Detección y prevención de riesgo de enfermedades en plantaciones de café mediante Inteligencia Artificial

El cultivo del café es una fuente de ingresos de aproximadamente 550 mil familias en Colombia y específicamente en Santander hay más de 30 mil cafeteras. Dado que es un cultivo masivo y que representa los ingresos económicos de muchas personas, se investiga sobre las enfermedades en hojas de café, c...

Full description

Autores:
Salom Medina, Andrey Fernando
Rosas Ruiz, Luis Esteban
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/42486
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/42486
https://noesis.uis.edu.co
Palabra clave:
inteligencia artificial
café
agroindustria
imágenes
enfermedad
prevención
detección
segmentación
artificial intelligence
coffee
agribusiness
images
disease
prevention
detection
segment
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
id UISANTADR2_1f25b3497137dba9c49a8e272d544310
oai_identifier_str oai:noesis.uis.edu.co:20.500.14071/42486
network_acronym_str UISANTADR2
network_name_str Repositorio UIS
repository_id_str
dc.title.none.fl_str_mv Detección y prevención de riesgo de enfermedades en plantaciones de café mediante Inteligencia Artificial
dc.title.english.none.fl_str_mv Detection and prevention of disease risks in coffee plantations through artificial intelligence
title Detección y prevención de riesgo de enfermedades en plantaciones de café mediante Inteligencia Artificial
spellingShingle Detección y prevención de riesgo de enfermedades en plantaciones de café mediante Inteligencia Artificial
inteligencia artificial
café
agroindustria
imágenes
enfermedad
prevención
detección
segmentación
artificial intelligence
coffee
agribusiness
images
disease
prevention
detection
segment
title_short Detección y prevención de riesgo de enfermedades en plantaciones de café mediante Inteligencia Artificial
title_full Detección y prevención de riesgo de enfermedades en plantaciones de café mediante Inteligencia Artificial
title_fullStr Detección y prevención de riesgo de enfermedades en plantaciones de café mediante Inteligencia Artificial
title_full_unstemmed Detección y prevención de riesgo de enfermedades en plantaciones de café mediante Inteligencia Artificial
title_sort Detección y prevención de riesgo de enfermedades en plantaciones de café mediante Inteligencia Artificial
dc.creator.fl_str_mv Salom Medina, Andrey Fernando
Rosas Ruiz, Luis Esteban
dc.contributor.advisor.none.fl_str_mv Barrero Pérez, Jaime Guillermo
dc.contributor.author.none.fl_str_mv Salom Medina, Andrey Fernando
Rosas Ruiz, Luis Esteban
dc.contributor.evaluator.none.fl_str_mv Sepulveda Sepulveda, Franklin Alexander
Garcia Arenas, Hans Yecid
dc.subject.none.fl_str_mv inteligencia artificial
café
agroindustria
imágenes
enfermedad
prevención
detección
segmentación
topic inteligencia artificial
café
agroindustria
imágenes
enfermedad
prevención
detección
segmentación
artificial intelligence
coffee
agribusiness
images
disease
prevention
detection
segment
dc.subject.keyword.none.fl_str_mv artificial intelligence
coffee
agribusiness
images
disease
prevention
detection
segment
description El cultivo del café es una fuente de ingresos de aproximadamente 550 mil familias en Colombia y específicamente en Santander hay más de 30 mil cafeteras. Dado que es un cultivo masivo y que representa los ingresos económicos de muchas personas, se investiga sobre las enfermedades en hojas de café, centrando el proyecto en la detección de las enfermedades de roya, el bicho minador y el insecto conocido como "coco". La base de datos se obtuvo en un cultivo en El Socorro, Santander, garantizando la autenticidad de las muestras, así como de otras dos fuentes que se revisaron rigurosamente para la aplicación del proyecto. La calidad de los datos es crucial para este tipo de proyectos, para lo cual se hicieron procesos de limpieza en la base de datos donde se eliminaron imágenes redundantes, incoherentes e innecesarias, lo que asegura una base de datos lo suficientemente diversa para el proceso de entrenamiento. También se etiquetó cada una de las