YOLOv11-AIU: un modelo de detección ligero para la detección gradual de la enfermedad de la pólvora en tomates

Área de la Ciencia:

• Patología vegetal
• Visión por ordenador
• Tecnología agrícola

Sus antecedentes:

• La enfermedad temprana del tomate (Alternaria solani) reduce significativamente el rendimiento de los cultivos.
• Los métodos actuales de detección luchan con lesiones sutiles, de bajo contraste o de múltiples escalas, especialmente en las primeras etapas.
• La clasificación precisa de la gravedad es crucial para el manejo eficaz de la enfermedad.

Objetivo del estudio:

• Desarrollar un modelo de detección de objetos ligeros para una clasificación precisa de la gravedad de la enfermedad temprana del tomate.
• Mejorar la representación de las características y preservar los detalles de las lesiones a escala fina para una detección mejorada.
• Para lograr un rendimiento en tiempo real para aplicaciones prácticas en el campo.

Principales métodos:

• Desarrolló YOLOv11-AIU, un marco mejorado de YOLOv11 que incorpora la fusión de atención C3k2_iAFF y el muestreo descendente de múltiples ramas de Adown.
• Pérdida integrada unificada de IoU para una regresión de caja de límite precisa.
• Creado y aumentado un conjunto de datos anotados de seis niveles a 5.000 imágenes.

Principales resultados:

• YOLOv11-AIU logró un alto rendimiento: mAP@50 del 94,1% y mAP@50-95 del 93,4%.
• El modelo demostró una velocidad de inferencia competitiva de 15,67 FPS.
• El rendimiento en tiempo real se confirmó en la plataforma Luban Cat5, superando a YOLOv3-tiny, YOLOv8n y SSD.

Conclusiones:

• YOLOv11-AIU ofrece una precisión y eficiencia superiores para la detección temprana de la enfermedad del tomate y la clasificación de la gravedad.
• El modelo muestra un importante potencial de integración en la agricultura de precisión y en los sistemas inteligentes de seguimiento fitosanitario.
• Este enfoque impulsado por la IA facilita la identificación temprana y confiable de enfermedades, apoyando la producción sostenible de cultivos.