Título
Redes neuronales convolucionales para la detección y clasificación de enfermedades de plantas basadas en imágenes digitales
Autor
VALERIA MAEDA GUTIERREZ
Ma. Auxiliadora Araiza Esquivel
Nivel de Acceso
Acceso Abierto
Resumen o descripción
Las enfermedades de plantas representan factores adversos que provocan una grave reducción en la
calidad y cantidad en cultivos agrícolas. Comúnmente, los agricultores o biólogos expertos observan las
plantas a simple vista para detectar enfermedades, pero este método suele ser inexacto y puede tomar
gran cantidad de tiempo. En este estudio hacemos uso de técnicas de inteligencia artificial y visión
computacional para alcanzar el objetivo del diseño y desarrollo de un autómata inteligente para la
clasificación de enfermedades en hojas. Utilizamos la arquitectura de AlexNet para entrenarla usando un
conjunto de datos de PlantVillage – Dataset conformado por 40,000 imágenes de hojas sanas y enfermas.
El sistema de detección desarrollado, logró identificar 9 especies de plantas y 24 enfermedades, con una
exactitud de 98.90% que fue el valor más exacto de todas las arquitecturas comparadas. Además, se
demuestra que utilizando las capas de activación de la arquitectura AlexNet es que podemos realizar una
eficiente detección y segmentación de lesiones presentes en la hoja de la planta de una manera rápida sin
la necesidad de recurrir a procesos tediosos de entrenamiento de detectores de imágenes.
Producción Científica de la Universidad Autónoma de Zacatecas UAZ
Fecha de publicación
15 de noviembre de 2018
Tipo de publicación
Artículo
Recurso de información
Formato
application/pdf
Idioma
Español
Audiencia
Público en general
Repositorio Orígen
Repositorio Institucional Caxcán
Descargas
0