La detección temprana de enfermedades en las plantas mediante técnicas de inteligencia artificial, ha sido un avance tecnológico muy importante para la agricultura, ya que por medio del aprendizaje automático y algoritmos de optimización, se ha logrado incrementar el rendimiento de diversos cultivos en varios países alrededor del mundo. Distintos investigadores han enfocado sus esfuerzos en desarrollar modelos que permitan apoyar la tarea de detección de enfermedades en las plantas como solución a las técnicas tradicionales utilizadas por los agricultores. En esta revisión sistemática de literatura se presenta un análisis de los artículos más relevantes, en los que se usaron técnicas de procesamiento de imágenes y aprendizaje automático, para detectar enfermedades por medio de imágenes de las hojas de diferentes cultivos, y a su vez se lleva a cabo un análisis de interpretabilidad y precisión de estos métodos, teniendo en cuenta cada fase las fases de procesamiento de imágenes, segmentación, extracción de características y aprendizaje, de cada uno de los modelos. De esta manera se evidencia vacío en el campo de la interpretabilidad, ya que los autores se han enfocado principalmente en obtener buenos resultados en sus modelos, más allá de brindar al usuario una explicación clara de las características propias del modelo.
I. INTRODUCCIÓN
La agricultura es una de las industrias económicas más importantes para la producción interna de un país, ya que hace posible la producción de alimentos y diversos productos que dependen principalmente de los pequeños agricultores, responsables del 80% de la producción general. Por desgracia, al menos el 50% del rendimiento de esta producción se pierde debido a las plagas y enfermedades de los cultivos [1]. Sin embargo, para resolver estos problemas y beneficiar a la agricultura se han desarrollado sistemas automatizados capaces de identificar el tipo de enfermedad y proporcionar ayuda oportuna para tomar las medidas adecuadas [2].
En los últimos años, se han propuesto diferentes métodos rápidos y eficaces para detectar enfermedades en las plantas y evitar así pérdidas en la industria agrícola [3]; por ejemplo, a finales de los años 70, la tecnología de procesamiento de imágenes por ordenador se aplicó a los estudios agrícolas. Los investigadores demostraron que estas técnicas podían utilizarse como sistema de detección de enfermedades [4]. Más tarde, entre los años 80 y 90, se desarrollaron aplicaciones activas de teledetección y diagnóstico técnico basadas en el procesamiento de imágenes para crear algoritmos de detección con aprendizaje automático [5]. Así, es evidente el creciente interés en investigar la aplicación de algoritmos de aprendizaje automático para identificar enfermedades de las plantas. Se han utilizado y discutido varias técnicas de aprendizaje automático; sin embargo, parece que no existe una técnica universal para todo tipo de situaciones [6].
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Efecto del estrés abiótico en la estimación no destructiva de la concentración de nitrógeno en las hojas de arroz
Video:
Análisis de precios del mercado agrícola. Video informativo sobre la comercialización de café en Etiopía
Artículo:
Acumulación de carbono en el suelo y flujo de CO2 en parcelas experimentales de restauración, sur de Islandia: Comparación de las estrategias de tratamiento del suelo
Artículo:
Interpretabilidad en el campo de la detección de enfermedades en las plantas: Una revisión
Artículo:
Evaluación del potencial de la borra de café como materia prima para la producción de biodiesel
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Artículo:
Nuevas necesidades cosméticas : tendencias y productos específicos
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.