17 de noviembre de 2026
Detección y Diagnóstico de Enfermedades en Maíz y Arroz en Mozambique con Deep Learning
Tomane Mateus Tomane; Ricardo Janes
DOI: 10.22167/2675-6528-202603948
Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.
Resumen
La agricultura mozambiqueña depende del maíz y el arroz, cultivos fundamentales para la seguridad alimentaria, pero su productividad se ve fuertemente afectada por enfermedades fitosanitarias, cuya identificación temprana y precisa sigue siendo un desafío en contextos de recursos limitados. El estudio tuvo como objetivo desarrollar y comparar modelos basados en Deep Learning para la detección y el diagnóstico automático de enfermedades en hojas de maíz y arroz en Mozambique. Se utilizaron tres enfoques: una Red Neuronal Convolucional (CNN) clásica desarrollada desde cero, y dos modelos de transfer learning, ResNet50 y MobileNetV2. El conjunto de datos se compuso de imágenes de bases públicas y recolectadas en campo, que pasaron por etapas de limpieza, balanceo y aumento artificial. Los modelos fueron entrenados y evaluados con métricas de desempeño estándar, incluyendo precisión, exactitud, recall, F1-score, Log Loss y Kappa de Cohen. La CNN clásica presentó el mejor desempeño global, con 94% de precisión, recall y F1-score, y 93% de exactitud y Kappa de Cohen. La MobileNetV2 alcanzó 91% de F1-score y 90% de exactitud, destacándose por el menor Log Loss (0,30) y tiempo de entrenamiento (6h32min59s). La ResNet50 alcanzó 80% de F1-score y 79% de exactitud. Se concluyó que las técnicas de Deep Learning poseen un elevado potencial para apoyar el diagnóstico fitopatológico en contextos agrícolas reales, contribuyendo a decisiones más rápidas y precisas en el manejo de enfermedades en maíz y arroz.
Palabras clave: Aprendizaje profundo; Arroz; Enfermedades en plantas; Maíz; Visión computacional.
1. Introducción
La agricultura constituye uno de los pilares principales de la economía mozambiqueña, siendo la principal fuente de sustento para el 70% de la población rural (Abbas, 2024; Inclusive Growth in Mozambique, 2020). En este contexto, cultivos como el maíz y el arroz son esenciales para la seguridad alimentaria y la estabilidad económica del país (Nova & Teixeira, 2025). El desarrollo económico de una nación está intrínsecamente ligado al desempeño agrícola, que provee alimentos, materias primas y medios de subsistencia para millones de familias a nivel mundial (Gollin, 2010).
Sin embargo, la productividad de estos cultivos se ve fuertemente afectada por enfermedades fitosanitarias. La identificación temprana y precisa de estas enfermedades sigue siendo un desafío significativo, especialmente en contextos con recursos limitados. Se estima que las pérdidas de productividad ocasionadas por enfermedades pueden superar el 40% en regiones en desarrollo, como Mozambique, donde las opciones de control son limitadas (Ristaino et al., 2021; Savary et al., 2019). La identificación tradicional, realizada por técnicos especializados, puede ser subjetiva, lenta y resultar en diagnósticos imprecisos, retrasando intervenciones adecuadas y aumentando el uso incorrecto de pesticidas, con impactos ambientales y económicos negativos (Bartoli & Roux, 2017; Sankaran et al., 2010; Santos & Santos, 2023; Silva & Kramer, 2023).
Con el avance de las tecnologías digitales en las últimas décadas, surgen nuevas posibilidades para enfrentar estos desafíos. La inteligencia artificial (IA), y en particular las técnicas de Deep Learning, se han destacado como herramientas prometedoras en el reconocimiento automático de patrones visuales complejos. Las Redes Neuronales Convolucionales (CNNs), uno de los modelos más utilizados, ya han demostrado una alta precisión en la clasificación de imágenes de hojas enfermas en bases de datos (Ferentinos, 2018; Sugriv Waghmare et al., 2025). El Deep Learning, una rama del Machine Learning, se fundamenta en redes neuronales artificiales capaces de aprender patrones complejos de datos a través de múltiples capas ocultas, impactando directamente áreas como el procesamiento de imágenes (Ganaie et al., 2022; Colombo & Ritchie, 2024).
