedades que causan pérdidas económicas o complicaciones de naturaleza cuaternaria, lo que tendría un impacto aún más significativo en la comercialización y producción agrícola. Por este motivo, ha surgido la necesidad de desarrollar herramientas tecnológicas para la detección temprana y el control preventivo, que permitan un manejo de las distintas plagas y enfermedades que afectan dichos cultivos. El aprendizaje automático se ha convertido en una herramienta clave, que brinda soluciones analíticas y computacionales para la detección y/o clasificación de plagas. En este estudio se presenta la propuesta de dos diferentes arquitecturas de redes neuronales convolucionales (RNC), con ayuda del aumento de datos, que posibilita —con un 87 % de precisión— la detección de la severidad de las lesiones provocadas por Roya y Torque en la hoja del durazno. El conjunto de imágenes se obtiene con un dispositivo móvil con cámaras fotográficas de alta resolución, en el municipio de Chitagá, al Norte de Santander.