Artificial intelligence and non-invasive sensing technologies for early detection of downy mildew in grapevine

Las enfermedades y plagas en cultivos agrícolas representan un grave problema en todo el mundo, repercutiendo gravemente en la calidad y rendimiento de los cultivos. Entre ellas, el mildiu es una enfermedad especialmente devastadora de la vid. La detección precoz es crucial para intervenir a tiempo, evitando la propagación de la enfermedad y reduciendo los tratamientos químicos. La evaluación tradicional depende de expertos, lo que puede resultar laborioso, subjetivo y lento. La integración de la inteligencia artificial en las prácticas agrícolas presenta una solución prometedora para la gestión de enfermedades, facilitando la automatización de la evaluación cualitativa y cuantitativa de las enfermedades. El objetivo principal de la tesis doctoral era desarrollar nuevos métodos basados en inteligencia artificial y visión artificial para la evaluación temprana del mildiu de la vid utilizando sensores no invasivos en condiciones de laboratorio y de campo. En concreto, se propusieron los siguientes objetivos: i) la exploración de la inteligencia artificial y tecnologías no invasivas para evaluar el mildiu en condiciones de laboratorio; ii) el desarrollo y validación de un método para estimar la severidad de mildiu en condiciones de laboratorio combinando lógica difusa y visión artificial; iii) el uso de redes neuronales convolucionales e inteligencia artificial explicable para la detección temprana de mildiu en condiciones de laboratorio; iv); la detección y localización de mildiu en campo aplicando aprendizaje profundo explicable; y v) el uso de segmentación semántica profunda para evaluar la severidad de mildiu en imágenes tomadas en viñedos comerciales. Para el primer objetivo, se utilizó inteligencia artificial para analizar imágenes RGB e hiperespectrales de discos foliares de vid. Se utilizó preprocesamiento espectral, visión artificial y aprendizaje automático para identificar la infección de mildiu en imágenes hiperespectrales. Al mismo tiempo, se utilizó visión artificial clásica para localizar los síntomas en imágenes RGB. Los resultados demostraron el potencial de la inteligencia artificial y las tecnologías no invasivas para detectar precozmente el mildiu y estimar su severidad de forma precisa y objetiva. Para el segundo objetivo, se utilizó la visión artificial clásica para localizar los síntomas de mildiu en imágenes RGB de discos foliares de vid. A continuación, se utilizó la lógica difusa para evaluar los píxeles detectados como síntomas con un grado de infección en función de su intensidad. Los resultados demostraron que la visión artificial y la lógica difusa pueden estimar automáticamente y con precisión la severidad de mildiu de la vid en condiciones de laboratorio. Para el tercer objetivo, se aplicaron redes neuronales convolucionales para detectar precozmente el mildiu y clasificar las fases de la enfermedad en imágenes RGB de discos foliares de vid. Además, se utilizó Grad-CAM para interpretar las predicciones del modelo. Los resultados resaltaron la precisión de la detección precoz del mildiu de la vid en condiciones de laboratorio utilizando técnicas de bajo coste. Para el cuarto objetivo, se utilizó una ventana deslizante para analizar el dosel de la vid en imágenes tomadas considerando la variabilidad de las condiciones de campo. Las redes neuronales convolucionales y los transformadores de visión utilizaron el aprendizaje por transferencia para detectar regiones con mildiu en el dosel. Las predicciones se interpretaron con métodos de inteligencia artificial explicable. Los resultados remarcaron el uso de redes neuronales convolucionales para la detección y localización automática y explicable del mildiu de la vid en condiciones de campo. Por último, se compararon diferentes arquitecturas de segmentación \linebreak semántica para detectar síntomas de mildiu en imágenes del dosel de la vid. Los problemas de desequilibrio debidos al pequeño tamaño de los síntomas se redujeron con técnicas de aumento de datos, MixUp, sobremuestreo y submuestreo. Las redes neuronales entrenadas con codificadores ligeros y utilizando la función de pérdida Dice permitieron una evaluación precisa y rápida de la severidad de mildiu en la vid en condiciones de campo. Los resultados de la investigación presentada en esta tesis doctoral demostraron la capacidad de la inteligencia artificial y la visión artificial para la evaluación temprana objetiva, rápida y precisa del mildiu de la vid tanto en condiciones de laboratorio como de campo. La potencial adaptabilidad de estos métodos a otros cultivos, enfermedades y plagas ofrece importantes avances en la agricultura de precisión. Además, la integración de estos métodos en plataformas móviles, como tractores, permitiría mejorar la gestión de enfermedades en grandes extensiones de cultivo, optimizando el seguimiento y la intervención directamente en el campo.

Grantor dc:publisher

Universidad de La Rioja (España)

Year dc:date

2025

Author dc:creator

• Hernández Casado, Inés

Contributors dc:contributor

• Tardáguila Laso, Javier (Universidad de La Rioja)
• Gutiérrez Salcedo, Salvador (Universidad de La Rioja)
• San Juan Díaz, Juan Félix (Universidad de La Rioja)

Statement dc:rights

• LICENCIA DE USO: Los documentos a texto completo incluidos en Dialnet son de acceso libre y propiedad de sus autores y/o editores. Por tanto, cualquier acto de reproducción, distribución, comunicación pública y/o transformación total o parcial requiere el consentimiento expreso y escrito de aquéllos. Cualquier enlace al texto completo de estos documentos deberá hacerse a través de la URL oficial de éstos en Dialnet. Más información: https://dialnet.unirioja.es/info/derechosOAI | INTELLECTUAL PROPERTY RIGHTS STATEMENT: Full text documents hosted by Dialnet are protected by copyright and/or related rights. This digital object is accessible without charge, but its use is subject to the licensing conditions set by its authors or editors. Unless expressly stated otherwise in the licensing conditions, you are free to linking, browsing, printing and making a copy for your own personal purposes. All other acts of reproduction and communication to the public are subject to the licensing conditions expressed by editors and authors and require consent from them. Any link to this document should be made using its official URL in Dialnet. More info: https://dialnet.unirioja.es/info/derechosOAI

Language dc:language

eng

Repository record dc:identifier

https://dialnet.unirioja.es/servlet/oaites?codigo=373744

OAI identifier oai:identifier

oai:dialnet.unirioja.es:TES0000023179