Resumen

Este estudio desarrolla métodos de detección de enfermedades del tomate basados en redes neuronales convolucionales profundas y modelos de detección de objetos. En estos métodos se utilizan dos modelos diferentes, Faster R-CNN y Mask R-CNN, donde Faster R-CNN se utiliza para identificar los tipos de enfermedades del tomate y Mask R-CNN se utiliza para detectar y segmentar las ubicaciones y formas de las áreas infectadas. Para seleccionar el modelo que mejor se ajusta a la tarea de detección de enfermedades del tomate, se combinan cuatro redes neuronales profundas diferentes con los dos modelos de detección de objetos. Los datos se recogen de Internet y el conjunto de datos se divide en un conjunto de entrenamiento, un conjunto de validación y un conjunto de prueba utilizados en los experimentos. Los resultados experimentales muestran que los modelos propuestos pueden identificar con precisión y rapidez los once tipos de enfermedad del tomate y segmentar las ubicaciones y formas de las áreas infectadas.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:red neuronal convolucional, detección de la enfermedad de los tomates, modelo de detección de objetos, área infectada, cnn, tipo de enfermedad de los tomates, forma, ubicación, modelo propuesto
• Keywords:convolutional neural network, tomatoes disease detection, object detection model, infected area, cnn, tomatoes disease type, type of tomatoes, shape, location, proposed model