BotanicX-AI: Identificación de enfermedades en hojas de tomate utilizando un modelo de aprendizaje profundo basado en explicaciones

La detección temprana y precisa de enfermedades en los tomates utilizando fotos de hojas fácilmente disponibles es esencial para los agricultores y partes interesadas, ya que ayuda a reducir la pérdida de rendimiento debido a posibles epidemias de enfermedades. Este artículo tiene como objetivo identificar visualmente nueve enfermedades infecciosas diferentes (mancha bacteriana, tizón temprano, mancha foliar de Septoria, tizón tardío, moho en las hojas, ácaro de dos manchas, virus del mosaico, mancha objetivo y virus del rizo amarillo de las hojas) en hojas de tomate, además de hojas saludables. Implementamos EfficientNetB5 con un conjunto de datos de enfermedades en hojas de tomate (TLD) sin segmentación, y el modelo alcanzó una precisión promedio de entrenamiento del 99.84% ± 0.10%, una precisión promedio de validación del 98.28% ± 0.20%, y una precisión promedio de prueba del 99.07% ± 0.38% en 10 pliegues cruzados. Se propone el uso de mapas de activación de clase ponderados por gradiente (GradCAM) y explicaciones locales e interpretables independientes del modelo para proporcionar interpretabilidad al modelo, que es esencial para el rendimiento predictivo, útil para construir confianza y necesaria para su integración en la práctica agrícola.