imágenes resultantes de la limpieza, primero usando la herramienta en línea VGG, pero dada la complejidad y el demorado proceso de etiquetar, se decidió usar SAM, una innovadora IA lanzada por el equipo de META en el 2023 que facilitó dicho proceso y proporcionó una base de datos con buena calidad de etiquetas. En el entrenamiento se usó la arquitectura MASK R-CNN, respaldada por un Backbone de RESNET 50 y 101. Además del uso de Transfer Learning con Dataset de “COCO". Luego se creó una aplicación móvil donde se puede tomar una imagen del teléfono, se envía a un servidor web alojado en Google Cloud y desde allí se procesa dicha imagen, hace una inferencia y envía el resultado de la inferencia de nuevo a la aplicación, donde el usuario puede observar las afectaciones de la imagen que previamente envió.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-05-21T13:23:46Z
dc.date.available.none.fl_str_mv 2024-05-21T13:23:46Z
dc.date.created.none.fl_str_mv 2024-05-20
dc.date.issued.none.fl_str_mv 2024-05-20
dc.type.local.none.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.hasversion.none.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv https://noesis.uis.edu.co/handle/20.500.14071/42486
dc.identifier.instname.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.reponame.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.repourl.none.fl_str_mv https://noesis.uis.edu.co
url https://noesis.uis.edu.co/handle/20.500.14071/42486
https://noesis.uis.edu.co
identifier_str_mv Universidad Industrial de Santander
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.license.none.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
eu_rights_str_mv openAccess
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Industrial de Santander
dc.publisher.faculty.none.fl_str_mv Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program.none.fl_str_mv Ingeniería Electrónica
dc.publisher.school.none.fl_str_mv Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
publisher.none.fl_str_mv Universidad Industrial de Santander
institution Universidad Industrial de Santander
bitstream.url.fl_str_mv https://noesis.uis.edu.co/bitstreams/895b92ec-9c33-4457-a45e-aa81e0704efc/download
https://noesis.uis.edu.co/bitstreams/64dfa56c-fbd2-4c45-bc7b-cada9c34b5ba/download
https://noesis.uis.edu.co/bitstreams/545a6d5d-0748-4cc1-a739-6e5aa3b99ed2/download
https://noesis.uis.edu.co/bitstreams/8f664100-f83e-4661-91f6-f7bdafc4e7d3/download
bitstream.checksum.fl_str_mv 7035d1f66eb2045ca9275c6062e2474e
00a40a10a573b4580fd0cb60392d811e
a066298ebd5fc4ee6715e57a1c98de7a
d6298274a8378d319ac744759540b71b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv DSpace at UIS
repository.mail.fl_str_mv noesis@uis.edu.co
_version_ 1808402357553201152
spelling Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Barrero Pérez, Jaime GuillermoSalom Medina, Andrey FernandoRosas Ruiz, Luis EstebanSepulveda Sepulveda, Franklin AlexanderGarcia Arenas, Hans Yecid2024-05-21T13:23:46Z2024-05-21T13:23:46Z2024-05-202024-05-20https://noesis.uis.edu.co/handle/20.500.14071/42486Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coEl cultivo del café es una fuente de ingresos de aproximadamente 550 mil familias en Colombia y específicamente en Santander hay más de 30 mil cafeteras. Dado que es un cultivo masivo y que representa los ingresos económicos de muchas personas, se investiga sobre las enfermedades en hojas de café, centrando el proyecto en la detección de las enfermedades de roya, el bicho minador y el insecto conocido como "coco". La base de datos se obtuvo en un cultivo en El Socorro, Santander, garantizando la autenticidad de las muestras, así como de otras dos fuentes que se revisaron rigurosamente para la aplicación del proyecto. La calidad de los datos es crucial para este tipo de proyectos, para lo cual se hicieron procesos de limpieza en la base de datos donde se eliminaron imágenes redundantes, incoherentes e innecesarias, lo que asegura una base de datos lo suficientemente diversa para el proceso de entrenamiento. También se etiquetó cada una de las imágenes resultantes