A Novel Multi Class Real World Fruit and Leaf Disease Image Dataset for Crop Health Analysis

Resumen Técnico: Un nuevo conjunto de datos de imágenes de enfermedades de frutos y hojas del mundo real de múltiples clases para el análisis de la salud de los cultivos

Planteamiento del problema
Las enfermedades de las plantas que afectan a las hojas y los frutos causan pérdidas económicas y de rendimiento globales sustanciales, particularmente en cultivos hortícolas como el tomate, el chile y la papaya. Aunque el diagnóstico temprano y preciso es crítico para la gestión de los cultivos, la inspección manual tradicional es lenta, subjetiva e inviable a escala. Si bien la Inteligencia Artificial (IA) y las Redes Neuronales Convolucionales (CNN) muestran una promesa notable para la detección automatizada, su eficacia se ve a menudo obstaculizada por la falta de conjuntos de datos de alta calidad y diversidad. Los benchmarks existentes, como PlantVillage, están frecuentemente limitados a entornos de laboratorio controlados con fondos uniformes, lo que restringe la generalización de los modelos a entornos agrícolas del mundo real donde la iluminación, la complejidad del fondo y la severidad de la enfermedad varían significamente. Además, muchos conjuntos de datos existentes se centran en un solo cultivo o en un solo órgano vegetal, fallando en el soporte de un análisis de múltiples cultivos y múltiples enfermedades requerido para el despliegue práctico.

Metodología
Los autores presentan el Conjunto de Datos Tomato-Chilli-Papaya (TCP), un repositorio de imágenes multicultivo integral diseñado para cerrar la brecha entre los modelos entrenados en laboratorio y el despliegue en el mundo real.

• Composición del conjunto de datos: El conjunto de datos comprende 9,541 imágenes RGB etiquetadas categorizadas en 20 clases distintas a través de tres cultivos económicamente vitales: Tomate (Solanum lycopersicum), Chile (Capsicum annuum) y Papaya (Carica papaya). Las clases incluyen tanto estados sanos como enfermos para hojas y frutos.
• Adquisición de datos: Para asegurar la variabilidad del mundo real, las imágenes se obtuvieron de cuatro canales:
  • 55% recolectadas directamente de campos agrícolas en Rajasthan, India (Jaipur, Kota, Bundi).
  • 16% contribuidas por agricultores utilizando dispositivos móviles.
  • 17% obtenidas de conjuntos de datos de referencia públicos existentes.
  • 12% de fuentes verificadas de internet.
    Las imágenes capturan condiciones diversas, incluyendo variaciones de iluminación, oclusiones, desorden en el fondo (suelo, cielo, vegetación) y etapas de progresión de la enfermedad.
• Configuración experimental: Los autores evaluaron el conjunto de datos utilizando aprendizaje por transferencia (transfer learning) con seis arquitecturas CNN establecidas: MobileNet, MobileNetV2, DenseNet121, ResNet50, InceptionV3 y VGG19.
  • Preprocesamiento: Las imágenes se redimensionaron a 224 × 224 píxeles, se normalizaron y se dividieron en conjuntos de entrenamiento (80%) y validación (20%).
  • Arquitectura del modelo: El estudio utilizó backbones preentrenados (congelados) con una capa de Global Average Pooling (GAP), una capa de Dropout (tasa 0.2) y una capa final de clasificación Softmax.
  • Entrenamiento: Los modelos fueron entrenados utilizando el optimizador Adam (tasa de aprendizaje $10^{-3}$) con pérdida de entropía cruzada categórica dispersa durante 50 épocas.
• Métricas de evaluación: El desempeño se evaluó mediante Precisión (Accuracy), Precisión (Precision), Exhaustividad (Recall), F1-Score y matrices de confusión. El estudio también incluyó un análisis cuantitativo de la incertidumbre del modelo mediante mapas de calor.

