Miércoles 28 de octubre de 2026 ·
ACCM-Net clasifica enfermedades de la hoja de trigo con una exactitud del 97,56%
Investigadores presentan ACCM-Net, una arquitectura que combina un MobileNetV2 congelado, el módulo de atención CBAM y un preprocesado con CLAHE adaptativo y Sobel para detectar enfermedades en hojas de trigo. Entrenada con 407 imágenes de Kaggle, logra una exactitud del 97,56%, un F1 del 97,60%, una sensibilidad del 98,41% y una especificidad del 98,92%. Supera a una CNN base y a otros cinco modelos preentrenados.
Qué significa
Los agricultores y técnicos podrían identificar enfermedades del trigo en fases tempranas, cuando los síntomas se confunden entre sí. Los resultados se basan en un conjunto pequeño de imágenes y no describen un despliegue real en campo.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- Frontiers in Artificial Intelligence | New and Recent ArticlesLeer la noticia completa en Frontiers in Artificial Intelligence | New and Recent Articles
También ese día
Todas las noticias de IA del miércoles 28 de octubre de 2026 ->