Interpretability in the Field of Plant Disease Detection: A Review

Revista Facultad de Ingeniería

View Publication Info
 
 
Field Value
 
Title Interpretability in the Field of Plant Disease Detection: A Review
Interpretabilidad en el campo de la detección de enfermedades en las plantas: Una revisión
 
Creator Leal-Lara, Daniel-David
Barón-Velandia, Julio
Rocha-Calderón, Camilo-Enrique
 
Subject Machine Learning
Classification
Early detection of diseases
Interpretability
Image processing
Aprendizaje Automático
Clasificación
Detección temprana de enfermedades
Interpretabilidad
Procesamiento de imágenes
 
Description The early detection of diseases in plants through artificial intelligence techniques has been a very important technological advance for agriculture since, through machine learning and optimization algorithms, it has been possible to increase the yield of various crops in several countries around the world. Different researchers have focused their efforts on developing models that allow supporting the task of detecting diseases in plants as a solution to the traditional techniques used by farmers. In this systematic literature review, an analysis of the most relevant articles is presented, in which image processing techniques and machine learning were used to detect diseases by means of images of the leaves of different crops. In turn, an analysis of the interpretability and precision of these methods is carried out, considering each phase of the image processing, segmentation, feature extraction and learning processes of each model. In this way, there is evidence of a void in the field of interpretability since the authors have focused mainly on obtaining good results in their models, beyond providing the user with a clear explanation of the characteristics of the model.
La detección temprana de enfermedades en las plantas mediante técnicas de inteligencia artificial, ha sido un avance tecnológico muy importante para la agricultura, ya que por medio del aprendizaje automático y algoritmos de optimización, se ha logrado incrementar el rendimiento de diversos cultivos en varios países alrededor del mundo. Distintos investigadores han enfocado sus esfuerzos en desarrollar modelos que permitan apoyar la tarea de detección de enfermedades en las plantas como solución a las técnicas tradicionales utilizadas por los agricultores. En esta revisión sistemática de literatura se presenta un análisis de los artículos más relevantes, en los que se usaron técnicas de procesamiento de imágenes y aprendizaje automático, para detectar enfermedades por medio de imágenes de las hojas de diferentes cultivos, y a su vez se lleva a cabo un análisis de interpretabilidad y precisión de estos métodos, teniendo en cuenta cada fase las fases de procesamiento de imágenes, segmentación, extracción de características y aprendizaje, de cada uno de los modelos. De esta manera se evidencia vacío en el campo de la interpretabilidad, ya que los autores se han enfocado principalmente en obtener buenos resultados en sus modelos, más allá de brindar al usuario una explicación clara de las características propias del modelo.
 
Publisher Universidad Pedagógica y Tecnológica de Colombia
 
Date 2021-11-27
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
 
Format application/pdf
 
Identifier https://revistas.uptc.edu.co/index.php/ingenieria/article/view/13495
10.19053/01211129.v30.n58.2021.13495
 
Source Revista Facultad de Ingeniería; Vol. 30 No. 58 (2021): October-December (Continuous Publication); e13495
Revista Facultad de Ingeniería; Vol. 30 Núm. 58 (2021): Octubre-Diciembre (Publicación Continua) ; e13495
2357-5328
0121-1129
 
Language eng
 
Relation https://revistas.uptc.edu.co/index.php/ingenieria/article/view/13495/11176
 
Rights Copyright (c) 2021 Daniel-David Leal-Lara, Julio Barón-Velandia, Camilo-Enrique Rocha-Calderón
http://creativecommons.org/licenses/by/4.0
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library