Sistema de detección temprana del Picudo Rojo en palmeras Phoenix Canariensis

Abstract

El Picudo Rojo (Rhynchophorus ferrugineus) constituye actualmente una de las plagas más dañinas para las palmeras en Uruguay. Su detección temprana resulta crítica, ya que las larvas se desarrollan de manera interna durante varios meses sin manifestar síntomas visibles, reduciendo así las posibilidades de control y recuperación de los ejemplares afectados. En este contexto, el presente proyecto de grado propone el desarrollo de un sistema de detección temprana del picudo rojo basado en imágenes térmicas y RGB, apoyado en técnicas de procesamiento digital e inteligencia artificial. Para ello, se llevó a cabo una campaña de recolección de datos en diversas zonas de Montevideo, Uruguay, obteniendo un conjunto de imágenes de palmeras en distintos estados sanitarios (sanas, afectadas y muertas). Además, se incluyó procesamiento de datos contemplando técnicas de inpainting, recorte, conversión de escalas de temperatura a representaciones en escala de grises, y detección automática de la regiones de interés. Se implementaron distintos enfoques de clasificación, evaluando modelos clásicos de aprendizaje automático (SVM y Random Forest) basados en atributos térmicos estadísticos, modelos híbridos que combinaron dichas características con descriptores extraídos mediante redes convolucionales preentrenadas, y modelos end-to-end que aprenden directamente a partir de las imágenes. Asimismo, se exploraron esquemas de fusión de predicciones entre modalidades térmicas y visuales. Los resultados obtenidos muestran que la información térmica constituye el indicador más relevante para distinguir el estado sanitario de las palmeras. Los clasificadores basados en atributos térmicos alcanzaron desempeños superiores a los modelos puramente visuales, mientras que los enfoques híbridos, que combinan características tabulares y representaciones profundas extraídas mediante redes convolucionales, lograron el mejor equilibrio entre precisión y estabilidad. Entre ellos, el modelo híbrido destacó por su capacidad para reducir errores en la detección de palmeras afectadas. En conjunto, el sistema desarrollado constituye una prueba de concepto válida para la detección temprana del Picudo Rojo en palmeras, y representa un avance hacia el uso de metodologías de inteligencia artificial en el monitoreo fitosanitario urbano.