Un estudio comparativo de los enfoques híbridos de aprendizaje automático frente al aprendizaje profundo para la...

Área de la Ciencia:

• Ciencias Agrícolas
• Ciencias de la computación
• Entomología

Sus antecedentes:

• Los ácaros destructores Varroa son una amenaza significativa para las colonias de abejas melíferas en todo el mundo.
• La detección precisa y eficiente de estos ácaros es crucial para un control eficaz de las plagas y la preservación de la salud de las abejas.
• La imagen hiperspectral ofrece un método no invasivo prometedor para la detección de ácaros.

Objetivo del estudio:

• Evaluar comparativamente los enfoques tradicionales de aprendizaje automático (ML) y aprendizaje profundo (DL) para la detección y el recuento de los ácaros destructores Varroa.
• Evaluar el rendimiento de los modelos ML y DL utilizando imágenes hiperespectrales en condiciones de datos variables.
• Proporcionar orientación práctica sobre la selección de estrategias adecuadas de detección de ácaros en función de la disponibilidad de recursos y los requisitos de rendimiento.

Principales métodos:

• Se implementó una tubería de ML tradicional que utiliza el análisis de componentes principales (PCA), los vecinos más cercanos (kNN) y la máquina de vectores de soporte (SVM).
• Un enfoque de aprendizaje profundo (DL) que utiliza R-CNN más rápido con las columnas vertebrales ResNet-50 y ResNet-101 se ajustó en el mismo conjunto de datos.
• Ambos métodos se evaluaron en imágenes hiperespectrales para la detección de ácaros y la precisión del conteo.

Principales resultados:

• La tubería ML logró un alto rendimiento (precisión = 0,9983, recuerdo = 0,9947) con entrenamiento rápido e inferencia en la CPU.
• Los modelos DL (ResNet-50/101) lograron una menor precisión (0.966/0.971) y recuerdo (0.757/0.829) a pesar de requerir aceleración de la GPU y tiempos de entrenamiento más largos.
• ML demostró una robustez superior en condiciones de datos limitados en comparación con DL.

Conclusiones:

• Los métodos tradicionales de ML son más adecuados para la detección del ácaro destructor Varroa en imágenes hiperespectrales en entornos con recursos limitados.
• Los enfoques de DL, aunque potentes, presentan desafíos en el tiempo de capacitación, los recursos computacionales y la reproducibilidad para esta aplicación específica.
• El estudio proporciona información valiosa para seleccionar estrategias óptimas de detección de ácaros en la apicultura, equilibrando el rendimiento con la implementación práctica.