A partir de las CNN clásicas, se han desarrollado arquitecturas más profundas y especializadas para mejorar el rendimiento y la eficiencia computacional. Entre ellas, destaca la ResNet50, una red residual profunda de 50 capas, que utiliza conexiones de salto (skip connections) para facilitar el entrenamiento de redes muy profundas y aumentar la precisión en la clasificación de imágenes. Esta arquitectura se ha aplicado ampliamente en la detección y clasificación de enfermedades en plantas, presentando resultados robustos (He et al., 2015; Islam et al., 2023; Nwaneto et al., 2024). Otra arquitectura relevante es la MobileNetV2, diseñada con un enfoque en la eficiencia computacional y el bajo consumo de recursos. La MobileNetV2 se basa en convoluciones separables en profundidad (depthwise separable convolutions) y bloques residuales invertidos, permitiendo un buen rendimiento incluso en dispositivos con capacidad limitada y extrayendo automáticamente características útiles de grandes volúmenes de datos (Sandler et al., 2019; Yu & Wang, 2024).
A pesar de los resultados prometedores, el Deep Learning todavía enfrenta diversos desafíos en la identificación de enfermedades en hojas de plantas (Zhan et al., 2025). Uno de los principales problemas es cómo mejorar la capacidad de generalización del modelo para diferentes contextos y tipos de enfermedades, adaptándolo de forma eficaz a las condiciones reales de aplicación. En la detección de enfermedades en hojas, los modelos de Deep Learning frecuentemente sufren de datos desbalanceados y etiquetado incorrecto, lo que compromete la confiabilidad y la estabilidad del sistema. Además, es necesario desarrollar modelos que equilibren precisión y consumo de recursos computacionales, posibilitando que la identificación de enfermedades se realice de forma eficiente en dispositivos con capacidad limitada, garantizando accesibilidad a los agricultores en el campo.
Dada la importancia de la agricultura en Mozambique, los desafíos en la detección de enfermedades fitosanitarias y el potencial de las técnicas de Deep Learning para ofrecer soluciones más rápidas y precisas en el manejo de enfermedades en maíz y arroz, este estudio se justifica por la necesidad de desarrollar y comparar modelos adaptados al contexto local. En este contexto, el presente trabajo tuvo como objetivo comparar tres técnicas basadas en diferentes arquitecturas de Deep Learning (Redes Neuronales Convolucionales Artificiales, ResNet50 y MobileNetV2) para la detección y el diagnóstico inteligente de enfermedades en los cultivos de maíz y arroz, considerando el contexto sociocultural y agroecológico de Mozambique.
2. Material y Métodos
El estudio se caracterizó como una investigación aplicada, de enfoque cuantitativo, con el objetivo de desarrollar y comparar modelos de Deep Learning para la detección y el diagnóstico automático de enfermedades en hojas de maíz y arroz. La investigación se llevó a cabo en el contexto agrícola de Mozambique, con recolección de datos de campo en la ciudad de Beira, complementada por bases de datos públicas.
La unidad de análisis consistió en imágenes de hojas de maíz y arroz, incluyendo muestras sanas e infectadas. El conjunto de datos se compiló a partir de repositorios públicos como Kaggle, OPIA (Open Plant Image Archive), PlantVillage, Makerere University Maize Image Dataset y University of Pretoria. Adicionalmente, se recolectaron imágenes directamente en campos agrícolas en Beira, Mozambique, utilizando un teléfono celular Samsung S22 Ultra. La base de datos inicial totalizó 68950 imágenes crudas, categorizadas en 14 clases. Se eliminaron imágenes duplicadas utilizando el hash perceptual (pHash).
El conjunto de datos se dividió en 70% para entrenamiento, 15% para validación y 15% para prueba. Para mitigar el desequilibrio entre clases y aumentar la robustez de los modelos, se aplicó “data augmentation” exclusivamente al conjunto de entrenamiento. Las transformaciones incluyeron rotaciones, volteo horizontal y vertical, zoom, variaciones geométricas y adición de ruido controlado. Después de la ampliación, el conjunto de entrenamiento totalizó 70118 imágenes. Todas las imágenes se redimensionaron a 160 × 160 píxeles y se sometieron a normalización y ajustes internos con Keras y TensorFlow.
