Resumen

El diagnóstico temprano de enfermedades foliares es una herramienta fundamental en la agricultura de precisión, gracias a su alta correlación con la seguridad alimentaria y la sostenibilidad ambiental. Está comprobado que las enfermedades de las plantas son responsables de graves pérdidas económicas cada año. El objetivo de este trabajo es estudiar una red eficiente capaz de ayudar a los agricultores a reconocer los síntomas de las hojas de pera y proporcionar información específica para el uso racional de pesticidas. El modelo propuesto consta de un sistema de múltiples salidas basado en redes neuronales convolucionales. El enfoque de aprendizaje profundo considera cinco arquitecturas de CNN preentrenadas, a saber, VGG-16, VGG-19, ResNet50, InceptionV3, MobileNetV2 y EfficientNetB0, como extractores de características para clasificar tres enfermedades y seis niveles de gravedad. Se realizan experimentos computacionales para evaluar el modelo en el conjunto de datos de DiaMOS Plant, un conjunto de datos auto-recopilado en el

• 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:Diagnóstico temprano; Enfermedades de las hojas; Agricultura de precisión; Enfermedades de las plantas; Redes neuronales convolucionales; Pesticidas
• Keywords:Early diagnosis; Leaf diseases; Precision agriculture; Plant diseases; Convolutional neural networks; Pesticides