Detección de zonas infectadas en cultivos de arroz utilizando imágenes RGB y Machine Learning

• Autor: Rivera Cartagena, Angig Gianella
• 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:20.500.12802/16481
• Enlace del recurso: https://hdl.handle.net/20.500.12802/16481
• Nivel de acceso: acceso abierto
• Materia: Sogata; Aprendizaje automático; Imágenes RGB; Arroz; Detección de plagas; https://purl.org/pe-repo/ocde/ford#2.02.04

El estudio tuvo como objetivo desarrollar un método basado en imágenes RGB y aprendizaje automático para identificar zonas infectadas por la plaga Sogata en cultivos de arroz, una amenaza significativa para la producción agrícola. Para ello, se recopiló 1500 imágenes de cultivos afectados y no afectados de la región Lambayeque y Pacanguilla, con ayuda de un dron equipo con cámara RGB de alta resolución. Los datos fueron pre procesados mediante técnicas avanzadas para optimizar su calidad y se entrenaron modelos de clasificación, incluyendo como Visual Geometry Group 16 (VGG16) y redes neuronales residuales 50 (ResNet50). El modelo VGG16 mostró el mejor desempeño, alcanzando una precisión del 98.274%, gracias a su capacidad para extraer características visuales complejas y diferenciarlas de manera eficiente. La metodología permitió identificar patrones específicos asociados con infestaciones, lo que asegura un diagnóstico temprano y confiable. Como resultado, se desarrolló una aplicación intuitiva que facilita a los agricultores detectar áreas afectadas por la plaga, permitiendo tomar decisiones oportunas para su manejo y control. Este enfoque ofrece una herramienta accesible y eficiente, minimizando el impacto económico de las infestaciones y promoviendo prácticas agrícolas sostenibles. Los resultados obtenidos subrayan el potencial del aprendizaje automático en la mejora de sistemas agrícolas, contribuyendo a la resiliencia y sostenibilidad en la producción del arroz.