Diagnóstico por niveles del hongo cúbense RT4 (Foc) en cultivos agrícolas de banano orgánico mediante técnicas de inteligencia artificial

• Autores: Saavedra Yovera, Hugo Smith, Suarez Chero, Yerson Israel
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/166947
• Enlace del recurso: https://hdl.handle.net/20.500.12692/166947
• Nivel de acceso: acceso abierto
• Materia: Banano; Enfermedades de plantas; Diagnóstico precoz; Inteligencia artificial; Agricultura orgánica; https://purl.org/pe-repo/ocde/ford#2.02.04

La Fusarium oxysporum f.sp. cubense Raza 4 Tropical (Foc RT4) representa una amenaza crítica para la producción bananera global, afectando significativamente la producción anual. Esta investigación evaluó la implementación de un sistema de diagnóstico temprano basado en YOLOv5 para la detección y clasificación multinivel de Foc RT4 en cultivos de banano orgánico en Piura, Perú. Se analizó una muestra representativa mediante muestreo estratificado, utilizando un conjunto de entrenamiento categorizado en tres niveles de infección. Los resultados demostraron una precisión general significativamente superior a arquitecturas alternativas como ResNet50 y EfficientDet. El sistema logró una alta sensibilidad y especificidad en la identificación de plantas sanas, y precisión óptima en casos severos, con tiempos de procesamiento eficientes por muestra. El rendimiento se mantuvo robusto bajo diversas condiciones ambientales, aunque se observó una disminución en la precisión en condiciones de alta humedad. Esta investigación presenta el primer sistema automatizado validado en condiciones de campo real para el diagnóstico por niveles de Foc RT4 en Perú, constituyendo una herramienta valiosa para el manejo integrado de la enfermedad.