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...
Autores: | , , , |
---|---|
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).
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).