El aprendizaje profundo desempeña un papel vital en la detección precisa de enfermedades de la vid, pero las aplicaciones prácticas para la asistencia a los agricultores son escasas a pesar de los resultados prometedores. Este estudio, firmado por investigadores chinos, de Arabia Saudí y de Egipto, se centra en el uso del aprendizaje profundo para detectar enfermedades de la vid, proponiendo un enfoque inteligente, apoyado en un software de código abierto y fácil de usar llamado AI GrapeCare. Este enfoque utiliza imágenes RGB y redes profundas híbridas para la detección y prevención de enfermedades de la vid. No obstante, debe realizarse una anotación sobre el aprendizaje profundo. Esta rama del aprendizaje automático se basa en redes neuronales artificiales para procesar y comprender datos complejos. A diferencia de otras técnicas de aprendizaje automático, el profundo es capaz de incorporar el aprendizaje directamente de los datos. Es preciso añadir que las redes neuronales artificiales profundas están inspiradas en la estructura y el funcionamiento del cerebro humano. Gracias a estas tecnologías, el campo de la inteligencia artificial ha experimentado avances significativos en los últimos años. Así pues, el estudio utiliza imágenes RGB (acrónimo de los colores que utiliza: rojo, verde y azul) y redes profundas híbridas (que combinan distintas arquitecturas neuronales para el aprendizaje profundo), para desarrollar una plataforma de detección de enfermedades de plantas que recopila imágenes de hojas de vid del mundo real y aprende de los datos para mejorar la precisión del modelo. Los resultados muestran que el modelo híbrido de estos autores supera otras configuraciones con una precisión del 96.6%. El software desarrollado proporciona un diagnóstico rápido de enfermedades de la vid en menos de un minuto y tiene potencial para expandirse a otras plantas, incluso varios tipos de árboles. Esta capacidad puede ayudar a los agricultores en la detección temprana de enfermedades e implementar medidas preventivas.
Elsherbiny, O.; Elaraby, A.; Alahmadi, M.; Hamdan, M.; Gao, J.: “Rapid Grapevine Health Diagnosis Based on Digital Imaging and Deep Learning”, Plants (Basel) ; 2024, 13 (1): 135. doi: 10.3390/plants13010135
