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
id UUPC_8c80b8e37e11e00b29defae921d9661f
oai_identifier_str oai:repositorioacademico.upc.edu.pe:10757/675351
network_acronym_str UUPC
network_name_str UPC-Institucional
repository_id_str 2670
dc.title.es_PE.fl_str_mv Detección de enfermedades y plagas en cultivos de tomate mediante el análisis de imágenes con Deep Learning
dc.title.alternative.none.fl_str_mv Disease and pest detection in tomato crops through image analysis using Deep Learning
title Detección de enfermedades y plagas en cultivos de tomate mediante el análisis de imágenes con Deep Learning
spellingShingle Detección de enfermedades y plagas en cultivos de tomate mediante el análisis de imágenes con Deep Learning
Tapia Martel, Jesus Brian
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
title_short Detección de enfermedades y plagas en cultivos de tomate mediante el análisis de imágenes con Deep Learning
title_full Detección de enfermedades y plagas en cultivos de tomate mediante el análisis de imágenes con Deep Learning
title_fullStr Detección de enfermedades y plagas en cultivos de tomate mediante el análisis de imágenes con Deep Learning
title_full_unstemmed Detección de enfermedades y plagas en cultivos de tomate mediante el análisis de imágenes con Deep Learning
title_sort Detección de enfermedades y plagas en cultivos de tomate mediante el análisis de imágenes con Deep Learning
author Tapia Martel, Jesus Brian
author_facet Tapia Martel, Jesus Brian
Jose Miguel Villanueva Arteaga
Luis Alberto Castro De La Cruz
Gustavo Adolfo Castro Castillo
author_role author
author2 Jose Miguel Villanueva Arteaga
Luis Alberto Castro De La Cruz
Gustavo Adolfo Castro Castillo
author2_role author
author
author
dc.contributor.advisor.fl_str_mv Vargas Cirilo, Hernán Roger
dc.contributor.author.fl_str_mv Tapia Martel, Jesus Brian
Jose Miguel Villanueva Arteaga
Luis Alberto Castro De La Cruz
Gustavo Adolfo Castro Castillo
dc.subject.none.fl_str_mv Aprendizaje profundo
Agricultura
Infecciones de tomate
CNN
Transformación Visual
Deep learning
Agriculture
Tomato Infections
Visual Transformer
topic 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
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description 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.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-08-20T12:40:30Z
dc.date.available.none.fl_str_mv 2024-08-20T12:40:30Z
dc.date.issued.fl_str_mv 2024-04-29
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.other.es_PE.fl_str_mv Trabajo de investigación
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
format masterThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10757/675351
dc.identifier.isni.es_PE.fl_str_mv 000000012196144X
url http://hdl.handle.net/10757/675351
identifier_str_mv 000000012196144X
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
http://purl.org/coar/access_right/c_abf2
dc.format.en_US.fl_str_mv application/pdf
application/epub
application/msword
dc.publisher.es_PE.fl_str_mv Universidad Peruana de Ciencias Aplicadas (UPC)
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Universidad Peruana de Ciencias Aplicadas (UPC)
Repositorio Académico - UPC
dc.source.none.fl_str_mv reponame:UPC-Institucional
instname:Universidad Peruana de Ciencias Aplicadas
instacron:UPC
instname_str Universidad Peruana de Ciencias Aplicadas
instacron_str UPC
institution UPC
reponame_str UPC-Institucional
collection UPC-Institucional
bitstream.url.fl_str_mv https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/10/Tapia_MJ_Fichaautorizacion.pdf.jpg
https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/12/Tapia_MJ_Reportesimilitud.pdf.jpg
https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/14/Tapia_MJ_Actasimilitud.pdf.jpg
