Detección de síntomas asociados a las enfermedades del enrollamiento de la hoja y mancha roja en vid (Vitis vinifera), con algoritmos de redes neruronales convolucionales

Abstract

Los procesos moleculares empleados en el diagnóstico de enfermedades en plantas son costosos, por lo que se está incorporando cada vez más la tecnología de aprendizaje automático. Estos modelos permiten la detección temprana de síntomas foliares asociados a enfermedades virales en plantas de vid. El presente trabajo profundiza el proceso de detección de síntomas de las enfermedades de mancha roja (GRBD, por sus siglas en inglés) y enrollamiento de la hoja (GLD, por sus siglas en inglés) de la vid, por medio de visión artificial mediante Redes Neuronales Convolucionales (CNNs). El sistema de visión artificial basado en el modelo YoloV5, alcanzó una asertividad del 94% en la categoría de asintomático y 91% en sintomáticos, con una precisión del 94.22%. Con una recuperación del 88.34% y un F1-score del 91.28%. Estas métricas proporcionan cuál de los modelos entrenados tienen un mejor rendimiento al categorizar la sintomatología de GRBD y/o GLD presentes (o no) en las hojas. Los resultados confirman que las tecnologías de aprendizaje automático, ofrecen una opción atractiva para poder proveer un diagnóstico preventivo.