El estudio desarrolló y evaluó tres modelos de aprendizaje profundo: una Red Neuronal Convolucional (CNN) clásica, ResNet50 y MobileNetV2. La CNN clásica sirvió como línea de base. Durante el entrenamiento de las arquitecturas, se aplicaron técnicas como dropout, “early stopping” y ajuste de tasa de aprendizaje para optimizar la generalización de los modelos y evitar el sobreajuste. Los experimentos se realizaron en un ordenador personal con procesador AMD Ryzen 7 7730U (2.00 GHz), 16 GB de RAM y sistema operativo de 64 bits, utilizando Python 3.12.7 y Jupyter Notebook 7.2.2 con bibliotecas como TensorFlow/Keras, NumPy, Pandas, Matplotlib y Scikit-learn.
La CNN clásica se compuso de cinco bloques convolucionales secuenciales, totalizando diez capas Conv2D con Max Pooling, utilizando la función de activación ReLU. El número de filtros aumentó de 32 a 512 en los bloques. Las características extraídas se enviaron a capas totalmente conectadas. Se aplicó “dropout” del 40% y la capa de salida utilizó softmax para 14 clases. El modelo se entrenó hasta por 20 épocas con el optimizador Adam (“learning rate” 0,0001) y “early stopping” con una paciencia de cinco épocas.
Se utilizó ResNet50 con “transfer learning” a partir de pesos preentrenados en ImageNet, adaptada a 14 clases. Con 50 capas y bloques residuales con “skip connections”, el modelo aplicó convolución, “batch normalization” y ReLU. La arquitectura final incluyó GlobalAveragePooling2D, una capa densa de 256 neuronas con ReLU, “dropout” del 40% y salida softmax. El entrenamiento utilizó Adam (“learning rate” 0,0001), “early stopping” y ajuste automático de la tasa de aprendizaje, con pesos iniciales congelados y refinados vía “fine-tuning”.
MobileNetV2 se implementó con “transfer learning” a partir de pesos preentrenados en ImageNet, eliminando la capa de clasificación original. La base convolucional está formada por bloques residuales invertidos con convoluciones separables en profundidad. Se aplicó “Global Average Pooling”, “batch normalization”, una capa densa de 256 neuronas con ReLU, “dropout” del 50% y una capa de salida softmax para 14 clases. El entrenamiento se realizó en dos fases: entrenamiento del clasificador y “fine-tuning” de las últimas 40 capas de la base convolucional, utilizando Adam con tasa de aprendizaje reducida, “early stopping” y ajuste automático de la tasa de aprendizaje.
Para la evaluación del rendimiento de los modelos, se utilizaron métricas estándar en clasificación multiclase: accuracy, precisión, recall y F1-score. La confianza de las probabilidades estimadas fue evaluada por el Log Loss. La capacidad de separación del modelo entre clases fue medida por la curva ROC multiclase y por el Área Bajo la Curva (AUC). El índice de concordancia Kappa de Cohen se incluyó para corregir efectos de azar en datos desbalanceados. El tiempo total de entrenamiento se registró para comparar la eficiencia computacional.
3. Resultados y Discusión
Los resultados obtenidos en este estudio proporcionan un análisis comparativo detallado del rendimiento de tres arquitecturas de Deep Learning – la Red Neuronal Convolucional (CNN) clásica, la ResNet50 con fine-tuning y la MobileNetV2 – en la detección y diagnóstico de enfermedades en hojas de maíz y arroz en Mozambique. El objetivo central fue evaluar la eficacia, robustez y viabilidad práctica de estos modelos en un contexto agrícola real, caracterizado por desafíos como la variabilidad de las imágenes y la necesidad de eficiencia computacional. Los hallazgos demuestran el potencial significativo de las técnicas de aprendizaje profundo para mejorar el manejo fitosanitario. La evaluación se realizó con base en métricas de rendimiento estándar, incluyendo precisión (accuracy), precisión (precision), exhaustividad (recall), F1-score, Log Loss y Kappa de Cohen, además del tiempo de entrenamiento.
Precisión y Pérdida
El análisis de las curvas de precisión y pérdida (loss) fue fundamental para comprender el proceso de aprendizaje de los modelos e identificar la ocurrencia de sobreajuste o subajuste. Para la CNN clásica, se observó un comportamiento consistente y estable en las curvas de precisión del conjunto de entrenamiento, con un crecimiento continuo y suave a lo largo de las épocas, culminando en una precisión media general del 97,7%. Este patrón indica que el modelo logró aprender eficazmente los patrones visuales asociados a las enfermedades foliares, como se esperaba para arquitecturas convolucionales profundas (Lecun et al., 2015). Sin embargo, en el conjunto de validación, la precisión presentó variaciones, con una media del 91,3%, lo que sugiere cierta sensibilidad a la variabilidad de las muestras no vistas, un escenario común en conjuntos de datos agrícolas reales (Qin et al., 2025; Sultan et al., 2022a).