de la limpieza, primero usando la herramienta en línea VGG, pero dada la complejidad y el demorado proceso de etiquetar, se decidió usar SAM, una innovadora IA lanzada por el equipo de META en el 2023 que facilitó dicho proceso y proporcionó una base de datos con buena calidad de etiquetas. En el entrenamiento se usó la arquitectura MASK R-CNN, respaldada por un Backbone de RESNET 50 y 101. Además del uso de Transfer Learning con Dataset de “COCO". Luego se creó una aplicación móvil donde se puede tomar una imagen del teléfono, se envía a un servidor web alojado en Google Cloud y desde allí se procesa dicha imagen, hace una inferencia y envía el resultado de la inferencia de nuevo a la aplicación, donde el usuario puede observar las afectaciones de la imagen que previamente envió.PregradoIngeniero ElectrónicoCoffee cultivation is a source of income for approximately 550,000 families in Colombia, and specifically in Santander, there are more than 30,000 coffee plants. Given that it is a massive cultivation and represents the economic livelihood of many people, research is conducted on coffee leaf diseases, focusing the project on detecting rust, leaf miner, and the insect known as "coco". The database was obtained from a plantation in El Socorro, Santander, ensuring the authenticity of the samples, as well as from two other sources that were rigorously reviewed for the project's application. Data quality is crucial for such projects, for which data cleaning processes were performed in the database, removing redundant, inconsistent, and unnecessary images, ensuring a sufficiently diverse database for the training process. Each of the resulting images from the cleaning process was also labeled, initially using the VGG online tool, but given the complexity and time-consuming nature of labeling, SAM, an innovative AI launched by the META team in 2023, was decided to be used, which facilitated the process and provided a database with good label quality. MASK R-CNN architecture, backed by a RESNET 50 and 101 backbone, was used in training, in addition to Transfer Learning with the COCO dataset. Then, a mobile application was created where users can take a picture with their phone, send it to a web server hosted on Google Cloud, process the image there, make an inference, and send the inference result back to the application, where the user can observe the effects of the image they previously sent.application/pdfspaUniversidad Industrial de SantanderFacultad de Ingeníerias FisicomecánicasIngeniería ElectrónicaEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicacionesinteligencia artificialcaféagroindustriaimágenesenfermedadprevencióndetecciónsegmentaciónartificial intelligencecoffeeagribusinessimagesdiseasepreventiondetectionsegmentDetección y prevención de riesgo de enfermedades en plantaciones de café mediante Inteligencia ArtificialDetection and prevention of disease risks in coffee plantations through artificial intelligenceTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/version/c_b1a7d7d4d402bccehttp://purl.org/coar/resource_type/c_7a1fORIGINALNota de proyecto.pdfNota de proyecto.pdfapplication/pdf78531https://noesis.uis.edu.co/bitstreams/895b92ec-9c33-4457-a45e-aa81e0704efc/download7035d1f66eb2045ca9275c6062e2474eMD52Carta de autorización.pdfCarta de autorización.pdfapplication/pdf114315https://noesis.uis.edu.co/bitstreams/64dfa56c-fbd2-4c45-bc7b-cada9c34b5ba/download00a40a10a573b4580fd0cb60392d811eMD53Documento.pdfDocumento.pdfapplication/pdf3129812https://noesis.uis.edu.co/bitstreams/545a6d5d-0748-4cc1-a739-6e5aa3b99ed2/downloada066298ebd5fc4ee6715e57a1c98de7aMD56LICENSElicense.txtlicense.txttext/plain; charset=utf-82237https://noesis.uis.edu.co/bitstreams/8f664100-f83e-4661-91f6-f7bdafc4e7d3/downloadd6298274a8378d319ac744759540b71bMD5520.500.14071/42486oai:noesis.uis.edu.co:20.500.14071/424862024-05-21 08:23:48.845http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessembargohttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.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

Publicaciones similares