Un modelo CNN ligero y explicable para el diagnóstico de enfermedades de las plantas

Área de la Ciencia:

• Ciencias Agrícolas
• Ciencias de la computación
• Inteligencia artificial

Sus antecedentes:

• Las enfermedades de los cultivos representan una amenaza significativa para la seguridad alimentaria mundial y causan pérdidas económicas sustanciales.
• Los métodos tradicionales de diagnóstico de enfermedades a menudo son lentos, intensivos en mano de obra y carecen de escalabilidad para grandes operaciones agrícolas.
• Existe una necesidad crítica de soluciones automatizadas rápidas, precisas y escalables para la detección de enfermedades de los cultivos.

Objetivo del estudio:

• Introducir Mob-Res, una nueva arquitectura de aprendizaje profundo para la detección automatizada de enfermedades de los cultivos.
• Evaluar el rendimiento y la eficiencia de Mob-Res en diversos conjuntos de datos de referencia.
• Mejorar la interpretabilidad de las predicciones del modelo utilizando técnicas de visualización.

Principales métodos:

• Desarrolló Mob-Res mediante la integración del aprendizaje residual con el extractor de características MobileNetV2.
• Entrenado y validado Mob-Res en dos conjuntos de datos a gran escala: Plant Disease Expert (199.644 imágenes, 58 clases) y PlantVillage (54.305 imágenes, 38 clases).
• Evalúa el rendimiento del modelo utilizando métricas de precisión y tasa de validación entre dominios (CDVR); emplea Grad-CAM, Grad-CAM++ y LIME para la interpretabilidad.

Principales resultados:

• Mob-Res logró altas precisiones promedio del 97,73% en el conjunto de datos de Plant Disease Expert y del 99,47% en el conjunto de datos de PlantVillage.
• El modelo demostró una fuerte adaptabilidad entre dominios y superó a las arquitecturas de Redes Neurales Convolucionales (CNN) previamente entrenadas, incluida ViT-L32.
• Mob-Res logró estos resultados con un recuento de parámetros significativamente menor (3,51 millones) y tiempos de inferencia más rápidos en comparación con otros modelos.

Conclusiones:

• Mob-Res presenta una solución altamente precisa, eficiente y ligera para la detección automatizada de enfermedades de las plantas, adecuada para aplicaciones móviles.
• Las características de interpretabilidad del modelo proporcionan valiosos conocimientos visuales sobre los procesos de identificación de enfermedades.
• Mob-Res muestra un potencial significativo para apoyar el monitoreo agrícola a gran escala, mejorar los rendimientos de los cultivos y contribuir a la seguridad alimentaria mundial.