Detección de plagas en cultivos de aguacate utilizando procesamiento de imágenes: Una revisión sistemática

• Autores: Chuquipoma Jimenez, Juan Carlos, Rivera Guadalupe, Jose Carlos
• Formato: tesis de grado
• Fecha de Publicación: 2026
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/17099
• Enlace del recurso: https://hdl.handle.net/20.500.12802/17099
• Nivel de acceso: acceso abierto
• Materia: Procesamiento de imágenes; Aprendizaje automático; Aguacate; Detección de plagas; Redes neuronales convolucionales; https://purl.org/pe-repo/ocde/ford#2.02.04

La detección temprana de plagas y enfermedades en cultivos de aguacate constituye un desafío relevante para la agricultura de precisión, debido a las limitaciones inherentes a los métodos tradicionales de inspección visual, los cuales son subjetivos, lentos y dependientes de la experiencia humana. En este contexto, el presente estudio tuvo como objetivo analizar de manera sistemática la literatura científica sobre la aplicación de técnicas de procesamiento de imágenes y aprendizaje automático en la identificación de plagas y enfermedades que afectan al cultivo de aguacate. Para ello, se desarrolló una revisión sistemática siguiendo las directrices PRISMA 2020, considerando artículos indexados en las bases de datos Scopus y Web of Science publicados entre los años 2000 y 2024. El proceso metodológico incluyó fases de identificación, cribado e inclusión, aplicando criterios rigurosos de elegibilidad y exclusión, lo que permitió seleccionar y analizar 130 estudios relevantes. Los resultados evidencian un crecimiento sostenido del interés científico en el uso de técnicas de visión por computadora, destacando el empleo de redes neuronales convolucionales, algoritmos de aprendizaje profundo, segmentación de imágenes y análisis espectral, con niveles de precisión superiores al 90 % en varios enfoques reportados. Asimismo, se identificaron tendencias emergentes orientadas a la detección no destructiva, la automatización del diagnóstico fitosanitario y la integración de sensores avanzados. En conclusión, la revisión confirma que el procesamiento de imágenes y el aprendizaje automático representan herramientas eficaces y prometedoras para mejorar la detección de plagas en cultivos de aguacate.