Detección de enfermedades en hojas de tomate usando aprendizaje profundo

Edgar R. Arredondo-Basurto, J. Félix Serrano-Talamantes, Mauricio Olguín-Carbajal, Jacobo Sandoval-Gutiérrez, Juan C. Herrera-Lozada, Israel Rivera-Zárate, Miguel Hernández-Bolaños

Abstract


En 2023, el sector agrícola de México representó el 2.2% del Producto Interno Bruto (PIB). Sin embargo, este sector se encuentra continuamente amenazado por bacterias, virus o enfermedades que podrían tener un impacto financiero significativo en los agricultores. Por esta razón, la identificación y detección temprana de enfermedades adquiere una gran relevancia. Para lograrlo, el agricultor debe contar con una formación integral que abarque diversas disciplinas, experiencia en el reconocimiento de síntomas y un conocimiento profundo de la amplia gama de causas de estas enfermedades. En la presente investigación, centrada en las plantas de tomate, se desarrolló un sistema de reconocimiento de imágenes basado en técnicas de aprendizaje profundo (deep learning) para identificar enfermedades en los cultivos de tomate y ponerlo a disposición de los usuarios finales a través de un sistema web. Las pruebas realizadas muestran hasta un 98% de precisión en la clasificación, lo que subraya su potencial en aplicaciones agrícolas.

Keywords


Red neuronal artificial, clasificador, aprendizaje profundo (deep learning), aprendizaje automático (machine learning)

Full Text: PDF (Spanish)