Contribuciones clave

1. El Conjunto de Datos TCP: La contribución principal es la liberación de un nuevo conjunto de datos multicultivo y multidiseño que refleja la complejidad de las condiciones de campo del mundo real. Aborda la escasez de conjuntos de datos que cubran simultáneamente múltiples cultivos y patologías tanto de hojas como de frutos.
2. Benchmarking: El artículo proporciona un benchmark riguroso para modelos de aprendizaje profundo en este conjunto de datos específico, ofreciendo métricas de desempeño base para 20 clases de enfermedades distintas.
3. Validación en el mundo real: Al incorporar datos de agricultores y entornos de campo diversos, el conjunto de datos sirve como un banco de pruebas desafiante para evaluar la robustez de los modelos frente a cambios de iluminación, ruido de fondo y desequilibrio de clases.

Resultados
Los resultados experimentales resaltan variaciones significativas en el desempeño de los modelos basadas en la complejidad de la arquitectura y las características del conjunto de datos:

• Mejores desempeños: DenseNet121 alcanzó el desempeño general más alto, con un F1-Score ponderado del 86% y una precisión de prueba del 86.06%. Demostró una generalización superior a través de las diversas clases de cultivos y enfermedades.
• Modelos ligeros: MobileNet y MobileNetV2 entregaron resultados competitivos (F1-Scores ponderados del 84%) con significativamente menos parámetros (aprox. 3.2M y 2.2M, respectivamente) y tiempos de entrenamiento más rápidos, lo que los hace adecuados para el despliegue en el borde (edge deployment).
• Modelos de bajo desempeño: ResNet50 tuvo un desempeño significativamente inferior (Precisión de prueba ~39.73%, F1-Score ponderado ~36%), probablemente debido al sobreajuste (overfitting) y la sensibilidad al desequilibrio de clases del conjunto de datos. VGG19 e InceptionV3 mostraron un desempeño moderado pero requirieron sustancialmente más recursos computacionales.
• Perspectivas específicas de clase:
  • Los modelos funcionaron excepcionalmente bien en las clases "Sanas" y en síntomas virales distintos (por ejemplo, el virus del encrespamiento del chile logró F1-scores casi perfectos).
  • El desempeño disminuyó en clases con síntomas sutiles o alta similitud interclase, tales como Mancha bacteriana de la papaya y Marchitez de Verticillium del tomate, donde incluso los mejores modelos tuvieron dificultades con la exhaustividad (recall).
• Análisis de incertidumbre: El análisis de mapas de calor indicó que el modelo MobileNet produjo predicciones confiables para la mayoría de las muestras, ocurriendo picos de incertidumbre principalmente en casos de síntomas ambiguos o fondos complejos.

Significancia y Reivindicaciones
El artículo afirma que el conjunto de datos TCP proporciona un benchmark necesario y desafiante para avanzar en el diagnóstico de enfermedades de las plantas. Su significancia radica en:

• Habilitar la generalización robusta: Al reflejar la variabilidad del mundo real, el conjunto de datos apoya el desarrollo de modelos de IA que son menos propensos a fallar cuando se despliegan en entornos agrícolas no controlados.
• Soportar la agricultura de precisión: El conjunto de datos facilita la investigación en modelos ligeros para dispositivos de borde, IA explicable y estimación de la incertidumbre, que son críticos para sistemas de apoyo a la decisión prácticos y escalables.
• Reproducibilidad: Los autores proporcionan el conjunto de datos (vía Mendeley) y el código (vía GitHub) para permitir la investigación reproducible y el desarrollo posterior de arquitecturas híbridas de CNN-Transformer.

Los autores concluyen que, si bien los modelos de aprendizaje profundo pueden aprender eficazmente características discriminativas de los patrones de enfermedades, la diversidad del conjunto de datos es crucial para asegurar que estos modelos se generalicen a través de diferentes cultivos y órganos vegetales. Se propone como trabajo futuro expandir la cobertura de cultivos, incorporar anotaciones de grano fino para segmentación e integrar datos temporales y multiespectrales.