Reconocimiento de lesiones necróticas para la detección de la plaga thrips en el guisante mediante el uso del modelo deep learning yolov4 tiny

Reconocimiento de lesiones necróticas para la detección de la plaga thrips en el guisante mediante el uso del modelo deep learning yolov4 tiny

Silvia Diana Martínez Mosquera, Carlos Jonathan Guerrero-Andrade

En la actualidad, el seguimiento de cultivos en las parcelas agrícolas sigue siendo una de las tareas más trascendentales que tiene la agricultura de precisión, ya que por medio de esta se puede efectuar la estimación del rendimiento y la predicción de cosechas. Debido a las complicadas condiciones atmosféricas y factores climáticos que presenta el sector, la detección temprana de plagas y enfermedades se ha convertido en un desafío considerable que los productores deben asumir de manera constante. Esta investigación propone un sistema de reconocimiento rápido y eficaz de lesiones necróticas para la detección temprana de la plaga thrips en el guisante mediante la implementación del método de deep learning yolov4-tiny. Los resultados alcanzados por el sistema desarrollado mostraron que la IoU (Intersección sobre la Unión) es de 59,23% para una mAP (Precisión Media) de 87,8% sobre un conjunto de datos de alta densidad. Además, cada uno de los valores entregados por el sistema fueron comparados con un diagnóstico prescrito que fue realizado por un experto en la producción del cultivo a través de observaciones directas al guisante. De esta manera, se llegó a establecer que el sistema tiene una efectividad del 80%.

2022

YOLOv4-tiny, deep learning, lesiones necróticas, plaga thrips

Latin-American Journal of Computing

Escuela Politécnica Nacional (EPN)

Electronic computers. Computer science