Desarrollo de una aplicación web para la detección automática de malezas utilizando imágenes adquiridas por un dron en campos de cultivos de maíz y/o papa mediante la red profunda transformers

Abstract

La detección y erradicación de malezas es una parte fundamental para mejorar la producción agrícola. Las malezas pueden generar grandes pérdidas económicas al consumir los recursos destinados para los cultivos. Estas malezas comparten bastante similitud con el cultivo y su población suele ser aleatorio en las etapas tempranas de crecimiento. Estos factores influyen directamente en la cuantificación precisa de las mismas, lo que provoca un uso indebido de herbicidas y deterioran significativamente el medio ambiente. El presente trabajo empleó la arquitectura Real-Time Detection Transformer (RT-DETR) para la detección automática de malezas (kikuyo, diente de león, lengua de vaca y otras malezas no identificadas) en los campos de cultivo de papa. La adquisición del dataset, el entrenamiento y validación del modelo se realizó bajo la metodología KDD. El dataset fue capturado a una altura de 9-10 metros con el dron DJI Mavic 2 Pro a una velocidad de 1 m/s para garantizar una cobertura más amplia del campo de cultivo. La arquitectura RT-DETR fue seleccionada, entre los demás modelos Transformers de la comunidad, por su gran capacidad de detección de objetos en tiempo real, que rivaliza con las famosas redes convolucionales YOLO. El mejor modelo se desplegó en Microsoft Azure a través de una aplicación web empaquetada con Docker. La evaluación del modelo se llevó a cabo mediante las métricas de rendimiento y la validación estadística.