Técnicas de Machine Learning para la clasificación de enfermedades del maíz: Una Revisión Sistemática

• Autores: Romero Bustamante, Brayan Roberto, Torres Correa, Julio Felipe
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/15287
• Enlace del recurso: https://hdl.handle.net/20.500.12802/15287
• Nivel de acceso: acceso abierto
• Materia: Machine Learning; Clasificación de enfermedades; Revisión sistemática; Algoritmos; Redes neuronales; https://purl.org/pe-repo/ocde/ford#2.02.04

Desde la implementación de técnicas de Machine Learning (ML) en la agricultura, ha habido un creciente interés en su aplicación para la clasificación de enfermedades del maíz. Este campo de investigación está en expansión debido a la necesidad de incrementar la precisión y efectividad en la identificación de enfermedades, lo cual es crucial para la seguridad alimentaria y la optimización de recursos agrícolas. El objetivo consiste en hacer una revisión sistemática de estudios previos sobre el manejo de técnicas de ML para la clasificación de enfermedades que afectan el maíz. Este documento presenta una revisión sistemática de la investigación en curso acerca del uso de técnicas de ML en la clasificación de enfermedades del maíz. El método de la investigación se fundamenta en las directrices establecidas por PRISMA( Elementos de Reporte Preferido para Revisiones Sistemáticas y Meta-Análisis), así como en un procedimiento de mapeo sistemático. La revisión muestra que varios estudios han propuesto diversos algoritmos y métodos de ML, como máquinas de vectores de soporte, árboles de decisión y redes neuronales, para la clasificación de enfermedades del maíz. Sin embargo, se han identificado carencias en la implementación de prototipos y en la realización de estudios adecuados que caractericen la eficacia de estos métodos propuestos. Por lo tanto, sigue siendo necesaria una mayor investigación para comprender, caracterizar y evaluar mejor la utilidad de las técnicas de ML en la clasificación de enfermedades del maíz