Revisión sistemática sobre la detección automática de frutos y estimación de rendimiento mediante redes neuronales convolucionales

• Autor: Regalado Diaz, Claudia
• 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:20.500.12802/17048
• Enlace del recurso: https://hdl.handle.net/20.500.12802/17048
• Nivel de acceso: acceso abierto
• Materia: Detección automática de frutos; Estimación de rendimiento agrícola; Redes neuronales convolucionales; Visión por computadora,; Agricultura de precisión; https://purl.org/pe-repo/ocde/ford#2.02.04

La estimación del rendimiento agrícola representa un reto para la agricultura de precisión debido a las limitaciones de los métodos tradicionales basados en conteo y muestreo manual. Frente a ello, las redes neuronales convolucionales se han consolidado como una alternativa eficiente para la detección automática de frutos y la estimación del rendimiento a partir de imágenes. El objetivo de esta investigación fue realizar una revisión sistemática de la literatura científica sobre la aplicación de CNN en dichos procesos. La metodología se basó en el protocolo PRISMA 2020, mediante búsquedas en las bases de datos Scopus y Web of Science, seleccionándose 69 estudios relevantes. Los resultados evidencian un incremento sostenido de investigaciones en este campo, destacando arquitecturas como YOLO, Faster R-CNN, Mask R-CNN y EfficientNet, las cuales reportan altos niveles de precisión y desempeño en distintos cultivos. No obstante, la discusión identifica desafíos asociados a la variabilidad de iluminación, la oclusión de frutos y la falta de conjuntos de datos estandarizados. En conclusión, la evidencia analizada confirma el potencial de las CNN como herramientas efectivas para mejorar la estimación del rendimiento agrícola y fortalecer el desarrollo de la agricultura de precisión.