Implementación de deep learning y redes neuronales convolucionales para la identificación de plagas en cultivo de arroz de San Martín

Simple item page
dc.contributor.advisorCasildo Bedón, Nancy Esther
dc.contributor.authorSandy Coral, Gerald Franko
dc.contributor.authorOblitas Diaz, Helen
dc.contributor.authorMas Mendoza, Katerin Estrellita
dc.date.accessioned2025-12-23T20:53:05Z
dc.date.available2025-12-23T20:53:05Z
dc.date.embargoEnd2027-12-10
dc.date.issued2025-12-10
dc.description.abstractEl arroz es uno de los cultivos con mayor porcentaje de producción tanto internacional como nacional; ahora bien, en Perú la producción se ve afectada por plagas que comprometen la seguridad alimentaria y generan pérdidas económicas. La detección de plagas en el arroz utilizando tecnologías avanzadas es fundamental para optimizar el desarrollo eficaz de los cultivos. En este estudio, se propone un modelo de red neuronal convolucional (CNN), desarrollado sobre la arquitectura ResNet-50 con el propósito de identificar plagas las cuales serán captadas en campo y por drones. El entrenamiento se llevó a cabo con el uso del dataset IP102, aplicando preprocesamiento y balanceo de clases; asimismo, se obtuvo imágenes propias de agricultores locales. Es así que, se logró alcanzar una precisión de 92 % al 95 % con tendencia positiva. Además, se observa la integración del modelo de predicción en una plataforma web, proporcionando a los agricultores herramientas para un monitoreo automatizado y en tiempo real desde ambas interfaces. Esto, facilita una respuesta más rápida y eficiente ante la presencia de plagas. Este trabajo constituye a una de las primeras propuestas en el Perú que integra inteligencia artificial y agricultura, con impacto directo en la reducción de pesticidas, ahorro de costos de inspección y mejora en la productividad agrícola.
dc.description.escuelaEscuela Profesional de Ingeniería de Sistemas
dc.description.lineadeinvestigacionIngeniería de software
dc.description.sedeTarapoto
dc.formatapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.12840/9616
dc.language.isospa
dc.publisherUniversidad Peruana Unión
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectArroz
dc.subjectCRISP-DM
dc.subjectPlagas
dc.subjectRed neuronal convolucional
dc.subjectResnet-50
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.02.04
dc.titleImplementación de deep learning y redes neuronales convolucionales para la identificación de plagas en cultivo de arroz de San Martín
dc.typeinfo:eu-repo/semantics/bachelorThesis
renati.advisor.dni40788717
renati.advisor.orcidhttps://orcid.org/0000-0001-5255-7757
renati.author.dni71882062
renati.author.dni73365978
renati.author.dni73178323
renati.discipline612076
renati.jurorMarlo Rimarachin, Wilder
renati.jurorHuaman Laban, Joyse Baldwin
renati.jurorRamirez Pezo, Yngue Elizabeth
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttp://purl.org/pe-repo/renati/type#trabajoDeInvestigacion
thesis.degree.disciplineIngeniería de Sistemas
thesis.degree.grantorUniversidad Peruana Unión. Facultad de Ingeniería y Arquitectura
thesis.degree.nameIngeniero de Sistemas

Files

Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Gerald_Tesis_Licenciatura_2025.pdf
Size:
934.18 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Reporte de Similitud.pdf
Size:
1.37 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Autorización.pdf
Size:
224.75 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Ingeniería de Sistemas