Modelo de visión artificial basada en redes neuronales convolucionales para identificación de mazorca negra en plantaciones de cacao
La detección temprana de la mazorca negra en plantaciones de cacao representa un desafío clave en el sector agrícola, ya que afecta el rendimiento y la calidad del grano. La falta de métodos avanzados dificulta su identificación oportuna. Este estudio desarrolla modelos de visión artificial basados...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad Nacional de San Martín
2025-01-01
|
| Series: | Revista Científica de Sistemas e Informática |
| Subjects: | |
| Online Access: | https://revistas.unsm.edu.pe/index.php/rcsi/article/view/678 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | La detección temprana de la mazorca negra en plantaciones de cacao representa un desafío clave en el sector agrícola, ya que afecta el rendimiento y la calidad del grano. La falta de métodos avanzados dificulta su identificación oportuna. Este estudio desarrolla modelos de visión artificial basados en redes neuronales convolucionales (CNN) para mejorar su detección. Durante nueve meses, recolectamos y etiquetamos 1982 imágenes de mazorcas afectadas en cinco parcelas del sector Shitarillo, distrito de Alto Saposoa, San Martín. Implementamos YOLOv8, InceptionV3 y VGG19, aplicando transferencia de aprendizaje para optimizar la clasificación. Dividimos los datos en 70% para entrenamiento, 20% para validación y 10% para pruebas. YOLOv8 e InceptionV3 alcanzaron una precisión promedio del 79%, superando a VGG19. Las métricas de evaluación, junto con pruebas ANOVA y Tukey, confirmaron que ambos modelos ofrecieron un desempeño superior sin diferencias significativas entre ellos. YOLOv8 destacó por su mayor robustez y exactitud, lo que sugiere su implementación en sistemas de detección temprana para optimizar el control de la enfermedad en plantaciones de cacao.
|
|---|---|
| ISSN: | 2709-992X |