Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning

Abstract

Artificial vision systems allow automating tasks that require trained personnel to identify relevant characteristics of certain objects. This paper describes the development of a mobile application that uses deep learning techniques to identify symptoms of Huanglongbing and nutritional deficiencies in citrus tree leaves. The transfer learning models Inception and MobileNet using Tensorflow and Python were evaluated. A mobile application was created for Android that managed to correctly classify 89% of the sheet images of an evaluation set using the MobileNet model. The application generated will improve the identification of symptoms in leaves of citrus trees during monitoring in citrus plantations.

Los sistemas de visión artificial permiten automatizar tareas que requieren de personal entrenado para la identificación de características relevantes de determinados objetos. En este trabajo se describe el desarrollo de una aplicación móvil que utiliza técnicas de deep learning para identificar síntomas de Huanglongbing y carencias nutricionales en hojas de árboles cítricos. Se evaluaron los modelos de aprendizaje por trasferencia MobileNet e Inception utilizando Tensorflow y Python. Se generó una aplicación móvil para Android que logró clasificar correctamente el 89 % de las imágenes de hojas de un conjunto de evaluación utilizando el modelo MobileNet. La aplicación generada permitirá mejorar la identificación de síntomas en hojas de árboles cítricos durante los monitoreos realizados en plantaciones citrícolas.