Un método para detectar la roya utilizando inteligencia artificial

David Velásquez

Alejandro Sánchez

Sebastián Sarmiento

La actividad agrícola siempre se ha visto amenazada por la presencia de plagas y enfermedades que impiden el desarrollo adecuado de los cultivos y afectan negativamente a la economía de los agricultores. Una de estas plagas es la Roya del Café, que es una enfermedad epidémica de hongos que afecta a los cafetos y causa una defoliación masiva. Como ejemplo, esta enfermedad ha estado afectando a los cafetos en Colombia (el tercer productor de café en el mundo) desde los años ochenta, provocando pérdidas devastadoras entre el 70% y el 80% de la cosecha. Si no se detectan los patógenos en una etapa temprana, se pueden producir infestaciones que causen una destrucción masiva de las plantaciones y dañen significativamente el valor comercial de los productos. La forma más común de detectar esta enfermedad es caminando por el cultivo y realizando una inspección visual humana. Como resultado de este problema, diferentes estudios de investigación han demostrado que los métodos tecnológicos pueden ayudar a identificar estos patógenos. Nuestra contribución es un experimento que incluye un modelo de diagnóstico de la fase de desarrollo de la Roya del Café, en el cultivo de Coffea arabica, variedad Caturra, mediante la integración tecnológica de técnicas de teledetección (a través de cámaras multiespectrales con capacidad de drones), redes de sensores inalámbricos (enfoque multisensorial) y técnicas de Aprendizaje Profundo (Deep Learning). Nuestro modelo de diagnóstico alcanzó una puntuación F1 de 0,775. El análisis de los resultados reveló un valor p de 0,231, lo que indicaba que la diferencia entre el diagnóstico de la enfermedad realizado empleando una inspección visual y a través de la integración tecnológica propuesta no era estadísticamente significativa. Lo anterior muestra que ambos métodos fueron significativamente similares para diagnosticar la enfermedad.

V EL ÁSQUEZ , D., S ÁNCHEZ , A., S ARMIENTO , S., T ORO , M., M AIZA , M., AND S IERRA , B. A method for detecting coffee leaf rust through wireless sensor networks, remote sensing, and deep learning: Case study of the caturra variety in colombia. Applied Sciences 10, 2 (2020). Disponible en este link.