Sistema de teledetección utilizando drones para la identificación de enfermedades de banano en la hacienda la lorena
| dc.contributor.advisor | Zambrano Vega, Cristian Gabriel | |
| dc.contributor.author | Cedeño Campoverde, Kevin Joel | |
| dc.date.accessioned | 2025-01-21T12:52:01Z | |
| dc.date.available | 2025-01-21T12:52:01Z | |
| dc.date.issued | 2024 | |
| dc.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. | |
| dc.description.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. | |
| dc.format.extent | 152 p. | |
| dc.identifier.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. | |
| dc.identifier.other | 460073 | |
| dc.identifier.uri | https://repositorio.uteq.edu.ec/handle/43000/7934 | |
| dc.language.iso | spa | |
| dc.publisher | Quevedo: UTEQ | |
| dc.rights | Attribution 3.0 United States | en |
| dc.rights.uri | http://creativecommons.org/licenses/by/3.0/us/ | |
| dc.subject | Detección de enfermedades | |
| dc.subject | Visión por computadora | |
| dc.subject | Plantaciones de banano | |
| dc.subject | Moko Bacteriano | |
| dc.subject | Sigatoka Negra | |
| dc.subject | Georreferenciación | |
| dc.subject | Agricultura de precisión | |
| dc.title | Sistema de teledetección utilizando drones para la identificación de enfermedades de banano en la hacienda la lorena | |
| dc.type | bachelorThesis |
