Revisión sistemática sobre la detección de insectos minadores en cultivos mediante inteligencia artificial y análisis de imágenes

• Autores: Guzman Reaño, Brayan Hipolito, Huaman Lopez, Brandon Saul
• 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:20.500.12802/17058
• Enlace del recurso: https://hdl.handle.net/20.500.12802/17058
• Nivel de acceso: acceso abierto
• Materia: Liriomyza; Redes neuronales convolucionales; Método PRISMA; Gestión integrada de plagas; Detección de objetos; https://purl.org/pe-repo/ocde/ford#2.02.04

Los insectos minadores de hojas (Liriomyza spp.) constituyen una amenaza crítica para la seguridad alimentaria global, volviendo ineficiente el monitoreo manual debido a su latencia y subjetividad. El presente estudio tuvo como objetivo analizar la evolución y desempeño de la Inteligencia Artificial aplicada a la detección de estas plagas mediante una revisión sistemática bajo las directrices PRISMA 2020. Se procesaron y sintetizaron 81 estudios primarios provenientes de Scopus y Web of Science hasta el año 2024. Los resultados evidencian un crecimiento exponencial de la producción científica con un pico en 2023-2024, liderada geográficamente por China, y marcan una transición tecnológica definitiva donde las arquitecturas de Deep Learning (CNN y YOLO) han desplazado a los algoritmos clásicos de Machine Learning. Si bien la precisión de los modelos actuales supera frecuentemente el 98%, se identificó una desconexión crítica entre la exactitud académica y la viabilidad operativa en campo debido a la alta demanda computacional. Se concluye que la agenda de investigación futura debe priorizar el desarrollo de arquitecturas ligeras (lightweight) para dispositivos de borde y la creación de datasets enfocados en estadios tempranos de la plaga, permitiendo pasar de una detección reactiva de daños a una gestión preventiva automatizada.