Aplicación móvil basado en reconocimiento de imágenes para apoyar la detección de plagas y enfermedades estacionales del cultivo de arándano en el distrito de Olmos

Abstract

El cultivo de arándano es uno de los más relevantes en la región Lambayeque, pero como todo cultivo también es susceptible a plagas y enfermedades afectando al producto final, muchas veces existe una demora en la detección de los patógenos y una deficiencia en el control de su producto generando perdidas hasta de un 40%. En este contexto, se desarrolló un aplicativo móvil (APP) basado en el reconocimiento de imágenes para la detección de plagas y enfermedades estacionales del cultivo de arándano. La app ofreció una solución tecnológica e innovadora, donde emite el diagnóstico de los patógenos detectados y brinda recomendaciones de agroquímicos a aplicar en su cultivo. Para ello, se utilizó Metodologías existentes como: Machine Learning y Extreme Programming, se cumplió con los objetivos específicos como crear un repositorio de 5.325 imágenes, así mismo desarrollar un modelo de CNN en lenguaje Python para entrenamiento y validación, para la integración del modelo y la App se usó los frameworks Angular y Ionic. El resultado del modelo entrenado arrojo su precisión del 95.3%, detectando y clasificando las plagas y enfermedades, se realizó pruebas usando la matriz de confusión con el 15% de los datos obteniendo la precisión para alternaria de 95.2%, hoja sana 100%, y mosca blanca 91.1%, se interpreta que el modelo tiene una alta precisión en todas las clases entrenadas. Finalmente se concluye que el aplicativo brinda predicciones acertadas, pero se recomienda seguir validando y ajustando según sea necesario para predecir las enfermedades y plagas del cultivo de arándano.

The blueberry crop is one of the most important in the Lambayeque region, but as any crop is also susceptible to pests and diseases affecting the final product, there is often a delay in the detection of pathogens and a deficiency in the control of its product, generating losses of up to 40%. In this context, a mobile application (APP) based on image recognition was developed for the detection of seasonal pests and diseases of the blueberry crop. The app offered a technological and innovative solution, where it issues the diagnosis of the pathogens detected and provides recommendations of agrochemicals to be applied in their crop. To do this, existing methodologies such as: Machine Learning and Extreme Programming were used, specific objectives were met such as creating a repository of 5,325 images, as well as developing a CNN model in Python language for training and validation, for the integration of the model and the App the Angular and Ionic frameworks were used. The result of the trained model showed its accuracy of 95.3%, detecting and classifying pests and diseases, tests were carried out using the confusion matrix with 15% of the data obtaining the accuracy for alternaria of 95.2%, healthy leaf 100%, and whitefly 91.1%, it is interpreted that the model has a high accuracy in all trained classes. Finally, it is concluded that the application provides accurate predictions, but it is recommended to continue validating and adjusting as necessary to predict the diseases and pests of the blueberry crop.