Clasificación de enfermedades en cultivos de papa empleando redes neuronales convolucionales

Abstract

El sector agrícola desempeña un papel fundamental en la economía de Colombia, siendo crucial para el desarrollo rural y las cadenas de producción. Sin embargo, las enfermedades que afectan a las plantas representan una grave amenaza para la producción agrícola. En este trabajo, se propone una metodología en tres fases para el análisis y clasificación de enfermedades en plantas de papa a partir de imágenes recopiladas en escenarios reales, sin un fondo ni iluminación controlada. En la primera fase, se emplea fine-tuning para entrenar tres redes neuronales convolucionales (CNN) pre-entrenadas (VGG16, ResNet50 e InceptionV3) utilizando subimágenes de tamaño 224x224 obtenidas a partir de las imágenes originales. En la segunda fase, se utiliza la CNN con mejor desempeño para generar mapas de calor utilizando una ventana deslizante, resaltando así las regiones de interés relacionadas con las enfermedades en las imágenes originales. En la tercera fase, se emplea de nuevo fine-tuning para el entrenamiento de las tres CNN utilizando los mapas de calor generados, con el objetivo de obtener una clasificación final precisa de las enfermedades en las plantas de papa. Los resultados experimentales demuestran que este enfoque mejora significativamente la capacidad de detección y clasificación de enfermedades en comparación con el uso exclusivo de las imágenes originales. Estos hallazgos resaltan el potencial de la metodología propuesta para su aplicación práctica en la gestión de cultivos y la detección temprana de enfermedades en plantas de papa.