Detección automatizada de florescencia en piña (Ananas comosus) mediante la combinación de aprendizaje profundo y tecnología de drones

Abstract

La detección precisa de la floración en cultivos de piña es esencial para la planificación de la cosecha y la gestión agrícola. Esta investigación tiene como objetivo implementar un sistema automatizado de detección de floración de piña utilizando drones y redes neuronales profundas, optimizando el monitoreo de cultivos y aumentando la eficiencia en su gestión. Se realizó el vuelo en la localidad de Juan Rodríguez Clara, Veracruz sobre un campo de piña en etapa de floración, utilizando un dron Mavic 3 RGB con una resolución espacial (GSD) de 0.25 cm/píxel. Se obtuvieron ortomosaicos a partir de los cuales se desarrolló una base de datos compuesta por más de 6,000 imágenes y 500,000 etiquetas de floración clasificadas en diversas condiciones lumínicas y climáticas, con el fin de evaluar la robustez de los algoritmos. Para el análisis de las imágenes, se implementó el modelo YOLOv11, que alcanzó una mAP@0.5 de 97.0% y una mAP@0.5:0.95 de 80.47%, con un nivel de confianza de 0.25, lo que indica un rendimiento alto en la detección de flores de piña. Se ajustaron parámetros clave como la tasa de aprendizaje inicial (0.001), el tamaño de lote (16) y el peso de la penalización por regularización (0.0005) para maximizar la precisión y la robustez del modelo. Se evaluaron los rendimientos del modelo YOLOv11 utilizando métricas clave como la precisión y el recall, que alcanzaron valores de 95.1% y 93.4%, respectivamente. El modelo se probó con diferentes umbrales de IoU (Intersección sobre Unión), siendo el óptimo 0.45, y en intervalos de confianza, lo que permitió refinar la capacidad de identificación del modelo en condiciones reales de campo. Los resultados muestran que la combinación de tecnología de drones y algoritmos de aprendizaje profundo, con el modelo YOLOv11 implementado, permite detectar y contar de manera automatizada la floración en piña con una alta precisión, proporcionando información valiosa para la planificación de la cosecha y la toma de decisiones agrícolas.