Garcia Estrella, Cristian WérnerHuanca Namuche, Andrés AlfonsoTerry Alvarado, Bruno Sebastian2025-08-042025-08-042025-03-26http://repositorio.upeu.edu.pe/handle/20.500.12840/9018Se presenta un innovador modelo de visión artificial basado en redes neuronales convolucionales (CNN) para la clasificación de la mancha negra en los cítricos. Este estudio adopta una metodología que fusiona Investigación y Desarrollo con principios ágiles de Scrum. La evaluación comparativa con los modelos existentes de clasificación de cítricos en diferentes contextos demuestra que nuestro modelo muestra diferencias significativas en la precisión de clasificación respecto a los modelos B y C. El análisis estadístico, incluyendo la prueba de McNemar, confirma la eficacia del modelo, resaltando su fiabilidad y competitividad en la detección de enfermedades en cítricos. Los resultados obtenidos no solo proporcionan un modelo eficiente para la clasificación de la mancha negra en los cítricos, sino que también promueven el avance en la aplicación de la inteligencia artificial en la agricultura. Este enfoque sugiere nuevas direcciones de investigación y subraya la importancia de la visión artificial en la mejora de la salud de los cultivos. La implementación de este modelo puede reducir pérdidas económicas y optimizar la productividad, aportando beneficios significativos tanto para los agricultores como para la industria agrícola.application/pdfspainfo:eu-repo/semantics/openAccessVisión artificial.Redes neuronales convolucionales.Mancha negra.Inteligencia artificial.info:eu-repo/semantics/bachelorThesishttp://purl.org/pe-repo/ocde/ford#2.02.04