Disease Identification in Crop Plants based on Convolutional Neural Networks

La identificación, clasificación y tratamiento de las enfermedades de las plantas cultivadas son esenciales para la producción agrícola. Algunas de las enfermedades más comunes son la podredumbre de la raíz, el oídio, el mosaico, la mancha foliar y la podredumbre del fruto. La tecnología de aprendizaje automático (ML) y las redes neuronales convolucionales (CNN) han demostrado ser muy útiles en este campo. Este trabajo pretende identificar y clasificar enfermedades en plantas de cultivo, a partir del conjunto de datos obtenido de Plant Village, con imágenes de hojas de plantas enfermas y sus correspondientes Tags, utilizando CNN con aprendizaje por transferencia. Para el procesamiento, se utilizó el conjunto de datos compuesto por más de 87 mil imágenes, divididas en 38 clases y 26 tipos de enfermedades. Se utilizaron tres modelos CNN (DenseNet-201, ResNet-50 e Inception-v3) para identificar y clasificar las imágenes. Los resultados mostraron que los modelos DenseNet-201 e Inception-v3 alcanzaron una precisión del 98% en la identificación y clasificación de enfermedades vegetales, ligeramente superior a la del modelo ResNet-50, que alcanzó una precisión del 97%, demostrando así un enfoque eficaz y prometedor, capaz de aprender características relevantes de las imágenes y clasificarlas con precisión. En general, el ML junto con las CNN demostró ser una herramienta eficaz para identificar y clasificar enfermedades en plantas de cultivo. En términos de precisión, los tres modelos son muy precisos en la clasificación de imágenes, con una precisión superior al 96% con grandes conjuntos de datos.