Resumen:
El gran desarrollo que han tenido las Redes Neuronales Artificiales (RNA) en los últimos años ha causado un enorme impacto en las diversas áreas del conocimiento, incluyendo la Biología. Las RNA pueden ser entrenadas para aprender a clasificar patrones en imágenes, con distintos propósitos. El presente proyecto de titulación tiene como objetivo desarrollar un sistema capaz de reconocer 3 tipos de hongos presentes en plantas de maíz, mediante el uso de microfotografías. El sistema está basado en Morfometría y en el uso de algoritmos de Redes Neuronales Profundas (Deep Neural Networks) con lo que se ha logrado el aprendizaje de patrones a partir de un conjunto de imágenes. Las imágenes utilizadas para el entrenamiento de la red neuronal fueron obtenidas del laboratorio de Fitopatología de la Agencia de Regulación y Control Fito y Zoosanitario - AGROCALIDAD, institución pública adscrita al Ministerio de Agricultura y Ganadería. Dichas imágenes pertenecen a 3 plagas que afectan al maíz: Curvularia lunata, Ustilago maydis, y Helminthosporium maydis. El módulo de Morfometría implementado permite procesar la imagen y realizar las mediciones de las plagas en cada muestra. Las mediciones se alojan en la base de conocimiento y las imágenes tratadas se guardan dentro del corpus de imágenes para su aprendizaje. Fueron implementados 4 tipos de algoritmos, 2 de Clasificación y 2 tipos de RNA, de los cuales para el módulo de Morfometría se obtuvieron mejores resultados con el algoritmo Random Forest, ya que obtuvo un margen de confiabilidad de 99 % y para el módulo de Diagnostico se obtuvo un mejor aprendizaje con la Red Neuronal Convolucional, ya que los resultados logrados tuvieron un margen de confiabilidad del 98 %.
