Detección de enfermedades y plagas en cultivos de tomate mediante el análisis de imágenes con Deep Learning

Descripción del Articulo

La agricultura en Perú enfrenta desafíos significativos debido a plagas y enfermedades, derivados en gran medida de limitaciones en el acceso a herramientas y tecnologías esenciales para monitorear y preservar la salud de los cultivos. Esta problemática se intensifica en un contexto global, especial...

Descripción completa

Detalles Bibliográficos
Autores: Tapia Martel, Jesus Brian, Jose Miguel Villanueva Arteaga, Luis Alberto Castro De La Cruz, Gustavo Adolfo Castro Castillo
Formato: tesis de maestría
Fecha de Publicación:2024
Institución:Universidad Peruana de Ciencias Aplicadas
Repositorio:UPC-Institucional
Lenguaje:español
OAI Identifier:oai:repositorioacademico.upc.edu.pe:10757/675351
Enlace del recurso:http://hdl.handle.net/10757/675351
Nivel de acceso:acceso abierto
Materia:Aprendizaje profundo
Agricultura
Infecciones de tomate
CNN
Transformación Visual
Deep learning
Agriculture
Tomato Infections
Visual Transformer
https://purl.org/pe-repo/ocde/ford#2.02.04
Descripción
Sumario:La agricultura en Perú enfrenta desafíos significativos debido a plagas y enfermedades, derivados en gran medida de limitaciones en el acceso a herramientas y tecnologías esenciales para monitorear y preservar la salud de los cultivos. Esta problemática se intensifica en un contexto global, especialmente ante el riesgo del fenómeno del Niño, que aumenta la necesidad de cuidado por parte de los agricultores. El presente estudio se enfoca en explorar diversos modelos de Deep Learning aplicados a un extenso conjunto de datos compuesto por fotografías de hojas de cultivo de tomate. Estas imágenes han sido meticulosamente categorizadas según el tipo de enfermedad y plaga que presentan. Además de este análisis, se examina detalladamente el costo de inversión del proyecto y se determina el punto de equilibrio necesario para su sostenibilidad a largo plazo. Un componente crucial de la investigación incluye un análisis exhaustivo de las ratios de precisión y pérdida obtenidos a través de la aplicación de estos modelos de Deep Learning. Este análisis no solo brinda insights valiosos sobre la eficacia de los modelos, sino que también sirve como base para una recomendación informada sobre la selección del modelo más adecuado para abordar las problemáticas específicas de los cultivos de tomate en el contexto agrícola peruano. En resumen, este estudio busca no solo comprender las complejidades de las enfermedades y plagas en los cultivos de tomate, sino también ofrecer soluciones prácticas respaldadas por análisis rigurosos y datos concretos.
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).