Metodología Propuesta para Identificación del Huanglongbing (HLB) en Limón Persa Mediante una Red Neuronal Artificial

Resumen

En esta investigación se propuso un modelo para identificar  la enfermedad HLB en imágenes de hojas  de limón persa mediante una red neuronal artificial (RNA). Se utilizaron imágenes de hojas de limón persa enfermas y no enfermas de HLB, éstas se convirtieron a  escala de grises,  se les  manipuló el brillo y se les asignó una resolución de 200 por 350 pixeles para cada una de ellas. Posteriormente se les aplicó el algoritmo de Canny para detectar bordes. Se utilizó la técnica de Análisis de Componentes principales (PCA) para reducir la dimensionalidad del tamaño de las imágenes, alcanzando una reducción del 50 por ciento para cada imagen. Para el proceso de clasificación se implementó una RNA y se empleó el algoritmo de validación cruzada para validar el modelo. Los resultados muestran que el modelo de red neuronal obtiene una exactitud máxima del 80% utilizando validación cruzada con 5 k-folds y tipo de aprendizaje supervisado. Por lo tanto, se recomienda el modelo con validación cruzada k folds para validae  el modelo, debido a que alcanzó una mejor exactitud, además demuestra la utilidad de la aplicación de las herramientas de la Inteligencia artificial para la identificación de enfermedades en el sector agrícola.