Modelo de Redes Neuronales Convolucionales para detectar enfermedades en las hojas del cultivo de Quinua (Chenopodium quinoa) en el Centro Agronómico K’ayra, San Jerónimo, Cusco 2023

• Autores: Oscco Ccuiro, Smit, Huashuayo Miranda, Elias
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional Micaela Bastidas de Apurímac
• Repositorio: UNAMBA-Institucional
• Lenguaje: español
• OAI Identifier: oai:null:20.500.14195/399
• Enlace del recurso: https://hdl.handle.net/20.500.14195/399
• Nivel de acceso: acceso abierto
• Materia: Enfermedades de la quinua; Mancha bacteriana; Mancha foliar; Mildiu; Redes neuronales convulsiónales (CNN); https://purl.org/pe-repo/ocde/ford#1.02.00

En el mundo, las enfermedades de los cultivos son la principal causa de reducción en la calidad de la producción.Estas enfermedades afectan los cultivos de quinua y cada año se producen grandes pérdidas económicas .Es fundamental identificar estas enfermedades en una etapa temprana para aumentar la producción .La inspección visual es el método más común para identificar enfermedades, estos errores son comunes a través de la inspección visual .El tiempo es un factor clave en la detección de enfermedades y requiere experiencia .Este estudio muestra cómo se puede utilizar el reconocimiento de imágenes para la detección de enfermedades .Este trabajo consistió en recolectar un conjunto de datos de imágenes para mancha foliar 1,120 imágenes, para mancha bacteriana 850 imágenes, para mildiu velloso 896 imágenes y 1,090 imágenes sanas para un total de 3,956 imágenes de hojas de quinua del centro agronómico K'ayra en el sector de Leticia, San Jerónimo, Cusco, Perú, de las cuales el 70% fueron consideradas para entrenamiento, el 20% para validación y el 10% para pruebas .El modelo propuesto funcionó correctamente con una precisión del 89,498%, lo cual permitirá a los agricultores de la quinua detectar tempranamente las enfermedades, esperando que conduzca a un aumento de la producción de la quinua en todo el mundo.