La curva de pérdida de entrenamiento de la CNN clásica disminuyó sustancialmente, partiendo de valores altos en la primera época y alcanzando niveles bajos en la decimotercera época, momento en el que el criterio de “early stopping” se activó automáticamente. La pérdida media de entrenamiento fue del 6,7%, mientras que en el conjunto de validación la reducción fue menos continua, con una media del 33,6%. Este comportamiento, caracterizado por una caída rápida en la pérdida de entrenamiento y oscilación en la validación, es consistente con informes en estudios de detección de enfermedades foliares con CNNs clásicas, atribuido a la mayor heterogeneidad de las imágenes de validación (Ferentinos, 2018a; Sultan et al., 2022b). Esto resalta la importancia de datos de validación representativos y diversificados para evaluar la generalización del modelo.
En la fase inicial de entrenamiento de ResNet50, sin la aplicación de ajuste fino, el rendimiento fue insatisfactorio, con una precisión media de entrenamiento de aproximadamente 44% y pérdidas elevadas tanto en el entrenamiento como en la validación. Este resultado corrobora hallazgos de Hossen et al. (2025), que indican que arquitecturas profundas como ResNet pueden tener dificultades de convergencia cuando se aplican directamente a conjuntos de datos agrícolas sin adaptación previa, debido a la diferencia de dominio entre ImageNet y las imágenes de plantas. Además, la diferencia de resolución de las imágenes (ResNet50 diseñada para 224×224 píxeles y el conjunto de datos redimensionado a 160×160) y el número limitado de muestras por clase pueden haber contribuido a esta limitación de rendimiento (Hossen et al., 2025).
Las elevadas curvas de pérdida observadas en la fase inicial de ResNet50 sugieren que el modelo no logró ajustar adecuadamente sus pesos para representar las características relevantes de las enfermedades foliares. Shafiq y Gu (2022) afirman que las redes residuales profundas pueden presentar un rendimiento inferior con un volumen de datos limitado o una alta similitud visual entre clases. Sin embargo, con la introducción del fine-tuning, que descongeló las capas profundas de ResNet50, hubo una mejora significativa. La precisión media de entrenamiento aumentó al 79%, y la de validación a cerca del 73%. La pérdida en el entrenamiento se redujo de 2,13 a 0,52, y en el conjunto de validación, de 1,74 a 0,91. Esta mejora es consistente con estudios que demuestran la especialización de los filtros convolucionales para el nuevo dominio a través del ajuste fino (Vakli et al., 2018; Yosinski et al., 2014).
A pesar de la mejora con el ajuste fino, la ResNet50 continuó presentando curvas de pérdida relativamente altas, lo que puede atribuirse a la excesiva complejidad de la arquitectura de 50 capas para el contexto específico del estudio. Liakos et al. (2018) observan que, en aplicaciones agrícolas, las arquitecturas muy profundas no siempre resultan en un mejor rendimiento práctico, especialmente cuando la variabilidad intra-clase es alta. Esto indica que, aunque el ajuste fino adaptó el modelo, la profundidad inherente de la ResNet50 puede haber sido un factor limitante para la optimización completa en un conjunto de datos con características tan específicas y variadas.
MobileNetV2 demostró el mejor equilibrio entre rendimiento y estabilidad, con una precisión media del 90,2% en el entrenamiento y valores muy cercanos en la validación, lo que indica una baja discrepancia entre los conjuntos. Este equilibrio es el resultado de su arquitectura optimizada, que combina la eficiencia computacional con la capacidad de extracción de características relevantes, minimizando el riesgo de sobreajuste en comparación con modelos más complejos. Este comportamiento se ve corroborado por estudios dirigidos a aplicaciones en tiempo real y entornos con recursos computacionales limitados (Sandler et al., 2019; Xu et al., 2025). La pérdida media general de 0,305, junto con la estabilidad de las curvas, sugiere un aprendizaje representacional robusto y discriminatorio sin sobreajuste.
