Desarrollo de un equipo electrónico portátil orientado a la identificación y clasificación de especies de árboles maderables basado en el procesamiento digital de imágenes de hojas e Inteligencia Artificial

La presente investigación propone el desarrollo de un equipo portátil dirigido a la clasificación de 11 especies de árboles presentes en la selva peruana utilizando como entrada las hojas del árbol. En la actualidad, el método de identificación es realizado por un botánico, quien en primera instancia determina la especie por inspección visual y de ser necesario analiza una muestra en un laboratorio con un manual dendrológico. Por esta razón, el proceso es ineficiente en tiempo, costo y precisión. Las soluciones del estado del arte presentan las siguientes dificultades: no están acondicionadas a las especies maderables peruanas, sino que utilizan bases de datos públicas o que solo contienen plantas frutales o medicinales de otros países; presentan elevado porcentaje de error en lo que respecta a la especie analizada; y se apoyan en aplicativos móviles para el reconocimiento por lo que no disponen de un equipo para realizar la clasificación in situ. En tal sentido, el algoritmo que integra el equipo propuesto se desarrolló con una base de datos conformada con las especies maderables peruanas y que en conjunto al equipo diseñado con iluminación controlada y las condiciones ideales de captura disminuyen el porcentaje de error a un 1.36%. Dicho algoritmo, adquiere la imagen de una hoja ingresada al equipo en su primera etapa. Luego, realiza la segmentación de la imagen capturada mediante filtros de color, umbrales de binarización y operaciones morfológicas para finalmente predecir la especie de árbol a la que pertenece mediante un modelo de CNN ya establecido. El software se complementa con un hardware que se compone de un raspberry pi 4 con una interfaz gráfica interactiva para la muestra de la predicción. Se obtuvo una exactitud de 98.64% utilizando el modelo MobileNet y un índice de Kappa cohen de 0.9733, que indica un nivel de acuerdo muy bueno y demuestra que los resultados del equipo coinciden con los emitidos por el especialista.