DIAGNÓSTICO DE ENFERMEDADES EN LA HOJA DEL TOMATE MEDIANTE UN SISTEMA EMBEBIDO USANDO INTELIGENCIA ARTIFICIAL E IMÁGENES

Dentro del sector agrícola, el cultivo de tomates es uno de los más relevantes a nivel global, debido a su alta demanda y la diversidad de usos que presenta. No obstante, estos cultivos pueden verse perjudicados por enfermedades y plagas, que conlleva consecuencias irreversibles en la producción si no se detectan a tiempo. Por ello, se plantea la necesidad de desarrollar un sistema especializado en inteligencia artificial, que pueda identificar enfermedades en las hojas de tomate mediante el uso de imágenes. Este sistema es diseñado para ser utilizado tanto por agricultores con experiencia cultivando tomate, como por ingenieros agrónomos, con el objetivo de realizar diagnósticos tempranos y asegurar la salud del cultivo. Asimismo, su implementación podría tener fines educativos, permitiendo el estudio de las enfermedades que afectan al tomate y se ven manifestadas en las hojas, apoyando el seguimiento de los cultivos. Para llevar a cabo este proyecto, se utilizó una base de datos proporcionada por la comunidad Kaggle y se visitaron diferentes invernaderos para capturar imágenes de hojas sanas y enfermas de los cultivos de tomate. Se emplearon herramientas de software libre y código abierto para cada etapa del proyecto, entre ellas Google Colaboratory, con el fin de entrenar una inteligencia artificial de jerarquía simplificada y tres modelos de Transfer Learning. Finalmente, el modelo resultante fue implementado en dos sistemas embebidos, NVIDIA Jetson Nano de 4GB y Raspberry pi 4B, y se realizó un análisis comparativo de los resultados obtenidos para validar su rendimiento en ambas tarjetas de desarrollo.

• Autores: Guerrero Rangel, Wilmer Andrés; Rodríguez Rodríguez, Harold Hernando; Santos Ortiz, Camilo Andrés
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad Industrial de Santander
• Repositorio: Repositorio UIS
• Idioma: spa
• OAI Identifier: oai:noesis.uis.edu.co:20.500.14071/14341
• Acceso en línea: https://noesis.uis.edu.co/handle/20.500.14071/14341; https://noesis.uis.edu.co
• Palabra clave: HOJA DE TOMATE; REDES NEURONALES PROFUNDAS; PYTHON; IMÁGENES; ENFERMEDADES EN PLANTAS; TOMATO LEAF; DEEP NEURAL NETWORKS; PYTHON; IMAGES; PLANT DISEASES
• Rights: openAccess
• License: Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)