Revista de fisiología y patología vegetal

Uso de una red neuronal convolucional para diagnosticar enfermedades comunes en Oryza sativa

Gracia Zhang

Las enfermedades que afectan a las plantas de arroz se han convertido en un importante inhibidor del cultivo de los cultivos, lo que ha provocado la pérdida de entre el 20 y el 40 % de las cosechas de arroz al año. Esto ha provocado una mayor dependencia de otros cultivos y un aumento de la inseguridad alimentaria en los países en desarrollo. Además, muchos agricultores carecen de los conocimientos y los recursos necesarios para frenar el efecto agravante que tienen los patógenos en las plantas de arroz. Un paso clave para reducir este efecto es proporcionar un diagnóstico eficaz y fiable. Durante la última década, las redes neuronales convolucionales (CNN) han ganado popularidad debido a su éxito en la tecnología de diagnóstico. El propósito de este proyecto era crear un modelo CNN eficaz que utiliza la clasificación de imágenes para diagnosticar imágenes de plantas de arroz enfermas. Se identificaron cuatro clases dentro del experimento, incluidas las enfermedades del tizón del arroz, el tizón de la vaina y la mancha marrón. También se utilizó un conjunto de datos de plantas de arroz sanas dentro de la CNN como variable de control. Se entrenaron más de 3000 imágenes de plantas de arroz en la red neuronal, con 499 imágenes, o aproximadamente el 15 %, utilizadas en el conjunto de datos de prueba. Se logró una tasa de precisión del 97,39 % con el mejor modelo CNN en el conjunto de datos de prueba. Este proyecto es aplicable en áreas rurales pobres, donde el acceso a tecnologías de diagnóstico es limitado, y demuestra cómo el uso del aprendizaje automático es prometedor en el campo de la patología vegetal.