Resumen

Las enfermedades de los árboles frutales tienen una gran influencia en la producción agrícola. Las tecnologías de inteligencia artificial se han utilizado para ayudar a los productores de frutas a identificar enfermedades de árboles frutales de manera oportuna y precisa. En este estudio, se utilizó un conjunto de datos de 10,000 imágenes de mancha negra de pera, roya de pera, mosaico de manzana y roya de manzana para desarrollar el modelo de diagnóstico. Para lograr un mejor rendimiento, se desarrollaron tres tipos de clasificadores de aprendizaje de conjuntos y dos tipos de clasificadores de aprendizaje profundo, se validaron y probaron estos cinco modelos, y se encontró que el clasificador de aprendizaje de conjuntos de apilamiento superó a los otros clasificadores con una precisión del 98.05% en el conjunto de datos de validación y del 97.34% en el conjunto de datos de prueba, lo que sugiere que, con conjuntos de datos pequeños y medianos, los clasificadores de aprendizaje

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Enfermedades de árboles frutales; Tecnologías de inteligencia artificial; Conjunto de datos; Clasificadores de aprendizaje en conjunto; Clasificadores de aprendizaje profundo; Clasificador de aprendizaje en conjunto por apilamiento
• Keywords:Fruit tree diseases; Artificial intelligence technologies; Dataset; Ensemble learning classifiers; Deep learning classifiers; Stacking ensemble learning classifier