Aplicación web usando Deep Learning aplicado al reconocimiento de plagas y enfermedades para mejorar el tratamiento de los cultivos de papa Yungay en Cutervo-Angurra

Abstract

La detección temprana de las plagas y enfermedades en el cultivo de papa Yungay es importante porque ayuda a evitar pérdidas en la producción. Continuamente los agricultores del caserío Angurra se ven perjudicados a causa de un diagnóstico tradicional que no les permite llevar un correcto control de las mismas. Dicha situación encontrada ha permitido encaminar esta investigación con el objetivo de desarrollar una aplicación web usando Deep Learning aplicado al reconocimiento de plagas y enfermedades para mejorar el tratamiento de los cultivos de papa Yungay, mediante el procesamiento de imágenes, las cuales fueron extraídas de 30 cultivos de papa en diferente temporalidad y ubicación. Se hizo uso de dos metodologías, una de ellas fue CRISP-DM y la otra fue metodología SCRUM. La primera se utilizó para la elaboración del modelo computacional basado en redes neuronales artificiales (SOM) utilizando técnicas del Deep Learning la cual dio como resultado una precisión de 99.42%, esto con la entrada de las 4 mil imágenes y su procesamiento en cuanto a características que fueron determinados y evaluados por el modelo. Su desarrollo se realizó en la plataforma Google Colab utilizando el lenguaje Python aplicándose las 6 fases que comprende la metodología. La segunda se utilizó para el desarrollo de la aplicación web, ambas metodologías interactuaron entre sí para lograr una respuesta dando como resultado la creación de la aplicación web que generó un resultado de detección de plagas o enfermedades. En la construcción de la aplicación web se utilizó la herramienta Django usando el lenguaje Python, incluyendo todas las fases de desarrollo de la metodología Scrum. En conclusión, se logró obtener una precisión optima y confiable en un rango de precisión de 99.42%, lo cual hace que esta investigación sea de suma importancia para los agricultores de papa Yungay.

Early detection of pests and diseases in the Yungay potato crop is important because it helps to avoid production losses. Farmers in the Angurra hamlet are continually harmed because of a traditional diagnosis that does not allow them to have a correct control of them. This situation has allowed us to conduct this research with the objective of developing a web application using Deep Learning applied to the recognition of pests and diseases to improve the treatment of potato crops Yungay, by processing images, which were extracted from 30 potato crops in different season and location. Two methodologies were used, one was CRISP-DM and the other was SCRUM methodology. The first was used to develop the computational model based on artificial neural networks (SOM) using Deep Learning techniques which resulted in an accuracy of 99.42%, this with the input of the 4 thousand images and their processing in terms of characteristics that were determined and evaluated by the model. Its development was carried out on the Google Colab platform using the Python language, applying the 6 phases that comprise the methodology. The second was used for the development of the web application, both methodologies interacted with each other to achieve an answer resulting in the creation of the web application that generated a pest or disease detection result. In the construction of the web application, the Django tool was used using the Python language, including all the development phases of the Scrum methodology. In conclusion, it was possible to obtain an optimal and reliable accuracy in an accuracy range of 99.42%, which makes this research of utmost importance for Yungay potato farmers.