Detección de nutrientes del suelo y planta, y pestes en campos de cultivo de banano orgánico con Machine Learning

• Autores: Castañeda Valdivieso, Renato Edgardo, Guerrero Meza, José Renato, Renteros Parra, Bruno Eduardo, Villanueva Mejía, José Alejandro
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad de Piura
• Repositorio: UDEP-Institucional
• Lenguaje: español
• OAI Identifier: oai:pirhua.udep.edu.pe:11042/5204
• Enlace del recurso: https://hdl.handle.net/11042/5204
• Nivel de acceso: acceso abierto
• Materia: Banano orgánico -- Investigaciones; Aprendizaje automático (Inteligencia artificial) -- Aplicación -- Agricultura; Redes neuronales (Computadores) -- Aplicaciones -- Agricultura; 006.31; https://purl.org/pe-repo/ocde/ford#2.02.03

El objetivo del trabajo es diseñar una plataforma que sirva de apoyo al agricultor para poder estimar que macronutrientes tiene en deficiencia su planta de banano, con la finalidad de obtener un mejor producto en la cosecha del banano orgánico, así como una posible interfaz para la detección de plagas en el banano. Se busca el desarrollo de una plataforma haciendo uso del aprendizaje profundo y redes neuronales convolucionales para lograr una estimación y predicción de las deficiencias con un alto grado de exactitud. Así mismo hacer uso de la identificación de objetos para poder identificar las plagas que se presenten en el banano y su posible aplicación para automatizar el proceso de la toma de datos y la identificación de las plagas. En esta investigación se utilizó un conjunto de datos original de fotografías, que se compone de imágenes de hojas de banano sanas y hojas con deficiencias conocidas de nitrógeno, potasio y fósforo. Así mismo para la detección de pestes se utilizó un conjunto de fotografías público, el cual fue encontrado en un repositorio y se escogieron aquellas plagas que afectaban al banano. Posteriormente, se realizó un aumento a este conjunto de fotografías mediante transformaciones lineales y las imágenes resultantes fueron pre-procesadas en diferentes espacios de color para ser utilizadas como entradas a la red neuronal. Se logró obtener un modelo con alta precisión que pudo ser validado a través de diferentes métricas. Finalmente, se desarrolló un prototipo de plataforma web para que los agricultores en un futuro pudieran acceder al sistema. La aplicación de técnicas de Machine Learning e IoT para ayudar a los agricultores a facilitar el análisis de nutrientes de las plantaciones (sin recurrir a los análisis en laboratorio), así como la detección de plagas, resultarían en ahorros de tiempo y dinero considerables, lo cual aumentaría la efectividad de la cadena productiva y la competitividad de los productores en el mercado internacional.