Desarrollo de un sistema inteligente con redes neuronales para la detección de la queresa en cultivos de manzana, Cañete, 2024

• Autor: Gonzales Salas, Jenniffer Cristina
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/10458
• Enlace del recurso: https://hdl.handle.net/20.500.12867/10458
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales convolucionales; Machine learning; Enfermedades; https://purl.org/pe-repo/ocde/ford#2.11.03

El cultivo de manzanas es una actividad agrícola clave a nivel mundial, con China, la Unión Europea y Estados Unidos como principales productores. En Perú, los agricultores enfrentan retos como el aumento de costos y la necesidad de altos rendimientos, lo que resalta la importancia de mejorar la calidad y detectar de forma temprana las enfermedades. Con más de 11,000 hectáreas de cultivo de manzana, Perú presenta deficiencias en la gestión agronómica que limitan su productividad. Ante este escenario, se propone una solución enfocada en la detección de la queresa, la principal plaga que afecta a los cultivos en la Rinconada de Conta. Para ello, se desarrolla una red neuronal convolucional (CNN) que facilita la detección de la queresa, acompañada por una aplicación móvil diseñada para ayudar a los agricultores. Este proyecto sigue un enfoque cuantitativo y un diseño experimental para crear un sistema escalable de detección de la queresa en los cultivos de manzana, con potencial de adaptación a otras plagas y cultivos, contribuyendo a una agricultura más sostenible. La tesis emplea la metodología CRISP-DM para desarrollar la CNN, cuya predicción se realiza en Google Colab. Esta red no solo identifica si una manzana en una imagen tiene queresa, sino que también analiza carpetas de imágenes, mostrando cuántas manzanas están sanas o afectadas y el porcentaje de frutos sanos. Además, el despliegue de esta solución en la aplicación AppleRdC permitirá a los agricultores detectar la queresa de manera temprana y precisa, directamente desde sus dispositivos móviles, mejorando la eficiencia en la gestión de sus cultivos.