Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning

Autores
Berger, Javier; Preussler, César; Agostini, Juan Pedro
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Artificial vision systems allow automating tasks that require trained personnel to identify relevant characteristics of certain objects. This paper describes the development of a mobile application that uses deep learning techniques to identify symptoms of Huanglongbing and nutritional deficiencies in citrus tree leaves. The transfer learning models Inception and MobileNet using Tensorflow and Python were evaluated. A mobile application was created for Android that managed to correctly classify 89% of the sheet images of an evaluation set using the MobileNet model. The application generated will improve the identification of symptoms in leaves of citrus trees during monitoring in citrus plantations.
Los sistemas de visión artificial permiten automatizar tareas que requieren de personal entrenado para la identificación de características relevantes de determinados objetos. En este trabajo se describe el desarrollo de una aplicación móvil que utiliza técnicas de deep learning para identificar síntomas de Huanglongbing y carencias nutricionales en hojas de árboles cítricos. Se evaluaron los modelos de aprendizaje por trasferencia MobileNet e Inception utilizando Tensorflow y Python. Se generó una aplicación móvil para Android que logró clasificar correctamente el 89 % de las imágenes de hojas de un conjunto de evaluación utilizando el modelo MobileNet. La aplicación generada permitirá mejorar la identificación de síntomas en hojas de árboles cítricos durante los monitoreos realizados en plantaciones citrícolas.
Special Issue dedicated to JAIIO 2018.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Deep Learning
Transfer learning
Mobile Application
Huanglongbing
Citrus
Aprendizaje profundo
Aprendizaje por transferencia
Aplicaciones Móviles
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/135067
Acceder
id SEDICI_7514723225ec0b45aa642f9f8abf03a1
oai_identifier_str oai:sedici.unlp.edu.ar:10915/135067
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learningIdentification of Huanglongbing symptoms in citrus leaves by deep learning techniquesBerger, JavierPreussler, CésarAgostini, Juan PedroCiencias InformáticasDeep LearningTransfer learningMobile ApplicationHuanglongbingCitrusAprendizaje profundoAprendizaje por transferenciaAplicaciones MóvilesArtificial vision systems allow automating tasks that require trained personnel to identify relevant characteristics of certain objects. This paper describes the development of a mobile application that uses deep learning techniques to identify symptoms of Huanglongbing and nutritional deficiencies in citrus tree leaves. The transfer learning models Inception and MobileNet using Tensorflow and Python were evaluated. A mobile application was created for Android that managed to correctly classify 89% of the sheet images of an evaluation set using the MobileNet model. The application generated will improve the identification of symptoms in leaves of citrus trees during monitoring in citrus plantations.Los sistemas de visión artificial permiten automatizar tareas que requieren de personal entrenado para la identificación de características relevantes de determinados objetos. En este trabajo se describe el desarrollo de una aplicación móvil que utiliza técnicas de deep learning para identificar síntomas de Huanglongbing y carencias nutricionales en hojas de árboles cítricos. Se evaluaron los modelos de aprendizaje por trasferencia MobileNet e Inception utilizando Tensorflow y Python. Se generó una aplicación móvil para Android que logró clasificar correctamente el 89 % de las imágenes de hojas de un conjunto de evaluación utilizando el modelo MobileNet. La aplicación generada permitirá mejorar la identificación de síntomas en hojas de árboles cítricos durante los monitoreos realizados en plantaciones citrícolas.Special Issue dedicated to JAIIO 2018.Sociedad Argentina de Informática e Investigación Operativa2019-07-18info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf2-20http://sedici.unlp.edu.ar/handle/10915/135067spainfo:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/EJS/article/view/144info:eu-repo/semantics/altIdentifier/issn/1514-6774info:eu-repo/semantics/reference/hdl/10915/71000info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0/Creative Commons Attribution 4.0 International (CC BY 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T11:25:51Zoai:sedici.unlp.edu.ar:10915/135067Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 11:25:51.492SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
Identification of Huanglongbing symptoms in citrus leaves by deep learning techniques
title Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
spellingShingle Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
Berger, Javier
Ciencias Informáticas
Deep Learning
Transfer learning
Mobile Application
Huanglongbing
Citrus
Aprendizaje profundo
Aprendizaje por transferencia
Aplicaciones Móviles
title_short Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
title_full Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
title_fullStr Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
title_full_unstemmed Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
title_sort Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
dc.creator.none.fl_str_mv Berger, Javier
Preussler, César
Agostini, Juan Pedro
author Berger, Javier
author_facet Berger, Javier
Preussler, César
Agostini, Juan Pedro
author_role author
author2 Preussler, César
Agostini, Juan Pedro
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Deep Learning
Transfer learning
Mobile Application
Huanglongbing
Citrus
Aprendizaje profundo
Aprendizaje por transferencia
Aplicaciones Móviles
topic Ciencias Informáticas
Deep Learning
Transfer learning
Mobile Application
Huanglongbing
Citrus
Aprendizaje profundo
Aprendizaje por transferencia
Aplicaciones Móviles
dc.description.none.fl_txt_mv Artificial vision systems allow automating tasks that require trained personnel to identify relevant characteristics of certain objects. This paper describes the development of a mobile application that uses deep learning techniques to identify symptoms of Huanglongbing and nutritional deficiencies in citrus tree leaves. The transfer learning models Inception and MobileNet using Tensorflow and Python were evaluated. A mobile application was created for Android that managed to correctly classify 89% of the sheet images of an evaluation set using the MobileNet model. The application generated will improve the identification of symptoms in leaves of citrus trees during monitoring in citrus plantations.
Los sistemas de visión artificial permiten automatizar tareas que requieren de personal entrenado para la identificación de características relevantes de determinados objetos. En este trabajo se describe el desarrollo de una aplicación móvil que utiliza técnicas de deep learning para identificar síntomas de Huanglongbing y carencias nutricionales en hojas de árboles cítricos. Se evaluaron los modelos de aprendizaje por trasferencia MobileNet e Inception utilizando Tensorflow y Python. Se generó una aplicación móvil para Android que logró clasificar correctamente el 89 % de las imágenes de hojas de un conjunto de evaluación utilizando el modelo MobileNet. La aplicación generada permitirá mejorar la identificación de síntomas en hojas de árboles cítricos durante los monitoreos realizados en plantaciones citrícolas.
Special Issue dedicated to JAIIO 2018.
Sociedad Argentina de Informática e Investigación Operativa
description Artificial vision systems allow automating tasks that require trained personnel to identify relevant characteristics of certain objects. This paper describes the development of a mobile application that uses deep learning techniques to identify symptoms of Huanglongbing and nutritional deficiencies in citrus tree leaves. The transfer learning models Inception and MobileNet using Tensorflow and Python were evaluated. A mobile application was created for Android that managed to correctly classify 89% of the sheet images of an evaluation set using the MobileNet model. The application generated will improve the identification of symptoms in leaves of citrus trees during monitoring in citrus plantations.
publishDate 2019
dc.date.none.fl_str_mv 2019-07-18
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Articulo
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/135067
url http://sedici.unlp.edu.ar/handle/10915/135067
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/EJS/article/view/144
info:eu-repo/semantics/altIdentifier/issn/1514-6774
info:eu-repo/semantics/reference/hdl/10915/71000
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
dc.format.none.fl_str_mv application/pdf
2-20
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846064309431435264
score 13.22299

Publicaciones similares