Técnicas de aprendizaje supervisado para la detección y clasificación de enfermedades y defectos en imágenes de frutas: revisión

La Inteligencia Artificial es un campo de estudio que ha adquirido mucha popularidad hoy en día, producto a sus numerosas aplicaciones. Entre sus ramas se halla el aprendizaje automático o Machine Learning (ML), el cual se centra en inferir conocimientos mediante la aplicación de técnicas que permiten la extracción de información, a través de reconocimiento de patrones. Dentro del mismo se encuentra el Aprendizaje Supervisado, el cual permite realizar deducciones a partir de datos de entrenamiento. De ahí que ML, resulta aplicable en varias áreas de la investigación tales como: el reconocimiento de imágenes. Dicha área está siendo muy utilizada hoy en día en diversos sectores e industrias, tal es el caso de la Agricultura. En este sector la fruticultura ha adquirido una relevancia significativa para la economía de cualquier país. Cuba apuesta cada vez más al posicionamiento de sus productos en el mercado internacional. Teniendo en cuenta la gran demanda de frutas tales como: la fruta bomba y la guayaba, es necesario que estas estén bajo los estándares de calidad requeridos. Por lo que, la estrategia a seguir ha sido vincular la Inteligencia Artificial a los procesos que se llevan a cabo, en aras de disminuir el error humano. Para ello se realizó una revisión de las técnicas existentes más utilizadas en la detección y clasificación de enfermedades y defectos en diversas imágenes, con el fin de obtener un enfoque factible.