Estudios como el de Zhang et al. (2023) observaron un comportamiento similar al aplicar MobileNetV2 en la detección de enfermedades del arroz en entornos de campo, destacando la eficacia de la arquitectura en la extracción de características relevantes, incluso con ruido visual significativo. Mohanty et al. (2016a) refuerzan que los modelos con curvas de pérdida estables y precisión consistente tienden a ofrecer mayor fiabilidad en aplicaciones móviles o web, reduciendo el riesgo de clasificaciones erróneas en condiciones no controladas. MobileNetV2, por lo tanto, se mostró prometedora para escenarios donde la eficiencia y la robustez son cruciales, como en el contexto agrícola mozambiqueño.
Resumen de Métricas de Desempeño de los Modelos
La comparación de las métricas de rendimiento globales reveló diferencias claras entre los tres modelos. La CNN clásica obtuvo el mejor rendimiento general, con una media de F1-score de 94%, precisión de 93% y Kappa de Cohen de 93%. Estos valores indican una alta consistencia y fiabilidad en la clasificación de las enfermedades foliares de maíz y arroz, lo que sugiere que la arquitectura, a pesar de su relativa simplicidad, logró extraer patrones discriminatorios relevantes del conjunto de datos. El Log Loss para la CNN clásica fue de 0,34, un valor que, aunque no es el más bajo, demuestra buena confianza en las predicciones probabilísticas del modelo.
MobileNetV2 presentó un rendimiento competitivo, con una F1-score media del 91%, una precisión del 90% y un Kappa de Cohen del 89%. Destacó por el menor Log Loss (0,30), lo que indica predicciones probabilísticas más fiables y calibradas, y por el menor tiempo de entrenamiento, de 6 horas, 32 minutos y 59 segundos. Esta eficiencia computacional, unida al buen rendimiento, hace que MobileNetV2 sea particularmente adecuada para aplicaciones en entornos con recursos limitados, como dispositivos móviles en el campo (Sandler et al., 2019; Xu et al., 2025). Su estabilidad es un factor crucial para la adopción a gran escala.
En contraste, la ResNet50, incluso después de la aplicación del fine-tuning, presentó el rendimiento más bajo entre los modelos evaluados, con F1-score promedio de 80%, precisión de 79% y Kappa de Cohen de 87%. El Log Loss para este modelo fue de 0,97, el más elevado, indicando menor confianza en sus predicciones. El tiempo de entrenamiento de la ResNet50 fue de 13 horas, 35 minutos y 18 segundos, intermedio entre los otros modelos. Estos resultados sugieren que la profundidad de la arquitectura de la ResNet50 pudo haber sido excesiva o de difícil adaptación para las características específicas del conjunto de datos de enfermedades foliares, especialmente en clases con síntomas visuales muy similares.
A nivel de las clases específicas, se observó que enfermedades con patrones visuales más distintivos, como la Roya común del maíz, el Tungro del arroz y la Piricularia de la vaina, presentaron altos valores de precisión y recall en todos los modelos. La Roya común del maíz, por ejemplo, alcanzó un F1-score de 0,97 en la CNN clásica, 0,95 en la ResNet50 y 0,98 en la MobileNetV2. De manera similar, el Tungro del arroz obtuvo 1,00 en la CNN clásica, 0,91 en la ResNet50 y 0,99 en la MobileNetV2. Estos resultados indican la alta eficacia de los modelos en la identificación de enfermedades con características visuales bien definidas.
Por otro lado, enfermedades con síntomas más difusos o similares, como la Mancha Parda, el Brusone y la Marchitez bacteriana, exhibieron mayor variabilidad en el rendimiento entre las arquitecturas. Esta variabilidad refuerza la importancia de desarrollar modelos robustos y bien regularizados para lidiar con la complejidad visual de estas patologías, donde la distinción puede ser más desafiante. La necesidad de modelos adaptables a estos matices es crucial para garantizar diagnósticos precisos en un espectro amplio de condiciones fitosanitarias, especialmente en entornos de campo donde la claridad de los síntomas puede verse comprometida por factores externos.
