Identificación de genotipos de batata mediante técnicas de aprendizaje profundo

VILANOVA PEREZ A.; BERGER, J.; DI FEO, L.; FLAMARIQUE, S.

Buenos Aires

Congreso; 12° Congreso Argentino de AgroInformática (CAI-2020). 49 Jornadas Argentinas de Agroinformática; 2020

SADIO

El cultivo de Ipomoea batatas (L.) Lam conocida regionalmente como batata se desarrolla en más de 100 países y alcanza una producción cercana a 104.453.966 t/año. Existe una gran variabilidad genética de la especie que se refleja en la varia-ción del sabor, tamaño, forma, peso y textura de la batata, como así también en las formas de las hojas de cada genotipo. Estas raíces poseen propiedades que la ha-cen excelente para el consumo humano, entre las que se destaca la fuente de caro-tenoide, vitamina C, potasio, hierro y calcio. La identificación de los genotipos de batata permite reconocer aquellas variedades que poseen características específi-cas, pero esta tarea requiere de personas con entrenamiento visual suficiente. Por esta razón, en este trabajo se desarrolla un modelo basado en técnicas de aprendi-zaje profundo como herramienta de apoyo para la identificación de cuatro genoti-pos de batata: Arapey INIA, Beauregard, Boni INTA y Morada INTA mediante el uso de fotografías de las hojas de los mismos. Se utilizó la técnica de aprendi-zaje por transferencia con el modelo MobileNet v2, ejecutado en el entorno de desarrollo Google Colaboratory mediante la librería de código abierto Ten-sorflow. Durante el entrenamiento se obtuvo 93,33 % de clasificaciones correctas y con un conjunto de evaluación se obtuvo 92,5 % de aciertos.