Las redes neuronales convolucionales son una evolución de las redes neuronales artificiales multicapa. La ventaja de este tipo de redes es su capacidad de adaptación a tareas de visión por computador, ya que asemejan su funcionamiento al de las neuronas de la corteza visual primaria de un cerebro biológico. La diferencia de este tipo de redes con las redes neuronales es su arquitectura multicapa formada por capas de consolación (convolution) y reducción (pooling). Estas arquitecturas son capaces de detectar bordes, lineas, etc y componer en características más complejas hasta detectar lo que se buscan.

La principal desventaja inicial de este tipo de redes fue su necesidades de cómputo. Debido al alto número de operaciones que deben realizar es necesario contar con equipos de cómputo especializados para esta tarea. Esto se consigue con computadores equipados con tarjetas gráficas GPU (graphics processing unit), capaces de realizar millones de operaciones por segundo gracias a sus procesadores dedicados a tal fin. Gracias a los avances en computación originados por las tarjetas GPU, hoy en día somos capaces de computar gran cantidad de imágenes para poder diseñar e implementar modelos basados en visión por computador. A esto lo conocemos como Deep Learning (aprendizaje profundo) ya que debemos trabajar con miles de imágenes para poder modelar las redes neuronales convolucionales.

En el proyecto presentado aquí se ha trabajado con aproximadamente 10000 imágenes por año. En total en torno a las 25000 imágenes totales. Estas imágenes han sido capturadas en la plantación de ciruelo japonés de la Finca La Orden-Valdesequera, donde se encuentra la parcela de cultivo utilizada en el proyecto. Consta de una superficie de 2 ha de ciruelo japonés donde hay principalmente 3 variedades de ciruela con diferentes ciclos de maduración, Angeleno, Black Diamond y Red Beaut.

Entre los objetivos del proyecto encontramos la necesidad de detectar la variedad de la ciruela con la que se trabaja utilizando para ello imágenes RGB. Dichas imágenes han sido adquiridas con una cámara de fotos convencional en condiciones no controladas, es decir en la propia plantación de ciruelo japonés. Por cada variedad se han adquirido imágenes semanalmente o quincenalmente desde que nace la ciruela hasta el día de su recolección. Con ello se obtiene el ciclo completo de maduración de la ciruela en el árbol.

Una vez obtenidos los data set de imágenes con las diferentes variedades es hora de utilizar el Depp Learning y las redes neuronales convolucionales para poder detectar la variedad de cada ciruela. Para poder obtener los resultados que presentamos a continuación se han utilizado varias máquinas de cómputo equipadas con tarjetas GPU NVida Tesla K20c, Nvidia GeForce GTX 1080 y Nvidia GeForce GTX 1080ti. La implementación y obtención de los modelos realizados con las redes neuronales convolucionales se han llevado a cabo con la plataforma llamada NVIDIA DIGITS, con los framework Caffe y Tensorflow la cual nos ha permitido desplegar redes como AlexNet o GoogleNet con el objetivo de obtener modelos capaces de detectar la variedad de la ciruela.

Los resultados obtenidos nos permiten afirmar que hemos podido modelar una red neuronal convolucional capaz de detectar la variedad de una ciruela con una eficacia del 93,43% de acierto.

Una vez entrenada la red, seremos capaces de enviarle una imagen y obtener el porcentaje de probabilidad correspondiente con la variedad a la que pertenece.

Como podemos observar en las imágenes anteriores, la red tiene un alto porcentaje de acierto con imágenes de las ciruelas incluso en los primeros días de su ciclo de maduración. 

El proyecto aquí presentado no solo trabaja con imágenes RGB sino que también analizamos imágenes hiperespectrales, las cuales nos han permitido analizar la variedad de las ciruelas utilizando información hiperespectral de las mismas. Las tomas de imágenes en campo se han realizado a lo largo del proyecto desde dos puntos de vista diferentes, por un lado las imágenes RGB obtenidas directamente del árbol y por otro lado lo que nosotros denominamos "imágenes de control". Estas imágenes corresponden a 64 frutos tomados en diferentes fechas los cuales han sido fotografiados con la cámara RGB y posteriormente tomados como muestras para analizar en el laboratorio de CYCYTEX y fotografiar con la cámara hiperespectral en el laboratorio del Centro Universitario de Mérida.

Esta cámara nos permite obtener imágenes de las ciruelas, que una vez descompuestas, obtenemos un total e 138 capas de la misma con información gráfica correspondiente a ciertas bandas con las que trabaja la cámara. La siguiente imagen muestra un ejemplo de dichas capas.

Con esta información diseñamos 138 redes neuronales convolucionales, especializadas cada una de ellas en una capa diferente, para ver cual de ellas obtiene los mejores resultados. Con esta información conseguimos aumentar la media de aciertos en una gran cantidad de las capas, siendo la capa 77 en nuestro caso, la que mejores resultados obtenía, una 98,95% de aciertos.