Detección temprana de mala hierba con redes neuronales convolucionales

• Autor: Aragon Cusirramos, Jesus Frank
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Católica San Pablo
• Repositorio: UCSP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucsp.edu.pe:20.500.12590/18595
• Enlace del recurso: https://hdl.handle.net/20.500.12590/18595
• Nivel de acceso: acceso abierto
• Materia: Red neuronal convolucional; Mala hierba; https://purl.org/pe-repo/ocde/ford#2.00.00

En la actualidad, la agricultura tiene un problema directo: la mala hierba, roba los nutrientes del suelo absorbiéndolos, en consecuencia, el cultivo no crece ni produce de forma homogénea y provoca el uso de herbicidas que maltratan el mismo suelo. Una solución a este problema es detectarla tempranamente. En los diversos caminos para detectar la mala hierba encontramos múltiples métodos: una de ellos es la detección por medio de imágenes. Por ello en el presente trabajo se presenta un algoritmo de Red Neuronal Convolucional (CNN) que detecta la presencia de mala hierba a partir de imágenes. Para entrenar la CNN se hace uso de una base de datos de imágenes de mala hierba en estado primario de crecimiento. Los resultados conjugados nos otorgan una precisión de 91,36 %. Hace falta mayores ajustes a la red para mejorar las prestaciones del modelo.