Detección y clasificación de plaga pulguilla en el cultivo de aguaymanto mediante redes neuronales

Abstract

En la agricultura, el control de plagas en cultivos de aguaymanto requiere prácticas que eviten su destrucción y propagación. Sin embargo, el uso de drones o la inspección visual manual, resultan insuficientes. Los drones pueden monitorear el riego eficientemente, pero no se acercan lo suficiente a las plantas y la inspección visual manual tiene limitaciones en la detección de plagas. Con el objetivo de tomar acciones correctivas a tiempo y mejorar el rendimiento de las cosechas, se propone implementar redes neuronales convolucionales y otros tipos de redes neuronales. Se emplearon técnicas de visión artificial para procesar y analizar imágenes obtenidas al recorrer los cultivos y tomar fotografías de cada planta, generando una base de datos. La metodología de la investigación consistió en la adquisición y preprocesamiento de imágenes, la segmentación, la extracción de características y la clasificación utilizando redes neuronales convolucionales y profundas. Los resultados muestran que el tiempo de respuesta fue de 129 segundos utilizando redes neuronales convolucionales y 190 segundos utilizando una red neuronal profunda. En cuanto a la clasificación, se logró una precisión del 67% con la red neuronal convolucional y del 99% con la red neuronal profunda, utilizando una base de datos de 1666 imágenes en ambientes controlados. En conclusión, se evaluaron algoritmos de visión artificial, utilizando redes neuronales como clasificadores, para el reconocimiento de la plaga Pulguilla en el cultivo de aguaymanto. Los resultados demuestran que la Red Neuronal Profunda obtuvo la mayor precisión, alcanzando un 88% en la clasificación de imágenes.