Desarrollo de Algoritmos de Tratamiento de Imágenes en el Sector Agropecuario

Abstract

El reconocimiento de plantas a través de las hojas ha sido un campo de investigación muy estudiado. Los algoritmos actuales pueden perfectamente clasificar las hojas de diferentes especies, dado a que las hojas tienen la cualidad de ser diferentes entre sí. Haciendo la tarea de clasificación más fácil al tener rasgos diferenciables, como lo puede ser su color, morfología y textura. Sin embargo, para estos algoritmos es difícil clasificar hojas de diferentes variedades que pertenecen a la misma especie. Estas variedades pueden ser muy similares entre sí, llegando a ser un gran reto para expertos botánicos, donde se requiere de práctica para especializarse en una especie de plantas. Siendo la clasificación de este tipo de plantas el principal enfoque de la investigación. Como se mencionó anteriormente, ya existen métodos en la clasificación de plantas de diferentes especies. El más notable es el uso de Deep Learning (DL, Aprendizaje Profundo), cuya simplicidad de aprender a partir de “datos crudos” hace que esta sea una tarea sencilla. No obstante, en el estado del arte esta técnica no se ha explorado en la clasificación de hojas complejas. Lo que se hizo en esta tesis fue utilizar algoritmos de Deep Learning para la clasificación de plantas por medio de hojas de durazno con 6 especies diferentes. La arquitectura de Deep Learning utilizada fueron las Redes Neuronales Convolucionales (CNN, por sus siglas en inglés). Obteniendo así una precisión del 92.8571% en comparación de otros modelos relacionados en el estado del arte.