Validación de modelos de visión por computador aplicados a cosechas

Este caso de uso proporciona un servicio de validación de algoritmos de detección de fruta a partir de imágenes agrícolas. Utiliza datasets con anotaciones reales para comparar las predicciones generadas por los modelos con la verdad de campo. El objetivo es ofrecer a empresas del sector una herramienta fiable para evaluar la precisión de sus algoritmos sin conflictos de interés.

Fig. 1. Logo comercial del caso de uso. (fuente: AgrospAI)

Introducción

Objetivos

• Proporcionar un servicio de validación que permita a las empresas evaluar la precisión y fiabilidad de sus algoritmos de detección de fruta mediante imágenes agrícolas.
• Garantizar una validación neutral y sin conflictos de interés, al estar impulsada por la Universidad de Lleida (UdL), una entidad pública que actúa como tercero de confianza.
• Contribuir a la mejora de la calidad de los modelos predictivos utilizados en el sector agroalimentario, fomentando el uso responsable y transparente de la inteligencia artificial en entornos agrícolas.
• Garantizar la soberanía de los datos, asegurando que los productores mantengan la propiedad y el control completo sobre la información generada en sus explotaciones.

Descripción del problema

Actualmente, muchas empresas del sector agroalimentario enfrentan la dificultad de validar de manera objetiva y fiable los algoritmos de detección y predicción que utilizan para el análisis de imágenes agrícolas. La ausencia de métodos estandarizados y accesibles para comprobar la precisión de estas herramientas genera incertidumbre sobre la calidad de las predicciones realizadas.

Esta carencia dificulta la confianza en la adopción de tecnologías de inteligencia artificial y visión por computador, limitando el potencial de innovación y mejora en los procesos productivos. Además, la falta de servicios independientes de validación provoca un posible conflicto de intereses cuando las evaluaciones son realizadas por las propias compañías desarrolladoras.

🔎 Por tanto, es necesario disponer de un sistema neutral y riguroso que permita evaluar con garantías la eficacia de los algoritmos, ofreciendo a las empresas una validación transparente y objetiva que impulse el uso confiable de estas tecnologías en el sector agrícola.

Solución propuesta

Fig. 2. Esquema visual de la solución propuesta en este caso de uso. (fuente: AgrospAI)

El esquema anterior muestra visualmente el funcionamiento del sistema propuesto para la validación de modelos de detección de fruta mediante imágenes agrícolas.

En este sistema, diferentes participantes aportan sus modelos de inteligencia artificial, los cuales se ejecutan sobre un conjunto de datos reales que contiene imágenes agrícolas anotadas con la verdad de campo.

Estas anotaciones sirven como referencia fiable para evaluar el rendimiento del modelo. Los modelos generan predicciones o detecciones automáticas de fruta que se comparan con las anotaciones reales mediante un servicio de evaluación. Este servicio activa automáticamente un módulo de estimación de rendimiento que calcula métricas objetivas.

Con los resultados obtenidos se genera un informe de evaluación completo, que se entrega al consumidor interesado en validar su modelo. Todo el proceso se realiza en una infraestructura gestionada por un proveedor neutral de acceso y computación, garantizando una evaluación independiente, transparente y sin conflictos de interés, y asegurando además que los datos utilizados permanezcan bajo control de sus propietarios originales.

Algoritmo de validación de cosecha

¿Qué hace el algoritmo?

El algoritmo de validación ejecuta un proceso que compara las predicciones realizadas por un modelo de visión por computador con la verdad de campo contenida en un conjunto de imágenes agrícolas anotadas. Para ello, genera una matriz de confusión a partir de los aciertos, falsos positivos y falsos negativos detectados, y calcula métricas de evaluación estándar.

Resultado y beneficios

El resultado final de la validación es un informe completo que puede ser descargado por el consumidor, implementado en HTML, JavaScript y Python. Este informe está diseñado para ofrecer una visión clara y estructurada del rendimiento del modelo evaluado. Incluye un resumen ejecutivo con los principales resultados, una descripción detallada de la metodología aplicada, un análisis visual y cuantitativo de la matriz de confusión, un apartado dedicado a las métricas medias y una sección de comparación de rendimiento entre diferentes modelos.

Fig. 3. Resultado obtenido de la aplicación del algoritmo de validación. (fuente: AgrospAI)

Gracias a este informe, las empresas pueden identificar de forma objetiva las fortalezas y limitaciones de sus algoritmos, justificar sus decisiones tecnológicas con evidencia cuantitativa y avanzar hacia una adopción más responsable y eficiente de herramientas basadas en inteligencia artificial en entornos agrícolas.