https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/17/Tapia_MJ.pdf.jpg
https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/6/Tapia_MJ.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/9/Tapia_MJ_Fichaautorizacion.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/11/Tapia_MJ_Reportesimilitud.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/13/Tapia_MJ_Actasimilitud.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/15/Tapia_MJ.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/2/Tapia_MJ_Fichaautorizacion.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/4/Tapia_MJ_Reportesimilitud.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/5/Tapia_MJ_Actasimilitud.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/16/Tapia_MJ.docx
bitstream.checksum.fl_str_mv 1f2e04c902621955fb2e94bd9ff698d0
d0aaeed49791512e2d8b3899359d517c
c617d13a1aeb9c50162363edd02ec17c
60fdd3047d3407b111456c0e7576566e
ed46b43276f74cceabf455a4d2474b32
d7483cc1757abc1768caf2057c00d0e8
52feba93e0861d0da4cbf864b0410567
e21075552147f5cf21c051ac7339ec69
f3328405e6c18713ee83d1de41789369
9ee1f2fec8a7d60a501ffc13e4f261a8
0ccd755651abc544c70e98393ce071b3
4cfc6e70c9ae2ab8fc728b7e42fd30fa
1963c0c102da8aa9095bad57f25fc4b0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio académico upc
repository.mail.fl_str_mv upc@openrepository.com
_version_ 1837187166466211840
spelling f6ed7902cf97c9d604216c8b7d8d4a71Vargas Cirilo, Hernán Rogerc50ecfcdf3cba0358861334310b4e71d5004897ce173ffdfa286573ae7020905b5a500d62cd9b7bdfb950fdf85af532805dfdd500bdcc524f47f9c952768917730dcb1d1d300Tapia Martel, Jesus BrianJose Miguel Villanueva ArteagaLuis Alberto Castro De La CruzGustavo Adolfo Castro Castillo2024-08-20T12:40:30Z2024-08-20T12:40:30Z2024-04-29http://hdl.handle.net/10757/675351000000012196144XLa 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.Agriculture in Peru faces significant challenges due to pests and diseases, largely stemming from limitations in accessing essential tools and technologies for monitoring and preserving crop health. This issue is exacerbated in a global context, especially in the face of the El Niño phenomenon, which increases the need for care on the part of farmers. This study focuses on exploring various Deep Learning models applied to an extensive dataset consisting of photographs of tomato crop leaves. These images have been meticulously categorized according to the type of disease and pest they exhibit. In addition to this analysis, the project's investment cost is thoroughly examined, and the break-even point necessary for its long-term sustainability is determined. A crucial component of the research includes a comprehensive analysis of precision and loss ratios obtained through the application of these Deep Learning models. This analysis not only provides valuable insights into the effectiveness of the models but also serves as a basis for an informed recommendation on selecting the most suitable model to address the specific challenges of tomato crops in the Peruvian agricultural context. In summary, this study seeks not only to understand the complexities of diseases and pests in tomato crops but also to offer practical solutions backed by rigorous analysis and concrete data.Trabajo de investigaciónapplication/pdfapplication/epubapplication/mswordspaUniversidad Peruana de Ciencias Aplicadas (UPC)PEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2Universidad Peruana de Ciencias Aplicadas (UPC)Repositorio Académico - UPCreponame:UPC-Institucionalinstname:Universidad Peruana de Ciencias Aplicadasinstacron:UPCAprendizaje profundoAgriculturaInfecciones de tomateCNNTransformación VisualDeep learningAgricultureTomato InfectionsVisual