A Hierarchical Deep Learning Framework for Pineapple Disease Detection, Typification, and Spatial Disease Visualization in Tropical Agricultural Environments

Resumen Técnico: Un Marco de Aprendizaje Profundo Jerárquico para la Detección, Tipificación y Visualización Espacial de Enfermedades de la Piña

Planteamiento del Problema
El diagnóstico temprano y fiable de las enfermedades de la piña en entornos agrícolas tropicales sigue siendo un desafío significativo para la agricultura de precisión. Los métodos actuales de inspección manual son laboriosos, subjetivos y difíciles de escalar. Las soluciones automatizadas enfrentan obstáculos sustanciales debido a la iluminación variable, el solapamiento de los frutos, las oclusiones, los fondos heterogéneos y la alta similitud visual entre diferentes síntomas de enfermedades. Además, los enfoques de aprendizaje profundo existentes suelen depender de tuberías de inferencia de una sola etapa evaluadas en conjuntos de datos controlados (por ejemplo, hojas aisladas), que no logran generalizarse a la complejidad de las condiciones reales de campo en el trópico. Existe una brecha específica en los marcos que integran el cribado de enfermedades, la tipificación, el análisis de múltiples instancias y la visualización espacial dentro de una arquitectura unificada adecuada para la agricultura familiar de recursos limitados y el monitoreo asistido por UAV.

Metodología
Los autores proponen un marco de aprendizaje profundo jerárquico diseñado para condiciones tropicales de campo real. El sistema emplea una estrategia de inferencia de dos etapas:

1. Etapa 1: Cribado Fitosanitario Binario: Se utiliza un detector YOLOv8 para localizar los frutos de la piña y clasificarlos como "sanos" o "enfermos". Esta etapa filtra los frutos sanos para reducir la carga computacional en los pasos posteriores.
2. Etapa 2: Tipificación de la Enfermedad: Los frutos sintomáticos identificados en la Etapa 1 se someten a una extracción de Región de Interés (ROI) con relleno (padding) para preservar la información contextual. Se evalúan dos estrategias de refinamiento alternativas para esta etapa:
   • Basada en Detector: Un segundo modelo YOLOv8 realiza la localización refinada y la clasificación simultáneamente.
   • Basada en Clasificador: Un clasificador DenseNet121 opera sobre las ROIs recortadas para realizar la clasificación de la enfermedad a nivel de imagen.

Componentes Técnicos Clave:

• Agrupación Orientada a Síntomas: Para mitigar la ambigüedad interclase, las enfermedades se organizan en cuatro grupos basados en síntomas visuales compartidos y relevancia agronómica, en lugar de categorías estrictamente patológicas:
  • Grupo 1: Mancha Negra / Fusarium guttiforme / Cochinilla de la fruta.
  • Grupo 2: Pudrición del fruto / Barrenador del fruto / Podredumbre de la corona.
  • Grupo 3: Marchitez por cochinilla / Pudrición de la raíz.
  • Grupo 4: Múltiple corona / Fasciación del fruto.
• Propagación de Múltiples Instancias: El marco admite dos modos de propagación: seleccionar solo la detección sintomática de mayor confianza (para eficiencia) o propagar todas las detecciones sintomáticas (para el análisis simultáneo de múltiples frutos).
• Visualización Espacial: El sistema integra visualización orientada a la clase y consciente de la confianza, asignando colores RGB específicos a los grupos de enfermedades y mapeando la confianza de la predicción a la intensidad del color, lo que facilita el mapeo espacial de enfermedades.

Conjunto de Datos y Configuración Experimental
El estudio utilizó un conjunto de datos que comprende 68.86% de imágenes de campo real y 31.14% de imágenes disponibles públicamente, totalizando 2,383 imágenes de entrenamiento, 677 de validación y 338 de prueba. El conjunto de datos refleja la variabilidad tropical en iluminación, escala y oclusión. Se realizó una evaluación de prueba ciega independiente utilizando 50 imágenes adquiridas en campo previamente no vistas (10 por clase) para evaluar la generalización. Los experimentos se realizaron en una GPU NVIDIA Tesla T4 utilizando los marcos de trabajo PyTorch y Ultralytics.

Resultados Clave

• Rendimiento de la Etapa 2:
  • El modelo de tipificación YOLOv8 alcanzó una precisión del 96.1%, un recall del 96.0%, un mAP@50 del 97.7% y un mAP@50–95 del 71.3% en el conjunto de prueba independiente.
  • El clasificador DenseNet121 alcanzó una precisión del 98.82% en las imágenes de la enfermedad recortadas, superando a YOLOv8 en métricas de clasificación pura debido a la ausencia de requisitos de localización y la reducción de la interferencia del fondo.
• Evaluación del Marco Jerárquico (Prueba Ciega):
  • YOLOv8 + YOLOv8: Logró una precisión a nivel de imagen del 78.0% con una confianza de predicción promedio del 85.0%. El tiempo de inferencia fue de 19.0 ms por imagen.
  • YOLOv8 + DenseNet121: Logró una precisión a nivel de imagen del 84.0% con una confianza de predicción promedio del 96.4%. El tiempo de inferencia aumentó a 35.8 ms por imagen.
• Refinamiento de la Confianza: El enfoque jerárquico mejoró significamente la confianza de la predicción. La configuración YOLOv8+DenseNet121 aumentó la confianza promedio del 82.0% (Etapa 1) al 96.4% (Etapa 2), una ganancia de 14.4 puntos porcentuales, en comparación con una ganancia de 3.0 puntos porcentuales para la configuración YOLOv8+YOLOv8.

Significancia y Reivindicaciones
El artículo afirma que el marco propuesto ofrece una base práctica para el monitoreo fitosanitario inteligente en la agricultura tropical. Su principal significancia radica en:

1. Robustez ante Condiciones de Campo: Al utilizar un conjunto de datos dominado por imágenes de campo real y una agrupación orientada a síntomas, el marco aborda la variabilidad visual y la ambigüedad comunes en los entornos tropicales.
2. Análisis de Compromiso (Trade-off): El estudio proporciona una evaluación comparativa del refinamiento basado en detector frente al basado en clasificador, demostrando que, si bien la configuración YOLOv8+YOLOv8 es más eficiente computacionalmente (19.0 ms), la configuración YOLOv8+DenseNet121 ofrece una fiabilidad diagnóstica y una calibración de confianza superiores (84.0% de precisión frente a 78.0%), lo cual es crítico para el apoyo a la toma de decisiones.
3. Interpretabilidad Espacial: El marco permite el análisis de múltiples instancias y la visualización espacial orientada a clases, apoyando la futura integración con sistemas de monitoreo asistido por UAV georreferenciados para la inspección fitosanitaria localizada.

Los autores concluyen que combinar la detección de objetos con la clasificación de imágenes constituye una estrategia efectiva para mejorar el monitoreo automatizado de las enfermedades de la piña, proporcionando una solución escalable adaptable a las restricciones de recursos de los sistemas de agricultura familiar.