Koneru Lakshmaiah Education Foundation, Department of CSE, Vaddeswaram, Andhra Pradesh, India
Koneru Lakshmaiah Education Foundation, Department of CSE, Vaddeswaram, Andhra Pradesh, India
Koneru Lakshmaiah Education Foundation, Department of CSE, Vaddeswaram, Andhra Pradesh, India
Koneru Lakshmaiah Education Foundation, Department of CSE, Vaddeswaram, Andhra Pradesh, India
Koneru Lakshmaiah Education Foundation, Department of CSE, Vaddeswaram, Andhra Pradesh, India
En los últimos tiempos se han empleado diversas técnicas en la agricultura para abordar distintos aspectos. Estas técnicas abarcan estrategias para mejorar el rendimiento de los cultivos, identificar plagas ocultas y aplicar métodos eficaces de reducción de plagas, entre otras. En este estudio se presenta una novedosa estrategia centrada en la identificación de infecciones en hojas de plantas en campos agrícolas mediante el uso de drones. Mediante el empleo de cámaras en drones con alta resolución, tomamos imágenes precisas de las hojas de las plantas, asegurando una cobertura completa de toda la zona. Estas imágenes sirven como conjuntos de datos para algoritmos de aprendizaje profundo, incluyendo redes neuronales convolucionales (CNN), Resnet, ReLu que permiten la detección temprana de infecciones. Los modelos de aprendizaje profundo aprovechan las imágenes capturadas para identificar y clasificar las infecciones en sus fases iniciales. El uso de la tecnología R-CNN y ResNet en el campo de la agricultura ha supuesto un gran cambio al detectar la enfermedad en una fase temprana del cultivo. De este modo, el agricultor puede tomar medidas preventivas contra las plagas en la fase inicial para evitar la pérdida de cosechas.
Este artículo se distribuye bajo la licencia Creative Commons Attribution 4.0 License. A menos que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.
The statements, opinions and data contained in the journal are solely those of the individual authors and contributors and not of the publisher and the editor(s). We stay neutral with regard to jurisdictional claims in published maps and institutional affiliations.