Detección de cochinilla mediante el uso de las características físicas del café utilizando visión artificial

Resumen

Este artículo presenta un proyecto para la detección de enfermedades en plantas de café utilizando redes
neuronales convolucionales y procesamiento de imágenes. Se describen los detalles del proyecto, incluyendo los
pasos necesarios para implementar la técnica propuesta y los resultados obtenidos. Se discuten enfermedades
comunes del café y se explican conceptos de redes neuronales convolucionales y métricas de medición. También se
describe la metodología utilizada para construir el dataset, preprocesar las imágenes, etiquetarlas y entrenar el modelo
capaz de detectar enfermedades causadas por la cochinilla Pluto Barberi. Los resultados obtenidos muestran una alta
precisión en la detección de enfermedades en las imágenes. Además, se mencionan trabajos futuros como la
implementación del modelo para diferentes variedades de café y el desarrollo de un sistema de detección en tiempo
real. También se discuten diferentes algoritmos de detección de objetos, como R-CNN, Fast R-CNN, Faster R-CNN
Y YOLO. Los resultados obtenidos muestran una alta precisión en la detección de enfermedades en las imágenes. Se
logra una precisión de aproximadamente 83% en imágenes externas a las tomadas para el dataset del proyecto. Se
destaca la combinación de laplaciano del Gaussiano como uno de los mejores métodos para la detección de la hoja
de café, con una precisión de hasta un 95%. Este artículo es relevante para la comunidad científica interesada en la
aplicación de la visión artificial y las redes neuronales convolucionales en la detección temprana de enfermedades en
plantas de café.