Un estudio muestra cómo la inteligencia artificial está transformando la detección de enfermedades en las plantas

En los últimos años, la agricultura ha experimentado una transformación significativa, impulsada por la integración de tecnologías avanzadas como la inteligencia artificial (IA). Un estudio reciente publicado en Frontiers in Plant Science, junto con sensores de Internet de las cosas (IoT), se está aplicando a la detección automática de enfermedades en plantas, centrándose en cultivos importantes como tomates, pimientos, papas y pepinos.

Tradicionalmente, la detección de enfermedades de las plantas era un proceso que requería mucho tiempo y dependía en gran medida de la experiencia de los especialistas, además de requerir importantes recursos. Los agricultores y técnicos tenian que examinar visualmente los cultivos, identificando manualmente signos de infección, lo que a menudo resultaba en diagnósticos tardíos y tratamientos ineficaces. Este método no sólo consumía mucho tiempo, sino que también aumentaba los costos de producción y dificultaba la toma de decisiones rápidas e informadas para una gestión eficiente de las plantaciones.

Sin embargo, con la llegada de la inteligencia artificial, este escenario empezó a cambiar drásticamente.

Ahora es posible automatizar el proceso de detección de enfermedades, utilizando algoritmos avanzados que analizan grandes volúmenes de datos en tiempo real.

Esto no sólo aumenta la precisión y la velocidad de la identificación de enfermedades, sino que también permite la implementación de medidas preventivas más efectivas, que son cruciales para maximizar el rendimiento agrícola y minimizar las pérdidas económicas. Por lo tanto, la IA se presenta como una herramienta revolucionaria que transforma la forma en que los agricultores gestionan sus cultivos y enfrentan los desafíos de las enfermedades de las plantas.

El estudio revisa varias metodologías de aprendizaje automático (ML) y aprendizaje profundo (DL) aplicadas en la detección de enfermedades de las plantas, destacando los pasos predeterminados como la adquisición de imágenes, el preprocesamiento, la segmentación, la selección de características y la clasificación.

Desafíos y limitaciones de las tecnologías de IA en la agricultura

A pesar de las numerosas ventajas, el estudio también destaca los desafíos y limitaciones de las tecnologías basadas en IA. Uno de los principales desafíos es la calidad de las imágenes adquiridas en campo, que pueden verse afectadas por factores ambientales como variaciones de luz y humedad. Además, la presencia de ruido y fondo innecesarios en las imágenes puede dificultar la segmentación y el análisis preciso de las áreas infectadas.

Otro desafío importante es la necesidad de conjuntos de datos grandes y variados para entrenar modelos de IA.

Por tanto, es fundamental seguir mejorando las técnicas de adquisición y procesamiento de imágenes, así como ampliar y diversificar los conjuntos de datos utilizados para entrenar los modelos.

La incorporación de la IA en la agricultura supone un avance significativo para la detección temprana y precisa de enfermedades de las plantas. Con el continuo desarrollo de metodologías y la superación de las limitaciones actuales, es posible vislumbrar un futuro

Referencia de la noticia:
Jafar, A., Bibi, N., Naqvi, R. A., Sadeghi-Niaraki, A., & Jeong, D. (2024). Revolutionizing agriculture with artificial intelligence: plant disease detection methods, applications, and their limitations. Frontiers in Plant Science, 15, 1356260.