Agricultura de precisión para la detección de hierbas malas mediante imágenes con deep learning en el distrito de La Joya, 2024

• Autores: Lama Campano, Gerson Joaquin, Rivera Santillana, Karen Yolanda
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/12172
• Enlace del recurso: https://hdl.handle.net/20.500.12867/12172
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje automático; Deep learning; Agricultura de precisión; https://purl.org/pe-repo/ocde/ford#2.02.04

El presente proyecto de tesis busca mitigar la presencia y crecimiento excesivo de hierbas malas en el distrito de La Joya, especialmente en los cultivos de alfalfa, que representan una especie de flora local bastante común y demandada para la alimentación de diversas especies de ganado alto andino. Del mismo modo, se busca reducir el tiempo que invierten los agricultores para identificar estos brotes y reducirlo respecto a la eliminación de estos malos cultivos. Para este desarrollo, se utilizará como base un dataset de imágenes propias, el cual será consistentemente enriquecido con imágenes que se ajusten al perfil de cultivos de alfalfa en el distrito de La Joya. Luego, se utilizará este dataset para entrenar un modelo creado en YOLOv8 que identifica en tiempo real la presencia de hierbas malas utilizando una cámara. Por último, el modelo entrenado será integrado en una aplicación móvil para ser probado y terminado con la finalidad de que los agricultores, o usuarios en general, puedan realizar labores de gestión de malezas con la menor cantidad de recursos.