Una red neuronal convolucional compacta para el manejo de enfermedades de plantas y clasificación de frutas

Estudiar en Revista internacional de ciencia e ingeniería computacional, presenta una nueva arquitectura de aprendizaje profundo llamada LightNet, diseñada para abordar los desafíos de entrenar modelos de aprendizaje profundo y revolucionar el sector agrícola. El estudio se enfoca en el manejo de enfermedades de las plantas y la clasificación de frutas, y aborda los requisitos de recursos computacionales normalmente altos que han dificultado la implementación de modelos de aprendizaje profundo en dispositivos con recursos limitados para identificar enfermedades en imágenes de hojas y frutas.

El aprendizaje profundo, una poderosa técnica de IA, ha ganado popularidad en una variedad de aplicaciones. Sin embargo, su naturaleza intensiva en recursos lo hace inadecuado para dispositivos con potencia informática y capacidad de almacenamiento limitadas. Además, faltan enfoques efectivos para resolver problemas agrícolas reales utilizando el aprendizaje profundo.

Edna C. Too, del Departamento de Ciencias de la Computación de la Universidad de Chuka en Kenia, desarrolló LightNet, una red neuronal convolucional compacta (CNN) que utiliza dos estrategias innovadoras: omisión de conexión y poda. Esto aumenta significativamente la eficiencia, lo que permite que la información fluya con mayor fluidez en la red al tiempo que reduce las conexiones y los parámetros redundantes. Este enfoque permite que el sistema supere a herramientas aparentemente más poderosas. Por ejemplo, es la mitad del tamaño, el doble de eficiente y el triple de rápido que DenseNet.

Los investigadores evaluaron LightNet utilizando dos conjuntos de datos del mundo real: PlantsVillage, que se enfoca en la detección de enfermedades de las plantas, y Fruits-360, que cubre la clasificación y clasificación de frutas. Los resultados de la evaluación muestran qué tan bien se desempeña el sistema en tareas de detección de enfermedades de plantas y clasificación de frutos. El potencial es enorme.

Al proporcionar una solución de aprendizaje profundo eficiente y precisa para estas aplicaciones del mundo real, LightNet ofrece a los productores y proveedores una forma de estar mejor equipados para hacer frente a los principales problemas en todo el sector. Debido a que requiere un dispositivo de menor cantidad de recursos, existe la posibilidad de que se use en el campo a un costo menor que otros sistemas que requieren más recursos, lo que en última instancia mejora la gestión de cultivos y la seguridad alimentaria.