Diseases detection in citrus fruits using convolutional neural networks

Abstract

El Deep Learning s'està convertint en el darrer lustre en la tècnica més prometedora per a aplicacions de visió per computador. En aquest treball s'empren tècniques d'aprenentatge profund i s'entrena una xarxa neuronal convolucional per a ajudar a la predicció de malalties en fruites. Com aquest camp és extremadament ample, s'ha particularitzat en el cas d'una de les famílies de que combina ésser un mercat econòmic de gran importància, a més de tindre moltíssims problemes de malalties que provoquen pèrdua de valor del fruit entre d'altres. Després, amb la xarxa entrenada i validada, es desenvolupa una aplicació per a dispositius mòbils Android per a poder emprar aquella com a eina d'ajuda a la presa de decisions de professionals del sector fitosanitari. Per a desenvolupar la xarxa s'empra la llibreria PyTorch, la qual es fa servir amb el llenguatge de programació Python, que s'està convertint a l'estàndard de facto a la indústria. Per la seua banda, l'aplicació d'Android es desenvolupa amb Kotlin, i per a poder emprar la xarxa neuronal desenvolupada a la primera part de la tesi, es fa servir la llibreria TensorFlow Lite, versió optimitzada del TensorFlow per a dispositius mòbils.

The Deep Learning is becoming the most promising technique for computer vision applications. In this work, deep learning techniques are used and a convoluted neuronal network is trained to help to predict fruit diseases. As this field is extremely wide, the work is focused in the case of one of the families that combines both being a very important economic market, and having many problems of diseases that cause loss of fruit value among others problems. Then, with the network trained and validated, an application is developed for Android mobile devices to be able to use it as a tool to help decision-making of professionals in the phytosanitary sector. To develop the network, the PyTorch library has been used. This library is programmed with the Python programming language, which is almost the standard de facto in the industry. In addition, the Android application is developed with Kotlin, and to be able to use the neuronal network developed in the first part of the thesis in the Android operative system, TensorFlow Lite library has been also used.

El aprendizaje profundo es la técnica más prometedore en aplicaciones de visión por computador. En este trabajo, se entrena una red neuronal convolucional para predecir enfermedades en frutas. Como este campo es muy amplio, el trabajo se enfoca en el caso de una familia que combina tener una gran importancia económica así como numerosas enfermedades responsables de pérdida de valor en los frutos entre otro daños. Después, una vez entrenada esta red, se desarrolla una aplicación para dispositivos Android que permita usar la red previamente entrenada en la toma de decisiones por parte de profesionales del sector fitosanitario. Para desarrollar lar ed, se usa la librería PyTorch. Esta librería se programa en Python. Por su parte, la aplicación móvil se desarrolla en Kotlin, y par poder usar la red en dicha aplicación se emplea la libería TensorFlow Lite.