Transformerhttps://purl.org/pe-repo/ocde/ford#2.02.04Detección de enfermedades y plagas en cultivos de tomate mediante el análisis de imágenes con Deep LearningDisease and pest detection in tomato crops through image analysis using Deep Learninginfo:eu-repo/semantics/masterThesisTrabajo de investigaciónhttp://purl.org/coar/resource_type/c_7a1fSUNEDUUniversidad Peruana de Ciencias Aplicadas (UPC). Escuela de PostgradoMaestríaData ScienceMaestro en Data Science2024-08-20T17:09:02Zhttps://purl.org/pe-repo/renati/type#trabajoDeInvestigacionhttps://orcid.org/0000-0001-7416-17538570593https://purl.org/pe-repo/renati/level#maestro612997Talavera Velásquez Oscar ReynaldoAyesta Castro Augusto NarcisoVargas Cirilo Hernán Roger46980661460558874129870610118564CONVERTED2_3972372CONVERTED2_3955216THUMBNAILTapia_MJ_Fichaautorizacion.pdf.jpgTapia_MJ_Fichaautorizacion.pdf.jpgGenerated Thumbnailimage/jpeg37532https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/10/Tapia_MJ_Fichaautorizacion.pdf.jpg1f2e04c902621955fb2e94bd9ff698d0MD510falseTapia_MJ_Reportesimilitud.pdf.jpgTapia_MJ_Reportesimilitud.pdf.jpgGenerated Thumbnailimage/jpeg40615https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/12/Tapia_MJ_Reportesimilitud.pdf.jpgd0aaeed49791512e2d8b3899359d517cMD512falseTapia_MJ_Actasimilitud.pdf.jpgTapia_MJ_Actasimilitud.pdf.jpgGenerated Thumbnailimage/jpeg42797https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/14/Tapia_MJ_Actasimilitud.pdf.jpgc617d13a1aeb9c50162363edd02ec17cMD514falseTapia_MJ.pdf.jpgTapia_MJ.pdf.jpgGenerated Thumbnailimage/jpeg36494https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/17/Tapia_MJ.pdf.jpg60fdd3047d3407b111456c0e7576566eMD517falseTEXTTapia_MJ.pdf.txtTapia_MJ.pdf.txtExtracted texttext/plain130436https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/6/Tapia_MJ.pdf.txted46b43276f74cceabf455a4d2474b32MD56falseTapia_MJ_Fichaautorizacion.pdf.txtTapia_MJ_Fichaautorizacion.pdf.txtExtracted texttext/plain2804https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/9/Tapia_MJ_Fichaautorizacion.pdf.txtd7483cc1757abc1768caf2057c00d0e8MD59falseTapia_MJ_Reportesimilitud.pdf.txtTapia_MJ_Reportesimilitud.pdf.txtExtracted texttext/plain3762https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/11/Tapia_MJ_Reportesimilitud.pdf.txt52feba93e0861d0da4cbf864b0410567MD511falseTapia_MJ_Actasimilitud.pdf.txtTapia_MJ_Actasimilitud.pdf.txtExtracted texttext/plain1284https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/13/Tapia_MJ_Actasimilitud.pdf.txte21075552147f5cf21c051ac7339ec69MD513falseORIGINALTapia_MJ.pdfTapia_MJ.pdfapplication/pdf2544391https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/15/Tapia_MJ.pdff3328405e6c18713ee83d1de41789369MD515trueTapia_MJ_Fichaautorizacion.pdfTapia_MJ_Fichaautorizacion.pdfapplication/pdf195342https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/2/Tapia_MJ_Fichaautorizacion.pdf9ee1f2fec8a7d60a501ffc13e4f261a8MD52falseTapia_MJ_Reportesimilitud.pdfTapia_MJ_Reportesimilitud.pdfapplication/pdf17768280https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/4/Tapia_MJ_Reportesimilitud.pdf0ccd755651abc544c70e98393ce071b3MD54falseTapia_MJ_Actasimilitud.pdfTapia_MJ_Actasimilitud.pdfapplication/pdf126211https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/5/Tapia_MJ_Actasimilitud.pdf4cfc6e70c9ae2ab8fc728b7e42fd30faMD55falseTapia_MJ.docxTapia_MJ.docxapplication/vnd.openxmlformats-officedocument.wordprocessingml.document17868578https://repositorioacademico.upc.edu.pe/bitstream/10757/675351/16/Tapia_MJ.docx1963c0c102da8aa9095bad57f25fc4b0MD516false10757/675351oai:repositorioacademico.upc.edu.pe:10757/6753512025-06-26 13:12:31.32Repositorio académico upcupc@openrepository.com
score 13.439101
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).