Sistema de teledetección utilizando drones para la identificación de enfermedades de banano en la hacienda la lorena
Authors
Loading...
Date
2024
Directors
Journal Title
Journal ISSN
Volume Title
Publisher
Quevedo: UTEQ
Abstract
Este proyecto de investigación desarrolla un sistema basado en visión por computadora y
aprendizaje profundo para la detección automática de enfermedades en plantaciones de
banano, enfocándose en Moko Bacteriano (Pseudocercospora fijiensis sp) y Sigatoka Negra
(Ralstonia solanacearum, Raza 2 sp). El objetivo es proporcionar una herramienta eficaz
para que agricultores y técnicos identifiquen y monitoreen estas enfermedades de forma
precisa, optimizando la gestión de cultivos. La metodología incluyó la construcción de un
conjunto de datos personalizado, con imágenes aéreas capturadas mediante drones,
procesadas y etiquetadas manualmente para entrenar un modelo de detección de objetos.
Este modelo fue ajustado para clasificar hojas sanas, Moko Bacteriano y Sigatoka Negra,
logrando una alta precisión en la identificación. Además, se implementó una aplicación web
para la carga y análisis de imágenes, con visualización georreferenciada de los resultados en
un mapa interactivo, y capacidad para extraer o simular coordenadas GPS. La evaluación del
sistema, a través de métricas como precisión, recall, F1-Score y mAP, demostró su eficacia
en escenarios de detección en campo. Este sistema contribuye al monitoreo eficiente y la
detección temprana de enfermedades, mejorando la productividad y sostenibilidad de los
cultivos de banano, y ofreciendo a los usuarios una herramienta clave para la toma de
decisiones en el manejo agrícola.
Description
This research project develops a system based on computer vision and deep learning for the
automatic detection of diseases in banana plantations, focusing on Moko Bacteriano
(Pseudocercospora fijiensis sp) and Black Sigatoka (Ralstonia solanacearum, Race 2 sp).
The objective is to provide an effective tool for farmers and technicians to accurately identify
and monitor these diseases, optimizing crop management. The methodology included the
construction of a customized dataset, with aerial images captured by drones, processed, and
manually labeled to train an object detection model. This model was adjusted to classify
healthy leaves, Moko Bacteriano, and Black Sigatoka, achieving high accuracy in
identification. Additionally, a web application was implemented to upload and analyze
images, featuring georeferenced visualization of the results on an interactive map and the
ability to extract or simulate GPS coordinates. The system evaluation, through metrics such
as precision, recall, F1-Score, and mAP, demonstrated its effectiveness in field detection
scenarios. This system contributes to efficient monitoring and early detection of diseases,
improving the productivity and sustainability of banana crops, while offering users a key
tool for decision-making in agricultural management.
Keywords
Detección de enfermedades, Visión por computadora, Plantaciones de banano, Moko Bacteriano, Sigatoka Negra, Georreferenciación, Agricultura de precisión
Citation
Cedeño Campoverde, Kevin Joel (2024) "Sistema de teledetección utilizando drones para la identificación de enfermedades de banano en la hacienda la lorena". Quevedo. UTEQ. 152 p.