Clasificación del estado de pH en plantas de stevia mediante redes neuronales supervisadas y visión artificial.

Abstract

La Inteligencia Artificial y la Visión Artificial han revolucionado la Agricultura de Precisión, permitiendo el monitoreo automatizado de cultivos. Este estudio propone un modelo basado en Redes Neuronales para clasificar el pH del suelo en cultivos de Stevia rebaudiana Bertoni, optimizando la gestión agrícola y la sostenibilidad de los cultivos. Para lograrlo, se procesaron imágenes de Stevia mediante técnicas de aumento de datos, extrayendo características de color en formatos RGB y hexadecimales. Posteriormente, se entrenó una Red Neuronal Artificial supervisada para clasificar el pH del suelo en categorías ácidas, óptimas y alcalinas. El modelo propuesto, StePHVIA, alcanzó una precisión del 99%, superando a arquitecturas preentrenadas como MobileNetV2 (97,38%) y ResNet-50 (76,38%). La evaluación se realizó utilizando métricas como el Coeficiente de Correlación de Matthews, la precisión, la recuperación y la puntuación F1. Estos resultados confirman la efectividad de la Visión Artificial y el Aprendizaje Profundo en la Agricultura de Precisión, ofreciendo una alternativa en tiempo real y de bajo costo para el monitoreo del suelo. StePHVIA facilita la detección temprana de desequilibrios en el suelo, optimizando la aplicación de fertilizantes y mejorando la productividad del cultivo de Stevia.