Construcción de un prototipo de sistema para clasificar enfermedades en las hojas de cafeto basado en visión computacional

• Autor: Puclla Zegarra, Erwin Jharin
• Formato: tesis de grado
• Fecha de Publicación: 2020
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/5541
• Enlace del recurso: http://hdl.handle.net/20.500.12918/5541
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales convolucionales; Segmentación de imágenes; Hemileia Vastatrix; Mycena Citricolor; Leucoptera Coffeella; http://purl.org/pe-repo/ocde/ford#1.02.02

Existen enfermedades y plagas que afectan al crecimiento del cafeto que son clasificadas haciendo uso de métodos tradicionales, manuales y visuales generando un margen de error en los resultados y tiempos de respuesta prolongados en los diagnósticos, en consecuencia, se tiene mayor índice de expansión de enfermedades en los cultivos de cafeto, mala calidad de granos y disminución en la producción del café. Sin embargo carecemos de una herramienta tecnológica eficaz y automática para la clasificación de enfermedades, por ello la necesidad de construir un prototipo de sistema de clasificación de enfermedades en las hojas del cafeto basado en visión computacional, y mostrar información técnica de las mismas para plantear un mejor control; las enfermedades afectan al fruto como a las hojas, en algunos casos se puede apreciar en la raíz de la planta, entre las enfermedades que dañan las hojas se tiene; Leucoptera Coffeella, Mycena Citricolor, Hemileia Vastatrix. Para contrarrestar las enfermedades de manera eficiente en tiempo prudente se construye un prototipo de sistema de clasificación de enfermedades constituido en 3 partes, primero, la construcción de un conjunto de datos (dataset de imágenes) de validación y entrenamiento formado por 1000 imágenes de enfermedades de interés, en segundo lugar, se diseña una arquitectura de red neuronal convolucional para la fase de entrenamiento y clasificación de la enfermedad, así mismo, se propone modelos de redes neuronales convolucionales ya construidos como el modelo VGG-16, AlexNet e InceptionV3 los cuales fueron entrenados en un entorno virtual denominado Google Colaboratory; la imagen de entrada a ser clasificada sufre transformaciones de preprocesamiento como técnicas de segmentación de imágenes, ecualización de imágenes y filtros de suavizado; finalmente se construye el prototipo del sistema haciendo uso del modelo ya entrenado y los módulos de segmentación de imágenes basado en color y umbralizacio´n para poder separar la región sana y enferma solo en caso de Hemileia Vastatrix, así mismo, se complementa con la información técnica de las enfermedades a tratar tales como biología, agente causal, daño y control. Desarrollado en entorno de escritorio, así el proceso de clasificación se realiza en tiempo real, sin conocimiento previo adquirido a través de la experiencia, menor margen de error y es diagnosticado inmediatamente por los especialistas o caficultores evitando la propagación masiva de la enfermedad.