Prototipo de aplicación móvil para la identificación de mazorcas de cacao enfermas haciendo uso de visión por computadora y aprendizaje de máquina

Según fuentes de Fedecacao, para el 2018 se determinó que la producción total de cacao Theobroma cacao L en Colombia superó las 56 mil toneladas, la segunda más alta en toda la historia puesto que hubo una reducción de la producción del 6% en comparación al 2017, al pasar de 60 mil a 56 mil tonelada...

Full description

Autores:
Serrano Arenas, Juan Sebastián
Torres Villamizar, Camilo Andrés
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2020
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/13367
Acceso en línea:
http://hdl.handle.net/20.500.12749/13367
Palabra clave:
Systems engineer
Technological innovations
Theobroma cacao l
Cocoa pods
Cocoa diseases
Artificial intelligence
Image analysis
Phytosanitary management
Crops
Psychotropic plants
Mobile communication systems
Ingeniería de sistemas
Innovaciones tecnológicas
Cultivos
Plantas psicotrópicas
Teléfono celular
Sistemas móviles de comunicaciones
Mazorcas de cacao
Enfermedades del cacao
Inteligencia artificial
Análisis de imágenes
Manejo fitosanitario
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Description
Summary:Según fuentes de Fedecacao, para el 2018 se determinó que la producción total de cacao Theobroma cacao L en Colombia superó las 56 mil toneladas, la segunda más alta en toda la historia puesto que hubo una reducción de la producción del 6% en comparación al 2017, al pasar de 60 mil a 56 mil toneladas (Fedecacao, 2018). La reducción se dio debido a los flujos de floración, al incremento de la enfermedad llamada Monilia y a las inundaciones causadas por las precipitaciones de comienzos de año. Teniendo en cuenta que la inspección semanal es un procedimiento confiable para evaluar el grado de infección en los cultivos, el presente proyecto desarrolla un prototipo de aplicación móvil que permita identificar mediante técnicas de inteligencia artificial y análisis de imágenes las mazorcas de cacao enfermas. Mediante el levantamiento de datos esta investigación realiza la consolidación de un conjunto de datos que contiene las enfermedades más preocupantes como son la Fitóftora y la Monilia. Para mejorar el procedimiento de inspección se entrena una máquina de aprendizaje con YOLOv4 obteniendo un 60% de precisión en la detección de mazorcas de cacao. Los resultados prometen una herramienta móvil útil a los agricultores e investigadores agrícolas para la toma de decisiones, permitiendo evaluar y realizar con precisión el proceso de inspección de las mazorcas sin la necesidad de un experto capacitado en el manejo fitosanitario en los cultivos de cacao.