DETECCIÓN DE PARATRIOZA EN PAPA USANDO IMÁGENES TOMADAS POR DRONES Y APRENDIZAJE PROFUNDO

Resumen

La teledetección mediante sensores remotos montados en drones facilita la detección de plagas y enfermedades en cultivos; por ejemplo, las imágenes en color verdadero (RGB) y multiespectrales (ME) pueden emplearse para generar índices de vegetación que indican estados particulares de la salud de las plantas. Este estudio tuvo como objetivo evaluar el potencial de las imágenes RGB y ME, capturadas por drones a una altura de 20 m, para detectar la presencia de Bactericera cockerelli en un cultivo de papa (Solanum tuberosum) variedad Fianna. El día previo a la captura de las imágenes se realizó un muestreo visual en el cultivo para localizar y marcar 50 tallos, cuyas hojas presentaban ninfas o huevos de B. cockerelli y 50 tallos con hojas libres de la plaga. Se generaron ortomosaicos utilizando el software Pix4D y se rectificaron en QGIS. A partir de estos ortomosaicos, se calcularon tres índices de vegetación derivados del sensor RGB (ExG, GLI y VIgreen) y dos del sensor ME (NDVI y NDRE). Posteriormente, las plantas marcadas fueron identificadas en los ortomosaicos y se extrajeron cuatro categorías de píxeles: plantas con B. cockerelli, plantas sin B. cockerelli, suelo y sombra. Las imágenes fueron procesadas utilizando Python y la librería Keras dentro de una red neuronal de Perceptrón Multicapa (MLP). El desempeño del modelo se evaluó mediante el coeficiente de correlación de Matthews (MCC), obteniendo un valor de 0.60 para las bandas del sensor ME y los índices NDVI y NDRE. Este resultado evidencia una capacidad de discriminación moderada, adecuada para apoyar la detección y el monitoreo de B. cockerelli en campo, aunque sugiere la necesidad de mejoras adicionales para optimizar la detección temprana y el control oportuno.