Este estudio tiene un enfoque al desarrollo un modelo propuesto de redes neuronales convolucionales (CNN) entrenado con imágenes de cultivos de tara para la detección temprana de la plaga del pulgón negro. Se recopilaron imágenes de cultivos con y sin presencia de pulgón en diferentes etapas de la plaga y se seleccionó la arquitectura de CNN, el modelo Yolo eficiente para esta tarea. El modelo fue entrenado para las agrupaciones de pulgones en etapas tempranas y su rendimiento fue evaluado en términos de precisión, Recall y F1-Score. Los resultados obtenidos demostraron que el modelo tiene una alta capacidad para detectar la plaga, especialmente en sus primeras etapas, con buenos niveles de precisión y recall, a su vez también presenta deficiencias al detectar pequeños grupos de pulgones. Esto sugiere que el uso de CNN para la detección temprana del pulgón negro en cultivos ...

En la agricultura moderna la detección temprana de plagas en cultivos es crucial para minimizar el impacto negativo en la producción y la calidad de los productos agrícolas donde en este artículo revisa las técnicas basadas en redes neuronales para la detección temprana de plagas destacando la problemática de las plagas en cultivos y la necesidad de métodos eficientes para su detección temprana por ende el principal objetivo es realizar una revisión exhaustiva de las técnicas basadas en redes neuronales específicamente centrándonos en cultivos de frutos de mango evaluando su efectividad y aplicabilidad en la agricultura de precisión donde se examinan redes neuronales convolucionales (CNN), redes neuronales recurrentes (RNN) y redes generativas adversariales (GAN) y su integración con sistemas de visión por computadora y sensores remotos para mejorar la precisión en la de...