Machine Learning para la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano en Paiján

• Autor: Leon Torres, Angel Joselito
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/167003
• Enlace del recurso: https://hdl.handle.net/20.500.12692/167003
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje; Detección; Enfermedad; Agronomía; Control biológico; https://purl.org/pe-repo/ocde/ford#2.02.04

El estudio se enmarca en el Objetivo de Desarrollo Sostenible (ODS) "Trabajo decente y crecimiento económico" y plantea la aplicación de Machine Learning (ML) para mejorar la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano, una enfermedad que impacta significativamente la productividad agrícola, siendo la investigación de tipo aplicada con un diseño experimental puro que emplea técnicas cuantitativas para evaluar el impacto del modelo en términos de precisión, tiempo de detección y número de casos identificados. En el análisis descriptivo, el grupo experimental alcanzó una precisión promedio del 91%, frente al 60% obtenido por el grupo de control, mientras que el tiempo promedio de detección fue de 632 segundos, considerablemente menor que los 1648 segundos registrados por el grupo de control, y el número promedio de casos identificados aumentó a 12, en comparación con los 7 casos detectados por el grupo de control. El análisis inferencial evidenció que todas las pruebas realizadas arrojaron diferencias estadísticamente significativas con un valor p < 0.05, lo cual valida la hipótesis alternativa y respalda los beneficios del modelo propuesto. En conclusión, la implementación de ML mejora significativamente la precisión, disminuye el tiempo de detección y aumenta el número de casos identificados, consolidándose como una herramienta innovadora y eficiente para el manejo de enfermedades agrícolas y la promoción del desarrollo sostenible.