Clasificación del estado de salud de la Lantana camara mediante redes neuronales y extracción de características

Abstract

El cambio climático ha alterado significativamente los patrones de desarrollo y los ciclos de vida de diferentes especies vegetales, tanto a nivel regional como mundial. En la región de los Valles Centrales de Oaxaca se carece de herramientas tecnológicas que permitan evaluar objetivamente el estado de salud de Lantana camara, especie nativa de la región, lo que limita el desarrollo de estrategias de conservación basadas en evidencia. La evaluación tradicional depende de observaciones visuales subjetivas, las cuales pueden llegar a ser inconsistentes y difícilmente escalables para el monitoreo continuo requerido en este contexto. Para abordar esta problemática, se desarrolló un sistema automatizado de clasificación del estado de salud de la Lantana camara empleando redes neuronales. La metodología consistió en extraer 181 características numéricas por imagen: 180 valores del histograma de tonos del modelo hsv y un valor de diámetro de inflorescencia obtenido mediante segmentación automática con OpenCV. Estas características fueron procesadas en una red neuronal tipo perceptrón multicapa (mlp) con arquitectura de tres capas ocultas (256, 128, 64 neuronas con activación ReLU) y capa de salida softmax, clasificando cuatro estados: florecimiento pleno, cambio de flores, palidez por falta de luz y planta seca. El entrenamiento se realizó durante 30 épocas utilizando un optimizador Adam, la función de pérdida categorical crossentropy, la regularización mediante Dropout (0.3) y early stopping. Para prevenir clasificaciones incorrectas, se implementó un sistema de filtrado dual con umbral de confianza del 65%. El modelo final alcanzó una precisión de 97.78%, superando significativamente el objetivo inicial de 80% y demostrando la efectividad del enfoque basado en la extracción de características específicas para la clasificación del estado de salud de especies vegetales nativas.