Diseño de un algoritmo para la medición del movimiento de esporas del hongo de la roya ante impactos de gotas de agua en videos de alta velocidad

Abstract

El café es uno de los principales cultivos de Costa Rica desde que se inició su producción en el siglo XIX. Una de las principales enfermedades que afectan a esta planta es la roya del café, que ha tenido un importante impacto en la producción de café. Es de interés económico y social mitigar los efectos adversos que esta enfermedad tiene sobre el café. El desarrollo de un método para medir la dispersión de las esporas de la roya bajo el impacto de las gotas de agua es el objeto del presente trabajo. Para ello, se propone un sistema que comprende la captura de datos reales con cámaras de alta velocidad, la generación de datos sintéticos a partir de estas capturas y el entrenamiento de arquitecturas para su posterior capacitación. El fenómeno que se estudia comprende el momento en que una gota de agua entra en el campo de visión de una cámara y finaliza tras impactar en la hoja y dispersar algunas esporas. En base a esto, se entrenan dos modelos, uno para determinar la velocidad de cada píxel como flujo óptico. Un segundo modelo se utiliza para determinar si el objeto es agua, hoja, óxido de café o cualquier otro objeto. El mejor modelo para el flujo óptico es la red GMA, que tiene un error por debajo del píxel de 0.2007; sin embargo, tiene problemas con las imágenes reales cuando se presenta el movimiento de las hojas, lo que no esta presente en el conjunto de datos. Mientras que el mejor modelo para la segmentación es el que utiliza una arquitectura ConvNext con un mAcc de 0.9094 y un mIoU de 0.9536, esta red tiene problemas con la detección de esporas en imágenes reales y en zonas reflectantes de las hojas.

Coffee is one of Costa Rica’s main crops since its production began in the 19th century. One of the main diseases affecting this plant is coffee rust, which has had an important impact on coffee production. It is of economic and social interest to mitigate the adverse effects that this disease has on coffee. The development of a method to measure the dispersion of rust spores under the impact of water droplets is the subject of the present work. To achieve this, a system is proposed that comprises the capture of real data with high-speed cameras, the generation of synthetic data based on these captures, and the training of architectures for subsequent training. The phenomenon under study comprises when a water droplet enters the FOV of a camera and finishes after it has impacted the leaf and dispersed some spores. Based on this, two models are trained, one to determine the speed of each pixel as optical flow. A second model is used to determine if the object is water, leaf, co↵ee rust or any other object. The best model for optical flow is the GMA network, which has a sub-pixel error of 0.2007; however, it has issues with real images when presented with movement of leafs, which isn’t in the dataset. While the best model for segmentation is using a ConvNext architecture with an mAcc of 0.9094 and a mIoU of 0.9536, this network has issues with the detection of spores on real images and in reflective areas of leafs.