Page 78 - SM78
P. 78
U.M.S.N.H. Año 13/ Noviembre - Diciembre/ No. 78
International Potato Center https://cipotato.org/wp-content/uploads/2020/03/Phone-App-2-PUT.jpg
ción considerable de sus ingresos monetarios. Por técnica que se usa para que un sistema adquiera
lo tanto, es importante detectar y controlar estas las habilidades de un aprendizaje continuo me-
enfermedades de manera efectiva y temprana diante el uso de una gran cantidad de datos como
para evitar pérdidas económicas y garantizar la fuente de entrada de conocimiento. Este aprendi-
seguridad alimentaria. zaje le permite al sistema hacer predicciones sin ne-
En la actualidad, la detección de enfermeda- cesidad de ser programados de forma explícita. En
des en los cultivos se realiza mediante la observa- el proceso de aprendizaje automático, las enferme-
ción visual de síntomas, lo que puede ser subjetivo dades y plagas de las plantas suelen ser conceptos
y requerir la experiencia de los expertos. Además, el de la experiencia humana más que una definición
diagnóstico visual solo es efectivo en casos avan- puramente matemática. Dentro del aprendizaje
zados de enfermedad y no permite su detección automático, la detección de enfermedades en los
temprana. Otro método es el análisis de muestras cultivos se puede dividir en tres niveles: clasifica-
en laboratorios especializados; sin embargo, es- ción, detección y segmentación.
tos métodos están sujetos a tiempos largos en el El nivel de clasificación es aquel que respon-
procesamiento de las muestras o también a erro- de a la pregunta «¿Qué?», y se encarga de mostrar
res humanos. como resultado la categoría a la que pertenece la
En los últimos años, la tecnología se ha con- imagen que está siendo analizada. En este primer
vertido en una herramienta poderosa para la de- nivel se describe de manera global la imagen,
tección temprana de enfermedades en plantas. analizando las características de las mismas y de-
En específico, la inteligencia artificial y sus rami- terminando si existe algún tipo de objeto que indi-
ficaciones, se están aplicando en el área agrícola que un tipo de enfermedad detectada, o bien, que
para la detección de enfermedades en los cultivos. está en la categoría de planta sana.
Mediante esta tecnología se analizan grandes can- El segundo nivel corresponde a la detección,
tidades de imágenes de manera eficiente y pre- que responde a la pregunta «¿Dónde?», es decir,
cisa para detectar patrones en las hojas y en los en caso de detectar una posible enfermedad, in-
frutos que conduzcan a la detección temprana de dica dónde está localizada dentro de la imagen
enfermedades en los cultivos. Se han desarrollado analizada. En este segundo nivel no solo se conoce
mecanismos de inteligencia artificial altamente efi- el tipo de enfermedad dentro de la imagen anali-
cientes para identificar enfermedades en plantas. zada, sino que también se debe ubicar la localiza-
Estos mecanismos son conocidos como aprendiza- ción exacta. Generalmente, esta posición se marca
je automático. La pregunta es: ¿En qué consiste el a través de un rectángulo, indicando el nombre de
aprendizaje automático? la categoría detectada y el porcentaje estimado de
El proceso de aprendizaje automático es una exactitud.
78
