Desarrollo de un prototipo para la identificación automática de plagas y enfermedades en el cultivo de papa, utilizando técnicas de inteligencia artificial en la ciudad de Latacunga”
No Thumbnail Available
Date
2024-03
Advisors
Journal Title
Journal ISSN
Volume Title
Publisher
Ecuador: Latacunga: Universidad Técnica de Cotopaxi; (UTC)
Abstract
El presente proyecto de investigación aborda la identificación de plagas y enfermedades en el cultivo de papa en la ciudad de Latacunga, mediante técnicas de Inteligencia Artificial, por medio del juicio de expertos y de la revisión de la literatura científica, considerando para este proyecto la visión artificial mediante el entrenamiento con redes neuronales convolucionales (CNN), cuyos resultados se presentan en una interfaz móvil, la cual fue diseñada para los agricultores del cultivo de papa. Para el desarrollo y entrenamiento del modelo se empleó la metodología KDD, y se usaron herramientas de aprendizaje automático. Además, se empleó Google Colab como plataforma de desarrollo, Python como lenguaje de programación, Keras para la creación del modelo con su motor de ejecución, TensorFlow y Android Studio para crear la interfaz móvil. En el proceso de entrenamiento y prueba del modelo se utilizó 2501 imágenes de plagas y enfermedades basadas en fotografías la cuales fueron divididas en 4 clases como: hojas sanas, hojas con la plaga pulguilla de la papa, hojas con tizón temprano y tardío. Con el objetivo de seleccionar el mejor modelo propuesto, se compararon cinco arquitecturas basadas en transfer learning como: ResNet50, VGG19, InceptionV3, EfficientNetB0 y MobileNet. Además, se desarrolló un modelo propio con una precisión del 95,34 %, el mismo que fue integrado en el prototipo de software para la identificación de plagas y enfermedades.
Description
The present research project addresses the identification of pests and diseases in potato cultivation in Latacunga city, through Artificial Intelligence techniques, as well as the judgment of experts and the review of scientific literature, considering for this project the artificial vision through training with convolutional neural networks (CNN), whose results are presented in a mobile interface, which is designed for potato farmers. For the development and training of the model, the Discovery Knowledge in Databases (KDD) methodology was applied, and machine learning tools were used. In addition, Google Colab was employed as a development platform, Python as a programming language, Keras for the creation of the model with its execution engine, TensorFlow, and Android Studio to create the mobile interface. In the training and testing process of the model, 2,501 images of pests and diseases based on photographs were used, which were divided into 4 classes, such as: healthy leaves, leaves with the potato flea pest, and leaves with early and late blight. With the objective of selecting the best proposed model, five architectures based on transfer learning were compared, such as ResNet50, VGG19, InceptionV3, EfficientNetB0, and MobileNet. Moreover, an own model was developed with an accuracy of 95.34%, which was integrated into the software prototype for the identification of pests and diseases.
Keywords
INTELIGENCIA ARTIFICIAL, REDES NEURONALES CONVOLUCIONALES, TRANSFER LEARNING GOOGLE COLAB, KERAS
Citation
Gavilanez Guanoluisa, Angel Rodrigo y Saragosin Guamushig, Bryan Alexander (2024); Desarrollo de un prototipo para la identificación automática de plagas y enfermedades en el cultivo de papa, utilizando técnicas de inteligencia artificial en la ciudad de Latacunga. UTC. Latacunga. 118 p.