Detección de cultivos infectados con tizón tardío en la papa (solanum tuberosum) basado en imágenes

Abstract

El proyecto consiste en el desarrollo de un modelo de detección de la enfermedad tizón tardío en los cultivos de papa aprovechando la fuerza de la Inteligencia Artificial y el aprendizaje profundo, modelo al cual también se le entreno para detectar el tizón temprano ya que comparten formas, colores, y texturas parecidas. Mediante el uso de algoritmos de visión por computadora, se procesan imágenes de hojas de papa, enfocándose específicamente en identificar y segmentar posibles áreas de infección.

Se genera una base de datos de diferentes repositorios de uso libre, para posteriormente con TensorFlow, popular en ámbitos de aprendizaje profundo, poder construir y entrenar un modelo de red neuronal convolucional. Este tipo de modelo es especialmente eficiente en tareas de procesamiento y clasificación de imágenes.

Una vez procesada la base de datos, se implementan técnicas de aumento de datos, como rotaciones y reflejos, para robustecer el modelo frente a variaciones y garantizar que pueda detectar el tizón en diferentes condiciones y etapas de la enfermedad. Además, se divide la base de datos en conjuntos de entrenamiento, validación y prueba, permitiendo evaluar de forma precisa el rendimiento del modelo.

La arquitectura del modelo convolucional se compone de múltiples capas, incluyendo capas de convolución, reducción de dimensionalidad y capas densamente conectadas. Este diseño busca extraer características esenciales de las imágenes y usarlas para realizar una clasificación efectiva. Esta solución no solo ofrece una herramienta de diagnóstico precisa sino también una estrategia proactiva para la gestión y tratamiento de cultivos.