Este novedoso sistema desarrollado por investigadores indios identifica con un 92% de precisión el mal que sufre el viñedo. El diagnóstico precoz logra reducir daños y mejorar las decisiones fitosanitarias.
Un equipo de investigadores de India desarrolló un sistema de inteligencia artificial (IA) para clasificar enfermedades en hojas de vid a partir de imágenes, con una precisión del 92,172%, según un estudio divulgado el lunes 27 de julio de 2026 en la publicación internacional Scientific Reports.
El trabajo parte de un problema habitual en viticultura: muchas técnicas detectan la enfermedad cuando ya hay síntomas visibles en la hoja. Eso retrasa el tratamiento y reduce el rendimiento del cultivo, señalan los autores. Su propuesta busca mejorar esa identificación mediante un modelo de aprendizaje profundo llamado HASFT-Net.
La investigación está firmada por Lalitha R, Sivasangari Ayyappan, Saranya K y A. S. Malleswari, vinculados a centros universitarios de Chennai, Rajam, Surampalem y Kakinada, en India.
Cómo funciona el sistema
El sistema analiza imágenes de hojas de vid obtenidas de una base de datos. Primero aplica un proceso de eliminación de ruido con una red neuronal convolucional guiada por atención, denominada ADNet. Después localiza y segmenta las zonas afectadas con otro modelo, SPEDCCNN, que usa la función de pérdida Tversky. Esa segmentación se refuerza con un método de optimización llamado Siberian Tiger Optimization, o STO.
A continuación, el modelo extrae varios tipos de rasgos de la imagen. Entre ellos figuran OCLBP, SIFT y parámetros de forma como rectangularidad, excentricidad y circularidad. Con esa información, HASFT-Net clasifica la enfermedad combinando elementos de NASNet, las series de Taylor y una red neuronal profunda de atención de alto orden, DHA-Net, según recoge el estudio.
Detalles clave del estudio y la IA
- El modelo HASFT-Net: La arquitectura principal desarrollada se denomina Deep High Attention Stage-by-Stage Forward Taylor Network. Este algoritmo procesa imágenes mediante múltiples capas de visión computacional profunda.
- Procesamiento de imágenes: Para limpiar las impurezas visuales de las fotografías, utiliza una red convolucional guiada por atención (ADNet).
- Segmentación precisa: Las zonas enfermas de la hoja de vid se aíslan mediante una red de tipo codificador-decodificador en cascada (SPEDCCNN) combinada con técnicas de optimización matemática avanzada.
- Precisión y alcance: El sistema demostró una efectividad del 92,17% al clasificar y diferenciar las deformidades y decoloraciones causadas por distintos patógenos en entornos de laboratorio.
Los autores informan de que el modelo obtuvo una tasa de verdaderos positivos del 92,883%, una tasa de verdaderos negativos del 91,993%, una precisión del 90,887% y una puntuación F1 del 91,874%, usando datos de aprendizaje del 90%.
Futura aplicación en el campo
El artículo sitúa esta línea de trabajo dentro del diagnóstico automatizado de enfermedades agrícolas mediante visión por computadora. En el caso de la vid, una detección más temprana puede ayudar a ajustar mejor las decisiones fitosanitarias en campo y a reducir pérdidas en la producción. Para el sector de las bebidas, esa mejora potencial tiene interés directo porque afecta a la materia prima con la que se elaboran vinos y otros productos derivados de la uva.
Aunque actualmente el modelo se entrenó con bases de datos estáticas, el objetivo a largo plazo es integrar esta IA en drones agrícolas, teléfonos móviles de productores o cámaras fijas dentro de los viñedos para monitorizar la salud de los cultivos en tiempo real.
Fuentes: Vinetur y Scientifics Reports
