Video Experimental Relacionado
Updated: Sep 9, 2025
08:14
LeafJ: An ImageJ Plugin for Semi-automated Leaf Shape Measurement
Published on: January 21, 2013
28.7K
Una revisión de la identificación de enfermedades de las hojas de las plantas mediante algoritmos de aprendizaje
Junmin Zhao1, Laixiang Xu2, Zizhen Ma3
1School of Computer and Data Science, Research Center of Smart City and Big Data Engineering of Henan Province, Henan University of Urban Construction, Pingdingshan, China.
Frontiers in plant science
|September 5, 2025
Resumen
Este estudio revisa el aprendizaje profundo para el reconocimiento de enfermedades de las hojas de las plantas, destacando sus ventajas sobre los métodos manuales. Explora la integración de datos y modelos de red para mejorar la precisión en condiciones difíciles.
Área de la Ciencia:
- Ciencias Agrícolas
- Ciencias de la computación
- Inteligencia artificial
Sus antecedentes:
- Las enfermedades de las hojas de las plantas representan una amenaza significativa para la seguridad alimentaria mundial.
- La identificación precisa de las enfermedades es fundamental para un manejo eficaz de los cultivos.
- Los métodos tradicionales para la identificación de enfermedades son a menudo inexactos y laborales.
Objetivo del estudio:
- Revisar y sintetizar la investigación actual sobre algoritmos de aprendizaje profundo para el reconocimiento de enfermedades de las hojas de las plantas.
- Explorar la integración de diversos conjuntos de datos internacionales sobre enfermedades de las hojas de las plantas.
- Discutir el desarrollo y la aplicación de varios tipos de datos dentro de las redes de aprendizaje profundo para la detección de enfermedades.
Principales métodos:
- Revisión completa de la literatura de algoritmos de aprendizaje profundo aplicados al reconocimiento de enfermedades de las plantas.
- Análisis de las técnicas de aumento y preprocesamiento de datos para imágenes de hojas de plantas.
- Evaluación de diferentes arquitecturas de redes de aprendizaje profundo (por ejemplo, redes neuronales convolucionales) para la clasificación de enfermedades.
Principales resultados:
- El aprendizaje profundo ofrece una alternativa prometedora y precisa a los métodos tradicionales de identificación de enfermedades de las plantas.
- El estudio identifica desafíos clave que incluyen iluminación variable, similitud de síntomas y progresión de la enfermedad.
- Varios modelos de aprendizaje profundo muestran factibilidad para detectar enfermedades de las hojas de las plantas.
Conclusiones:
- La investigación adicional sobre redes neuronales de alto rendimiento es esencial para avanzar en el reconocimiento de enfermedades de las plantas.
- Abordar las limitaciones actuales allanará el camino para futuros avances en el diagnóstico agrícola.
- Este trabajo proporciona una base para el desarrollo de sistemas robustos y automatizados de identificación de enfermedades de las plantas.
