Aplicación de redes neuronales convolucionales para la detección temprana del Pulgón negro en la planta de tara

• Autores: Calderon Burga, Ivan Adriano, Castañeda Jimenez, Franklin Roger
• Formato: tesis de grado
• Fecha de Publicación: 2026
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/17425
• Enlace del recurso: https://hdl.handle.net/20.500.12802/17425
• Nivel de acceso: acceso abierto
• Materia: Red neuronal convolucional (CNN); Detección temprana; Pulgón negro; Cultivo de tara; Agricultura de precisión; https://purl.org/pe-repo/ocde/ford#2.02.04

Este estudio tiene un enfoque al desarrollo un modelo propuesto de redes neuronales convolucionales (CNN) entrenado con imágenes de cultivos de tara para la detección temprana de la plaga del pulgón negro. Se recopilaron imágenes de cultivos con y sin presencia de pulgón en diferentes etapas de la plaga y se seleccionó la arquitectura de CNN, el modelo Yolo eficiente para esta tarea. El modelo fue entrenado para las agrupaciones de pulgones en etapas tempranas y su rendimiento fue evaluado en términos de precisión, Recall y F1-Score. Los resultados obtenidos demostraron que el modelo tiene una alta capacidad para detectar la plaga, especialmente en sus primeras etapas, con buenos niveles de precisión y recall, a su vez también presenta deficiencias al detectar pequeños grupos de pulgones. Esto sugiere que el uso de CNN para la detección temprana del pulgón negro en cultivos de tara es una herramienta efectiva si se trabaja con más datos e imágenes, esto es para mejorar la gestión de plagas, optimizar los rendimientos agrícolas y reducir el uso de pesticidas. En conclusión, la implementación de esta tecnología innovadora representa una solución prometedora para los agricultores, contribuyendo a la sostenibilidad y rentabilidad de la producción agrícola.