Fitoprotección sostenible: un marco inteligente de monitoreo y recomendación que utiliza Puma Optimization para la...

Área de la Ciencia:

• Ciencias Agrícolas
• Inteligencia artificial
• Biología computacional

Sus antecedentes:

• La intensificación de las enfermedades de los cultivos amenaza la sostenibilidad agrícola.
• Las herramientas inteligentes basadas en datos son cruciales para la detección y la intervención tempranas.
• Los métodos existentes requieren mejoras para datos ecológicos complejos y de alta dimensión.

Objetivo del estudio:

• Desarrollar un nuevo marco híbrido para la clasificación de las enfermedades de la papa.
• Integrar el modelado de dependencias basado en cópula con máquinas de Boltzmann restringidas (RBM).
• Optimizar el marco utilizando el algoritmo de optimización Puma (PO) para mejorar el rendimiento.

Principales métodos:

• Un marco híbrido que combina transformaciones basadas en cópula y RBM.
• Ajuste de hiperparámetros del RBM utilizando el algoritmo de PO inspirado en la biología.
• Formación y evaluación en un conjunto de datos del mundo real con 42 variables agronómicas, microbianas y ecológicas.

Principales resultados:

• El RBM optimizado para PO logró una precisión del 98,54%, superando el RBM de referencia (94,77%) y otros clasificadores.
• Se observaron mejoras significativas en la sensibilidad, la especificidad y la puntuación F1.
• PO-RBM demostró una eficiencia computacional superior en comparación con PSO, GWO y GA.

Conclusiones:

• El marco propuesto ofrece un sistema de apoyo a la toma de decisiones escalable y ecológicamente fundamentado para la gestión integrada de plagas (GPI).
• Este enfoque permite la inferencia probabilística de alta fidelidad en espacios ecológicos complejos.
• Proporciona una solución práctica para el monitoreo fitosanitario adaptativo de bajo impacto.