Desarrollo de un software usando redes neuronales para el diagnóstico de Alternaria solani y Phytophthora infestans en hojas de papa

• Autor: Torres Arela, Kirk Javier
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/22404
• Enlace del recurso: https://hdl.handle.net/20.500.12773/22404
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales convolucionales; Alternaria solani; Phytophthora infestans; https://purl.org/pe-repo/ocde/ford#4.01.06

Esta investigación desarrolló un software basado en redes neuronales convolucionales (CNN) para la identificación de enfermedades como: Alternaria solani (tizón temprano) y Phytophthora infestans (tizón tardío) en hojas de papa (Solanum tuberosum L.). Se recopiló un conjunto de imágenes de hojas sanas y enfermas, las cuales fueron preprocesadas y aumentadas para mejorar la robustez del modelo. La CNN, implementada con la API Sequential de TensorFlow, estuvo compuesta por capas convolucionales, de pooling y densas, alcanzando un total de 3 671 235 parámetros entrenables. El modelo fue entrenado y validado, obteniendo una exactitud del 100% en la clasificación de tres clases (Potato___Early_blight, Potato___Late_blight y Potato___healthy) en el conjunto de prueba. El modelo entrenado se integró en una interfaz web mediante TensorFlow.js, permitiendo realizar predicciones en tiempo real directamente desde la cámara del dispositivo, con un diseño intuitivo y fácil de usar, sin requerir conocimientos técnicos especializados. Los resultados demuestran que los sistemas basados en CNN pueden proporcionar herramientas de identificación de enfermedades fitosanitarias precisas, rápidas y accesibles para el cultivo de papa, contribuyendo a mejorar la productividad agrícola y el manejo de enfermedades en la región de Arequipa.