El examen visual y táctil de las hojas de las plantas es un método estándar para identificar enfermedades en cultivos y productos hortícolas.
por David Bradley, Inderscience
Sin embargo, este enfoque puede ser muy subjetivo y depende de las habilidades de los examinadores. Escribiendo en el International Journal of Computational Vision and Robotics , un equipo de Egipto describe un nuevo enfoque para la detección de enfermedades de las hojas de las plantas mediante el aprendizaje profundo en un dispositivo móvil. Las pruebas del equipo contra una base de datos estándar de imágenes de hojas enfermas mostraron que su sistema es capaz de tener una precisión de diagnóstico de hasta el 98%. El proceso es rápido y muestra el sofisticado poder computacional disponible en los teléfonos móviles modernos para este tipo de tareas intensivas.
Shaheera A. Rashwan y Marwa K. Elteir del Instituto de Investigación Informática de la Ciudad de Investigación Científica y Aplicaciones Tecnológicas en Alexandria, sugieren que para los agricultores ocupados en regiones remotas sin acceso inmediato a expertos en enfermedades de las plantas, una aplicación móvil que pueda ayudarlos Detectar enfermedades y tratar los cultivos de manera oportuna podría ser vital para su viabilidad agrícola en curso.
El enfoque del equipo explota la evolución reciente de los sistemas computacionales y, especialmente , las unidades de procesamiento gráfico (GPU) que permiten que las operaciones de aprendizaje automático se lleven a cabo de manera eficiente en formas que las generaciones anteriores de dispositivos simplemente no podían igualar en velocidad. Tales operaciones facilitan el funcionamiento de herramientas como las redes neuronales convolucionales , que imitan ciertas características de la función cerebral y permiten que el reconocimiento de imágenes y las tareas relacionadas se lleven a cabo rápidamente. Por lo tanto, el equipo incorporó el reconocimiento de imágenes de las características de la enfermedad en las hojas para la presente investigación.
A pesar de la gran velocidad y precisión del diagnóstico de enfermedades que ha demostrado el equipo, todavía hay margen de mejora. Destacan un problema con las sombras en las imágenes y los fondos confusos cuando un usuario toma una foto de una hoja sospechosa. Esperan poder desarrollar un paso de preprocesamiento que reduzca cualquier problema y las imprecisiones que puedan surgir si la imagen de la hoja adquirida no es tan perfecta como podría ser para el reconocimiento de imágenes. Fundamentalmente, el ajuste automático del nivel de luz en la imagen evitaría que surgieran problemas debido a las sombras, mientras que un paso que aísla la hoja de su fondo en la imagen y elimina efectivamente dicho fondo facilitaría aún más todo el proceso y, con suerte, aumentaría la precisión.
