bachelorThesis
Detección de la Sigatoka Negra en los cultivos del genero musa mediante el procesamiento de imágenes.
Fecha
2023-03Autor
Paez Santana, Melanie Karla
Tola Romero, María Daniela
Institución
Resumen
La Sigatoka Negra es una de las enfermedades más agresivas y destructivas que afecta los plantíos de banano de las familias ecuatorianas, sin embargo, son pocas las herramientas tecnológicas que existen para detectar esta enfermedad en las plantaciones y por consiguiente, no existe alguna que identifique la Sigatoka Negra en sus primeras etapas de contagio. La presente investigación se dedicó a detectar etapas tempranas de Sigatoka Negra en cultivos de musa mediante el uso de redes neuronales artificiales para minimizar el impacto de esta enfermedad en las plantaciones. Para obtener los resultados se emplearon modelos de clasificación de imágenes aplicando técnicas de Transfer Learning tomando como base de datos un banco de fotografías tomadas por los autores en el cantón Marcabeli, Provincia del Oro. El algoritmo obtuvo como resultado una precisión del 84%, lo que indica la efectividad de las redes neuronales para la detección temprana de Sigatoka Negra en los cultivos mediante el procesamiento de imágenes y los beneficios de implementación que puede tener en el sector bananero. Black Sigatoka is one of the most aggressive and destructive diseases that affects the banana plantations of Ecuadorian families, however, there are few technological tools that exist to detect this disease in plantations and therefore, there is no one that identifies Black Sigatoka in its early stages of contagion. The present research was dedicated to detecting early stages of Black Sigatoka in muse cultures by using artificial neural networks to minimize the impact of this disease on plantations. To obtain the results, image classification models were used applying Transfer Learning techniques taking as a database a bank of photographs taken by the authors in the canton Marcabeli, Provincia Del Oro. The algorithm resulted in an accuracy of 84%, indicating the effectiveness of neural networks for early detection of Black Sigatoka in crops through image processing and the deployment benefits it can have in the banana sector.