Redes neuronales convolucionales para la detección de enfermedades en arroz: una Revisión Sistemática

• Autores: Fernandez Fernandez, Kenedy David, Pinglo Cabezas, Williams Rafael
• 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:20.500.12802/14298
• Enlace del recurso: https://hdl.handle.net/20.500.12802/14298
• Nivel de acceso: acceso abierto
• Materia: Detección de enfermedades en plantas; Redes neuronales convolucionales; Revisión sistemática; Inteligencia artificial y aprendizaje automático; https://purl.org/pe-repo/ocde/ford#2.02.04

La detección temprana de enfermedades en cultivos de arroz es fundamental para mantener la productividad agrícola y asegurar la seguridad alimentaria a nivel mundial. En los últimos años, las redes neuronales convolucionales (CNN) han mostrado un gran potencial en la identificación y clasificación de enfermedades en plantas. Esta revisión sistemática se enfoca en analizar y sintetizar estudios recientes que emplean CNN para la detección de enfermedades en cultivos de arroz u plantas. Investigando varios artículos con enfoques de clasificación de imágenes, metodologías y la identificación de patrones anormales en las hojas de arroz u otras plantas que también son atacadas por la misma enfermedad. Los resultados obtenidos de los distintos artículos indican que las CNN mejora la precisión en los modelos con porcentajes superior al 90% y una eficiencia cercana al 98% de los modelos entrenados normalmente, superando a las técnicas tradicionales y otros modelos de aprendizaje automático. No obstante, se destacan ciertos desafíos, como la segmentación de imágenes de baja calidad y la escasez de datos etiquetados, además del alto costo computacional asociado. Esta revisión proporciona un estudio sobre las aplicaciones actuales de las CNN para detección temprana enfermedades en arroz u plantas, ubicando tendencias emergentes futuras en la investigación, además de ofrecer recomendaciones prácticas para investigadores y profesionales en el sector agrícola.