Matriz de Confusión
El análisis de las matrices de confusión complementó la evaluación de las métricas, proporcionando una visión granular de los errores y aciertos de cada modelo. En la CNN clásica, aunque la mayoría de las clases se predijeron correctamente, con valores elevados en la diagonal principal, las clases con síntomas visuales similares, como Mancha gris y Quemadura o Mancha, presentaron mayores tasas de confusión. Esto indica limitaciones en la discriminación de características sutiles, un hallazgo consistente con las observaciones de Kalpathy-Cramer et al. (2021), quienes utilizan matrices de confusión para identificar las clases de mayor dificultad y ajustar estrategias de entrenamiento y balanceo de datos. La capacidad de distinguir entre matices visuales es un desafío persistente.
La ResNet50, sin la aplicación de fine-tuning, demostró una elevada confusión entre clases con síntomas visuales similares, particularmente entre enfermedades foliares del arroz, como Piricularia, Mancha Parda y Quemadura foliar. Esto refleja las limitaciones de la transferencia directa de características genéricas aprendidas en ImageNet a patrones fitopatológicos específicos (Ferentinos, 2018b). A pesar de un buen desempeño en enfermedades del maíz con síntomas más contrastantes, la dispersión de los errores indicó una sensibilidad reducida a variaciones sutiles de textura y coloración, un fenómeno común en aplicaciones agrícolas de redes profundas no especializadas. La adaptación del modelo al dominio específico es, por lo tanto, esencial.
Con la aplicación del fine-tuning, la ResNet50 presentó una mejora sustancial en la concentración de los valores a lo largo de la diagonal principal de la matriz de confusión, reduciendo las confusiones intra-culturales y aumentando la capacidad de reconocimiento correcto en clases críticas, como Tungro del arroz y Virus de la raya del maíz. Sin embargo, persistieron algunas ambigüedades entre enfermedades con manifestaciones visuales cercanas. Esto sugiere que, si bien el fine-tuning refina el espacio de características, su eficacia es limitada cuando hay una fuerte superposición morfológica entre clases. Resultados similares fueron reportados por Too et al. (2019), quienes observaron ganancias consistentes con fine-tuning, pero con rendimientos decrecientes en escenarios de alta similitud visual entre enfermedades.
MobileNetV2, por su parte, presentó una matriz de confusión razonablemente estable y limpia, con buena tasa de aciertos en la diagonal y mínima dispersión de errores entre clases, tanto para arroz como para maíz. El modelo demostró una notable capacidad de distinción entre enfermedades visualmente cercanas, además de una buena separación entre hojas sanas y enfermas. Estudios confirman que arquitecturas ligeras, como MobileNetV2, logran mantener un alto rendimiento con menor costo computacional, siendo particularmente adecuadas para aplicaciones agrícolas y entornos operativos restringidos (Sandler et al., 2019). Esta característica es vital para la implementación en dispositivos de campo con capacidad limitada.
Curva ROC y Área bajo la Curva (AUC)
Las curvas ROC multiclase y el Área bajo la Curva (AUC) se emplearon para evaluar el rendimiento discriminatorio de los modelos en diferentes umbrales de decisión. La CNN clásica presentó AUCs elevadas, variando de 0,99 a 1,00 para la mayoría de las clases, lo que indica una excelente capacidad de separación entre hojas sanas y enfermas. Solo hubo una ligera reducción en clases con síntomas visuales similares, lo cual es un comportamiento esperado en problemas fitopatológicos con superposición de patrones visuales (Mohanty et al., 2016a). Estos resultados refuerzan la robustez de la CNN clásica en la distinción entre las diferentes condiciones foliares.
MobileNetV2 destacó por presentar AUCs cercanas a 1.00 en la mayoría de las clases, combinando alta sensibilidad y baja tasa de falsos positivos. Esto corrobora la evidencia de que arquitecturas ligeras y eficientes pueden mantener un alto poder discriminatorio incluso en tareas multiclase complejas (Sandler et al., 2019). Su capacidad de discriminación es un diferencial importante para la aplicación en escenarios prácticos, donde la precisión en la identificación es crucial para el manejo adecuado de las enfermedades. La consistencia de los resultados de MobileNetV2 en diversas clases subraya su adaptabilidad y eficacia.
