Modelo híbrido de aprendizaje profundo para la detección de la enfermedad de la roya amarilla del trigo

En muchas regiones del mundo, las pérdidas de calidad y rendimiento del trigo han aumentado debido a las enfermedades de la roya del trigo. La identificación de la enfermedad de la roya amarilla junto con el porcentaje de tejidos dañados por la enfermedad de la roya en términos de niveles de gravedad es muy importante y normalmente se consigue mediante evaluadores experimentados o técnicas de visión por ordenador. Con la ayuda de las técnicas de visión por ordenador, el coste y el tiempo deben minimizarse. Este estudio presenta un modelo de clasificación para la roya amarilla del trigo con diferentes niveles de gravedad de la enfermedad. Se logra a través de STARGAN y la red neuronal convolucional (CNN). El STARGAN se propone en este estudio para el aumento de datos. Después de realizar varios experimentos con parámetros como diferentes épocas, tamaños de lote, tasa de aprendizaje y tasa de abandono, este estudio logra un 94,07% de precisión en la clasificación de la roya amarilla del trigo de la planta normal. Durante la medición de la gravedad, la CNN logró una precisión de validación del 94,3% de la roya amarilla del trigo en el nivel de gravedad alto.