AgroRuralNoticias

El aprendizaje profundo avanzado y las imágenes de vehículos aéreos no tripulados impulsan la agricultura de precisión para la seguridad alimentaria del futuro

01/08/2024 11:20:16 hs Fuente: Mundo Agropecuario BET

Un equipo de investigadores ha estudiado la eficacia de AlexNet, una variante avanzada de la red neuronal convolucional (CNN), para la clasificación automática de cultivos utilizando imágenes aéreas de alta… La entrada El aprendizaje profundo avanzado y las imágenes de vehículos aéreos no tripulados impulsan la agricultura de precisión para la seguridad alimentaria del futuro se publicó primero en Mundo Agropecuario BET.


Un equipo de investigadores ha estudiado la eficacia de AlexNet, una variante avanzada de la red neuronal convolucional (CNN), para la clasificación automática de cultivos utilizando imágenes aéreas de alta resolución obtenidas por vehículos aéreos no tripulados. Sus hallazgos demostraron que AlexNet superó sistemáticamente a las CNN convencionales.


por la Academia China de Ciencias


Área de estudio en Garatu Minna, estado de Níger, Nigeria. Crédito: Tecnología en Agronomía (2024). DOI: 10.48130/tia-0024-0009

Este estudio destaca el potencial de integrar el aprendizaje profundo con datos de UAV para mejorar la agricultura de precisión, enfatizando la importancia de las técnicas de detención temprana para evitar el sobreajuste y sugiriendo una mayor optimización para aplicaciones de clasificación de cultivos más amplias.

Se prevé que para 2030 la población mundial crecerá hasta los 9.000 millones, lo que aumentará significativamente la demanda de alimentos. En la actualidad, los desastres naturales y el cambio climático son amenazas importantes para la seguridad alimentaria, lo que hace necesaria una clasificación oportuna y precisa de los cultivos para mantener una producción adecuada de alimentos. A pesar de los avances en teledetección y aprendizaje automático para la clasificación de cultivos, persisten desafíos, como la dependencia del conocimiento de expertos y la pérdida de información.

Un artículo de investigación publicado en Technology in Agronomy el 28 de mayo de 2024 tiene como objetivo evaluar el desempeño de AlexNet, un modelo basado en CNN , para la clasificación del tipo de cultivo en granjas mixtas de pequeña escala.

En este estudio, se emplearon los modelos AlexNet y CNN convencionales para evaluar la eficiencia de la clasificación de cultivos utilizando imágenes de UAV de alta resolución. Ambos modelos se entrenaron con hiperparámetros, incluidos 30 a 60 épocas, una tasa de aprendizaje de 0,0001 y un tamaño de lote de 32. AlexNet, con su profundidad de 8 capas, logró una precisión de entrenamiento del 99,25 % y una precisión de validación del 71,81 % en 50 épocas, lo que demuestra su rendimiento superior.

Por el contrario, el modelo CNN de 5 capas alcanzó su máxima precisión de entrenamiento del 62,83 % y su precisión de validación del 46,98 % en 60 épocas. El rendimiento de AlexNet disminuyó ligeramente en 60 épocas debido al sobreajuste, lo que pone de relieve la necesidad de mecanismos de detención temprana.

Los resultados indican que, si bien ambos modelos mejoran con más épocas, AlexNet supera consistentemente a la CNN convencional, particularmente en el manejo de conjuntos de datos complejos y el mantenimiento de altos niveles de precisión.

Esto sugiere que AlexNet es más adecuado para una clasificación precisa y eficiente de cultivos en la agricultura de precisión, aunque se debe tener cuidado para mitigar el sobreajuste en el entrenamiento prolongado.

Según el investigador principal del estudio, Oluibukun Gbenga Ajayi, «A la luz del sobreajuste observado, recomendamos encarecidamente implementar técnicas de detención temprana, como se demostró en este estudio en 50 épocas, o modificar los hiperparámetros de clasificación para optimizar el rendimiento de AlexNet siempre que se detecte sobreajuste».

Las investigaciones futuras se centrarán en ampliar las capacidades de AlexNet, optimizar el preprocesamiento y refinar los hiperparámetros para mejorar aún más la precisión de la clasificación de cultivos y apoyar los esfuerzos mundiales de seguridad alimentaria .

Más información: Oluibukun Gbenga Ajayi et al, Optimización de la clasificación de cultivos en agricultura de precisión mediante AlexNet e imágenes de UAV de alta resolución, Technology in Agronomy (2024). DOI: 10.48130/tia-0024-0009



La entrada El aprendizaje profundo avanzado y las imágenes de vehículos aéreos no tripulados impulsan la agricultura de precisión para la seguridad alimentaria del futuro se publicó primero en Mundo Agropecuario BET.

Seguir leyendo

Más noticias recientes

Adiós al fasón: una empresa del agro cumplió su sueño e inauguró su propia planta en Pergamino

"Vamos a salir adelante": una importante empresa de tecnología agrícola pidió la apertura de un concurso de acreedores

En Sañogasta, frente a los bajos precios de la nuez, Ana Arias decidió agregarle valor haciendo alfajores y garrapiñadas; “Si te venís al campo, es sacrificado, pero la vida es más linda”, dice

Entidades de usuarios de la hidrovía respaldaron la reforma del cabotaje y pidieron su pronta aprobación en Diputados

Vicentin proyecta inversiones por 100 millones de dólares y espera alcanzar su mayor producción industrial en ocho años

Zona núcleo: los primeros rindes de trigo superan los 60 quintales, pero alertan por el impacto del granizo

“Es oscurantismo”: En el Congreso de Agroecología, Javier Rodríguez hizo una acérrima defensa de Virginia Aparicio y cargó contra el gobierno por el “retroceso en ciencia e investigación”

Y sin embargo, se mueve

"Oportunidad histórica": el Senado dio media sanción a la modificación de la Ley de Cabotaje y la agroindustria pide un "pronto tratamiento" en Diputados

La Fundación Producir Conservando considera que la Argentina podría volver a repetir una campaña agrícola extraordinaria, aunque advierte que anda escaseando un insumo clave: la confianza

El presidente del Consejo Agroindustrial Argentino respaldó en Washington una candidatura del país a la FAO

Una noble resistencia: Aquel lapacho rosa que no pudo voltear la topadora fue el que le dio el nombre a la yerba de la familia Nahirñak en Apóstoles

Ver todas las noticias