En contrapartida, la ResNet50 sin fine-tuning exhibió mayor variabilidad en las AUCs entre clases, especialmente en aquellas con síntomas visualmente similares. Esto refleja las limitaciones de la transferencia directa de representaciones genéricas entrenadas fuera del dominio agrícola (Ferentinos, 2018a). La aplicación de fine-tuning en la ResNet50 resultó en mejoras sustanciales en las curvas ROC, con AUCs elevadas y más estables entre las clases. Esto evidencia que la adaptación de los pesos al dominio específico es un factor determinante para maximizar la capacidad discriminativa de los modelos (Too et al., 2019). Incluso con el fine-tuning, la ResNet50 aún demostró desafíos en clases con alta similitud visual.
En resumen, los resultados de este estudio demuestran el alto potencial de las técnicas de Deep Learning para el diagnóstico fitopatológico de enfermedades en maíz y arroz en Mozambique. La CNN clásica presentó el mejor rendimiento global en precisión, F1-score y Kappa de Cohen, indicando robustez en la identificación de patrones visuales. MobileNetV2 destacó por su eficiencia computacional y menor tiempo de entrenamiento, manteniendo un rendimiento competitivo y predicciones confiables, ideal para entornos con recursos limitados. ResNet50, aunque mejoró con el fine-tuning, se mostró menos adaptable al conjunto de datos específico. Así, el estudio alcanzó su objetivo de comparar estas arquitecturas, proporcionando valiosos conocimientos para sistemas de apoyo a la decisión en el manejo de enfermedades agrícolas.
4. Conclusión
El presente estudio tuvo como objetivo desarrollar y comparar modelos basados en Deep Learning para la detección y el diagnóstico automático de enfermedades en hojas de maíz y arroz en Mozambique. Se observó que la Red Neuronal Convolucional clásica demostró el mejor rendimiento global, alcanzando un 94% de F1-score, un 93% de precisión y un 93% de Kappa de Cohen. La MobileNetV2 presentó un rendimiento competitivo, con un 91% de F1-score y un 90% de precisión, destacándose por su eficiencia computacional, con el menor Log Loss y tiempo de entrenamiento. En contraste, la ResNet50, incluso después del fine-tuning, exhibió un rendimiento inferior, con un 80% de F1-score y un 79% de precisión. Se observó que las enfermedades con patrones visuales más distintivos, como la Roya común del maíz y el Tungro del arroz, fueron identificadas con alta precisión por todos los modelos, mientras que las patologías con síntomas más difusos o similares, como la Mancha Parda y la Brusone, presentaron mayor variabilidad en el rendimiento entre las arquitecturas.
La principal contribución de este trabajo reside en la demostración del alto potencial de las técnicas de Deep Learning para apoyar el diagnóstico fitopatológico en contextos agrícolas reales, promoviendo decisiones más rápidas y precisas en el manejo de enfermedades en maíz y arroz. Sin embargo, el estudio enfrentó limitaciones, incluyendo el potencial sesgo introducido por datos de diferentes fuentes y la variabilidad en las condiciones de captura de imágenes. También existió el riesgo de sobreajuste, particularmente en la CNN clásica, y la aplicabilidad práctica en entornos de campo puede no reflejar totalmente el rendimiento obtenido en condiciones controladas, debido a factores como la iluminación y la oclusión. La ausencia de validación externa con datos totalmente independientes constituye una limitación adicional. Para estudios futuros, se sugiere mejorar la capacidad de generalización de los modelos a diferentes contextos y tipos de enfermedades, desarrollar estrategias más robustas para lidiar con la complejidad visual de patologías con síntomas similares y explorar la integración de validación externa para garantizar la robustez en entornos operativos diversos, incluyendo dispositivos móviles de campo.
Referencias Bibliográficas
Abbas, M. 2024. Organismos geneticamente modificados (OGMs): Um caminho para a segurança alimentar ou para aprofundar a dependência externa?
Bartoli, C.; Roux, F. 2017. Genome-wide association studies in plant pathosystems: Toward an ecological genomics approach. Frontiers in Plant Science 8: 763.
Gollin, D. 2010. Agricultural productivity and economic growth. Handbook of Agricultural Economics 4: 3825-3866.
Inclusive Growth in Mozambique. 2020. Desenvolvimento agrário em Moçambique 2002–2020. Disponível em: https://igmozambique.wider.unu.edu. Acesso em: 18 jan. 2026.
Sankaran, S.; Mishra, A.; Ehsani, R.; Davis, C. 2010. A review of advanced techniques for detecting plant diseases. Computers and Electronics in Agriculture 72(1): 1-13.
Artículo originado del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq
Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy