Validación de modelos de visión artificial aplicados a cosechas

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

Fig. 1. Logotipo 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 utilizando imágenes agrícolas.
• Garantizar una validación neutral y sin conflictos de interés, siendo 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, promoviendo 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 completos sobre la información generada en sus explotaciones.

Descripción del problema

Actualmente, muchas empresas del sector agroalimentario se enfrentan a la dificultad de validar de forma 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 deficiencia dificulta la confianza en la adopción de tecnologías de inteligencia artificial y visión artificial, limitando el potencial de innovación y mejora en los procesos productivos. Además, la falta de servicios de validación independientes conduce a un posible conflicto de intereses cuando las evaluaciones son realizadas por las propias empresas desarrolladoras.

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

Solución propuesta

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

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

En este sistema, diferentes participantes aportan sus modelos de inteligencia artificial, los cuales son ejecutados sobre un conjunto de datos reales que contienen imágenes agrícolas anotadas con la verdad fundamental.

Estas anotaciones sirven como referencia fiable para evaluar el rendimiento del modelo. Los modelos generan predicciones o detecciones automáticas de fruta que son comparadas con las anotaciones reales a través de 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 lleva a cabo en una infraestructura gestionada por un proveedor de acceso y computación neutral, garantizando una evaluación independiente, transparente y sin conflictos de interés, y asegurando también que los datos utilizados permanezcan bajo el control de sus propietarios originales.

Algoritmo de validación de cosechas

¿Qué hace el algoritmo?

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

Resultados y beneficios

El resultado final de la validación es un informe exhaustivo 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, una sección dedicada a las métricas promedio, 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 objetivamente 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.