Premios mejor publicación científica del trimestre de la ETSIA | El artículo 'Leaf area index estimations by deep learning models using RGB images and data fusion in maize', presentado por el investigador de la Universidad de Sevilla Pedro Castro Valdecantos, ha sido galardonado con el Premio a la publicación científica del trimestre junio-septiembre en la Escuela Técnica Superior de Ingeniería Agronómica (ETSIA). Resumen: El índice de área foliar (LAI) es un parámetro biofísico del cultivo de gran interés para los agrónomos y fitomejoradores. Los métodos directos para medir el LAI normalmente son destructivos, mientras que los métodos indirectos son costosos o requieren largos tiempos de pre- y post-procesamiento. En este estudio, se desarrolló un modelo novedoso para la estimación del LAI de maíz basado en el aprendizaje profundo (del inglés Deep learning - DL), utilizando imágenes RGB tomadas desde el nadir desde una plataforma de fenotipado de plantas de alto rendimiento. El estudio se llevó a cabo en un ensayo de mejora vegetal comercial de maíz durante dos campañas de cultivo consecutivas. Los valores del LAI reales se obtuvieron de forma no destructiva utilizando una relación alométrica que se derivó para calcular el área foliar de las hojas individuales a partir de sus dimensiones principales (largo y ancho máximo). Tres modelos de redes neuronales convolucionales (CNN) basados en DL fueron propuestos mediante distintos enfoques para la utilización de imágenes RGB como entrada. El primer modelo es un clasificador entrenado con un conjunto de imágenes RGB etiquetadas previamente con valores medidos del LAI (clases). El segundo modelo proporciona estimaciones del LAI basado en regresión lineal y el tercero utiliza una combinación de imágenes RGB y datos numéricos como entrada del modelo (modelo de entrada múltiple). Los resultados obtenidos por los tres enfoques se compararon con datos reales y estimaciones del LAI mediante un método indirecto clásico, el cual está basado en el análisis de imágenes de vista nadir y la teoría de la fracción de huecos. Todos los modelos de DL superaron al método indirecto clásico. El modelo de entrada múltiple mostró el error menor y explicó la mayor proporción de la varianza de LAI observada. Este trabajo representa un gran avance para la estimación del LAI en parcelas de cultivos de maíz, ya que este proceso es laborioso y consume mucho tiempo por parte de los técnicos en empresas de mejora vegetal. Además, el uso de modelos de inteligencia artificial facilita la implementación de estos en miniordenadores, los cuales pueden ser montados en dron y llegar a procesar las imágenes obtenidas en campo en tiempo real, por lo que la estimación de este parámetro biofísico puede ser instantáneo. Premio anual El Comité evaluador de la ETSIA ha resuelto también el Premio Anual a la Publicación Científica del Curso 2021-2022 siendo este artículo del profesor Castro galardonado con el primer premio. El Premio a la publicación científica del trimestre es una actividad desarrollada gracias a una ayuda recibida dentro del VII Plan Propio de Investigación y Transferencia de la US que tiene por objeto dar visibilidad dentro del propio centro a las actividades de investigación de los profesores y doctorandos de la Escuela, tanto para el resto del PDI como para el alumnado, contribuyendo con ello a la difusión de los resultados de investigación, a incentivar la producción científica de calidad y a mostrar la actividad investigadora desarrollada en el centro. | 
