AI-MedLeafX: un conjunto de datos de visión por computadora a gran escala para el diagnóstico de plantas medicinales

Área de la Ciencia:

• Ciencias Agrícolas
• Visión por computadora
• Ciencia de los datos

Sus antecedentes:

• La identificación precisa de las enfermedades de las plantas es crucial para el rendimiento de los cultivos y la agricultura sostenible.
• Los conjuntos de datos existentes pueden carecer de diversidad en especies, tipos de enfermedades o condiciones de imagen.
• Los sistemas automatizados requieren conjuntos de datos grandes, de alta calidad y validados para un rendimiento confiable.

Objetivo del estudio:

• Presentar un conjunto de datos completo y validado manualmente para clasificar la calidad de las hojas.
• Apoyar el desarrollo de sistemas automatizados de detección de enfermedades de las plantas.
• Proporcionar un punto de referencia para evaluar los modelos de aprendizaje profundo en la agricultura.

Principales métodos:

• Se recogieron 10.858 imágenes de alta resolución de cuatro especies de plantas (cámforo, Haritaki, Sojina, Neem).
• Expandió el conjunto de datos a 65.148 imágenes utilizando seis técnicas de aumento (rotaciones, giros, zoom, brillo).
• Estandarizado todas las imágenes a 512x512 píxeles para la compatibilidad de aprendizaje automático.

Principales resultados:

• Un conjunto de datos con 13 clases distintas que representan hojas sanas y diversas enfermedades (Bacterial Spot, Shot Hole, Yellow, Powdery Mildew).
• Imágenes capturadas con cuatro cámaras móviles en diversas condiciones.
• Un conjunto de datos meticulosamente seleccionado y validado adecuado para tareas de visión por computadora.

Conclusiones:

• El conjunto de datos es un recurso vital para avanzar en la detección automatizada de enfermedades de las plantas.
• Facilita la agricultura de precisión y mejora el control de la salud de los árboles.
• Contribuye a mejorar el rendimiento de los cultivos y a promover prácticas agrícolas sostenibles.