Machine Learning for Detection and Severity Estimation of Sweetpotato Weevil Damage in Field and Lab Conditions

Resumen Técnico: Aprendizaje Automático para la Detección y Estimación de la Severidad del Daño por el Gorgojo de la Batata

Planteamiento del Problema
El gorgojo de la batata (Cylas spp.) es una plaga destructiva primaria en el África subsahariana, capaz de causar pérdidas de rendimiento de hasta el 100% y de hacer que las raíces no sean aptas para el consumo. Los programas de fitomejoramiento actuales dependen del fenotipado manual para identificar genotipos resistentes. En entornos de campo, los expertos utilizan una escala de puntuación visual subjetiva del 1 al 9, mientras que las evaluaciones de laboratorio implican el conteo manual de los agujeros de alimentación, lo cual requiere mucha mano de obra. Estos métodos tradicionales son lentos, inconsistentes y propensos al sesgo humano, lo que crea cuellos de botella en el desarrollo de variedades de batata resilientes. Este estudio aborda la necesidad de herramientas de evaluación automatizadas, objetivas y escalables para acelerar los flujos de trabajo de fitomejoramiento.

Metodología
La investigación propone un flujo de trabajo de visión computacional de doble contexto tanto para entornos de campo como de laboratorio, utilizando Redes Neuronales Convolucionales (CNN) y arquitecturas de detección de objetos.

• Evaluación de Campo (Clasificación de la Severidad):

  • Recolección de Datos: Se capturaron imágenes y videos de cuatro sitios agrícolas en Uganda a lo largo de dos temporadas. Los expertos asignaron puntuaciones de severidad basadas en una escala modificada de 5 puntos (1, 3, 5, 7, 9) que representa la proporción de raíces dañadas.
  • Preprocesamiento: Se ajustó un modelo de segmentación YOLO11 (mAP 92.5%) para aislar las raíces del ruido de fondo. El conjunto de datos se equilibró extrayendo fotogramas de videos y mediante el submuestreo de clases sobre-representadas, lo que resultó en 636 parcelas (788 imágenes).
  • Arquitectura del Modelo: Se implementó una arquitectura ResNet-50 de doble entrada para procesar vistas ortogonales emparejadas (superior e inferior) de las parcelas de raíces. El modelo concatenó vectores de características de 2048-d de dos backbones en una representación de 4096-d, seguido de capas totalmente conectadas con dropout. Se probó un modelo VGG16 secundario, pero tuvo un desempeño inferior.
  • Entrenamiento: El modelo se entrenó durante 20 épocas utilizando el optimizador Adam con un tamaño de lote (batch size) de 16.

• Evaluación de Laboratorio (Cuantificación del Daño):

  • Configuración Experimental: Las raíces fueron expuestas a infestaciones controladas de gorgojos (5–10 adultos durante 24 horas) y se fotografiaron bajo iluminación estandarizada.
  • Preprocesamiento:
    1. Segmentación: Un modelo de segmentación YOLO11 (mAP 98%) aisló las regiones de las raíces de los fondos.
    2. Conversión de Anotaciones: Las anotaciones basadas en puntos de los agujeros de alimentación se convirtieron en cuadros delimitadores (bounding boxes) mediante una expansión de relleno (padding) de 18 píxeles.
    3. Estrategia de Mosaicos (Tiling): Para abordar el desafío de detectar agujeros diminutos, se empleó el marco de trabajo Slicing Aided Hyper Inference (SAHI). Las imágenes se dividieron en mosaicos superpuestos de 384×384 píxeles para mejorar la visibilidad de objetos pequeños.
  • Selección de Modelos: Se evaluaron tres modelos de detección de objetos de última generación: YOLO11-L, YOLO12-L y RTDETR2. Fueramente entrenados en el conjunto de datos de mosaicos durante 500 épocas con parada temprana (early stopping).

Resultos Clave

• Clasificación de Campo: El modelo ResNet-50 de doble entrada logró una precisión de prueba (test accuracy) del 71.43%. El desempeño varió según la clase:
  • Clase 1 (Sin daño): Mayor F1-score (0.72) con un alto recall (0.82), lo que indica una fuerte capacidad para identificar parcelas resistentes.
  • Clase 5 (Daño severo): Menor recall (0.45), lo que sugiere una clasificación errónea frecuente de casos severos.
  • Patrones de Confusión: Las clasificaciones erróneas ocurrieron principalmente entre niveles de severidad adyacentes (por ejemplo, 1 vs. 3, 5 vs. 7), debido probablemente a características visuales superpuestas.
• Detección de Laboratorio: YOLO12-L surgió como el modelo superior, logrando un promedio de precisión media (mAP@0.5) del 77.7%.
  • Demostró una precisión (0.715) y un recall (0.765) equilibrados.
  • Se desempeñó excepcionalmente bien en agujeros no fecales (mAP@0.5: 0.826) y agujeros fecales (mAP@0.5: 0.728).
  • RTDETR2 mostró una mayor precisión pero un menor recall, mientras que YOLO11 tuvo un desempeño inferior en comparación con YOLO12.

Significancia y Reivindicaciones
El artículo sostiene que las tecnologías de visión computacional pueden proporcionar herramientas de evaluación eficientes, objetivas y escalables que se alineen con los flujos de trabajo de fitomejoramiento contemporáneos. El estudio demuestra que:

1. La automatización es factible: Los sistemas automatizados pueden cribar eficazmente genotipos resistentes en el campo (alto recall para clases de bajo daño) y cuantificar el daño en el laboratorio con alta precisión.
2. Innovación Metodológica: La combinación de segmentación de raíces y el sistema de mosaicos basado en SAHI aborda con éxito el desafío específico de detectar agujeros de alimentación diminutos que a menudo se pasan por alto en imágenes de alta resolución.
3. Aplicación Práctica: Aunque no son un reemplazo completo del juicio experto, estas herramientas sirven como sistemas de apoyo a la decisión efectivos para reducir la subjetividad y el esfuerzo manual. Los autores enfatizan el potencial de desplegar modelos ligeros en dispositivos de borde (por ejemplo, teléfonos inteligentes) para apoyar a los técnicos de campo.
4. Disponibilidad de Recursos: Los autores declaran que los conjuntos de datos y el código se pondrán a disposición pública para apoyar la investigación adicional en fenotipado de plantas.

Los autores mantienen un tono modesto, reconociendo limitaciones como la brecha de rendimiento entre los resultados de campo y de laboratorio, el sobreajuste (overfitting) en el clasificador de campo debido a la variabilidad de los datos, y la carga computacional del flujo de trabajo de dos etapas en el laboratorio. Posicionan su trabajo como un paso significativo hacia la mejora de la eficiencia del fenotipado en lugar de una solución final y perfecta.