Un conjunto completo de imágenes de hojas de arroz para la detección de enfermedades mediante el aprendizaje...

Área de la Ciencia:

• Ciencias Agrícolas
• Visión por computadora
• Patología vegetal

Sus antecedentes:

• El arroz es un alimento básico para una parte significativa de la población mundial.
• La detección precisa y oportuna de las enfermedades del arroz es crucial para mantener el rendimiento de los cultivos y garantizar la seguridad alimentaria.
• Los conjuntos de datos existentes pueden no representar plenamente la diversidad de las condiciones y las variaciones de las enfermedades en el mundo real.

Objetivo del estudio:

• Introducir un conjunto de datos completo de imágenes de hojas de arroz anotadas por expertos.
• Facilitar el desarrollo de modelos de aprendizaje automático para la identificación de enfermedades del arroz.
• Apoyar las prácticas agrícolas sostenibles mediante la detección temprana de enfermedades.

Principales métodos:

• Recogió 2.753 imágenes originales de hojas de arroz de BRRI, capturando diversas condiciones ambientales.
• Aplicó técnicas de aumento de datos (rotación, escalado, brillo, volteo) para crear 16.247 imágenes aumentadas.
• Anotado por expertos en agronomía para una clasificación precisa de las enfermedades en siete categorías.

Principales resultados:

• Un conjunto de datos de 19.000 imágenes (2.753 originales, 16.247 aumentadas) que cubren siete clases de enfermedades y muestras sanas.
• Las imágenes capturadas con cámaras de teléfonos inteligentes reflejan escenarios prácticos del mundo real.
• Las anotaciones de expertos proporcionan una verdad de base confiable para la capacitación y validación del modelo.

Conclusiones:

• El conjunto de datos es un recurso valioso para entrenar modelos robustos de IA para la detección de enfermedades del arroz.
• La detección temprana de enfermedades puede mejorar significativamente la gestión de los cultivos y reducir las pérdidas de rendimiento.
• Este trabajo contribuye a mejorar la seguridad alimentaria en las regiones dependientes del arroz a través del avance tecnológico.