Estimación de la Gravedad en Enfermedades en los Cultivos del Aguacate Basado en Imágenes Mediante Redes Neuronales Convolucionales

Simple item page
dc.contributor.advisorSullon Macalupu, Abel Angel
dc.contributor.authorLloclli Champi, Julio Cesar
dc.date.accessioned2025-02-25T17:35:47Z
dc.date.available2025-02-25T17:35:47Z
dc.date.issued2025-02-03
dc.description.abstractLa agricultura desempeña un papel vital, importante en el desarrollo y el crecimiento económico mundial. Cuando los cultivos se ven afectados por enfermedades repercute negativamente en los recursos económicos mediante la producción agrícola de una nación. La detección temprana de estas enfermedades puede minimizar la pérdida de los agricultores y mejorar la producción. En este estudio, proponemos dos modelos existentes como son Redes Neuronales Convolucionales (CNN) y ResNet18 ambas de aprendizaje profunda, diseñado para predecir automáticamente las enfermedades de las hojas del aguacate Has, el marco de trabajo abarca la recopilación de imágenes, selección de imágenes, clasificación de enfermedades. Empleando un enfoque combinando dos modelos bien establecidos (CNN, ResNet18) para generar clasificaciones, en enfoque aprovecha el concepto de visión por computadora para la predicción final, para entrenar y evaluar, generamos un conjunto de datos a través de las hojas del aguacate utilizando una cámara fotográfica canon de 16 megapíxeles: las cuales conforman de Ácarro Cristalino, Antrocnosis, Araña Marrón y hojas sanas, conformando imágenes de hojas de aguacate de 1300 imágenes de cada clase, se realizó data aumentación de 35%. Para entrenar y evaluar ResNet18 alcanzando una precisión global del 94.14%, y una F1-score del 94.33% se llevó a cabo un estudio de validación exhaustivo con el conjunto de datos de aguacate (4 clases), respectivamente. Estos resultados experimentales confirman que proporciona una detección y predicción más eficaz y precisa de las enfermedades del aguacate, lo que lo convierte en un candidato prometedor para aplicaciones prácticas.
dc.description.escuelaEscuela de Posgrado
dc.description.lineadeinvestigacionBusinness Intelligence
dc.description.sedeLima
dc.formatapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.12840/8512
dc.language.isospa
dc.publisherUniversidad Peruana Unión
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectAprendizaje profundo redes neuronales convolucionales CNN
dc.subjectAntrocnosis
dc.subjectÁcarrocristalino
dc.subjectAraña Marrón
dc.subjectEnfermedades del aguacate
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#1.01.03
dc.titleEstimación de la Gravedad en Enfermedades en los Cultivos del Aguacate Basado en Imágenes Mediante Redes Neuronales Convolucionales
dc.typeinfo:eu-repo/semantics/masterThesis
renati.advisor.dni06812118
renati.advisor.orcidhttps://orcid.org/0000-0003-4142-7230
renati.author.dni42170858
renati.discipline612357
renati.jurorAlvizuri Llerena, Geraldine Verónica
renati.jurorLópez Gonzales, Javier Linkolk
renati.jurorTocto Cano, Esteban
renati.levelhttps://purl.org/pe-repo/renati/level#maestro
renati.typehttp://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineMaestría en Ingeniería de Sistemas con Mención en Ingeniería de Software
thesis.degree.grantorUniversidad Peruana Unión. Facultad de Ingeniería y Arquitectura
thesis.degree.nameMaestro(a) en Ingeniería en Software

Files

Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Julio_Tesis_Maestro_2025.pdf
Size:
1.72 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Reporte de similitud.pdf
Size:
778.01 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Autorización.pdf
Size:
104.16 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

Magíster en Ingeniería de Sistemas con Mención en Ingeniería de Software