Surveillance of insect pests in corn crops: monitoring and counting using electronic traps

Vigilancia de plagas de insectos en cultivos de maíz: monitoreo y conteo mediante trampas electrónicas

Resumen Métricas disponibles Referencias Cómo citar

Resumen (en)

Insect-pest management in corn cultivation is essential to increase crop yields, reduce production costs and contribute to food security. Integrated pest management in agriculture uses the new technologies of Agriculture 4.0. This article shows an intelligent platform for Spodoptera Frugiperda monitoring in the maize crop with the site-specific conditions of the Colombian Orinoquía. This system uses models based on artificial intelligence immersed in embedded devices that make up a wireless network of electronic traps and a Web application. The system architecture design, image preprocessing algorithms and definition of deep learning models for recognition and counting of insects caught in the traps are specified. The results show that the insect counting based on convolutional neural networks allowed detection accuracy of 97% concerning other insect types trapped in the traps. These results show the robustness of the electronic traps and their usefulness for infestation map generation.

Resumen (es)

El manejo de plagas de insectos en el cultivo de maíz es esencial para aumentar el rendimiento de los cultivos, reducir los costos de producción y contribuir a la seguridad alimentaria. El manejo integrado de plagas en la agricultura utiliza las nuevas tecnologías de la Agricultura 4.0. Este artículo muestra una plataforma inteligente para el monitoreo de Spodoptera Frugiperda en el cultivo de maíz con las condiciones específicas de sitio de la Orinoquía colombiana. Este sistema utiliza modelos basados en inteligencia artificial inmersos en dispositivos embebidos que conforman una red inalámbrica de trampas electrónicas y una aplicación web. Se especifica el diseño de la arquitectura del sistema, algoritmos de preprocesamiento de imágenes y definición de modelos de aprendizaje profundo para el reconocimiento y conteo de insectos atrapados en las trampas. Los resultados muestran que el recuento de insectos basado en redes neuronales convolucionales permitió una precisión de detección del 97% con respecto a otros tipos de insectos atrapados en las trampas. Estos resultados muestran la robustez de las trampas electrónicas y su utilidad para la generación de mapas de infestación.