Detección de enfermedades foliares en plantas de habas mediante procesamiento de imágenes usando redes neuronales en el altiplano puneño

Abstract

La producción de habas es una de las principales actividades agrícolas en Puno, una región altoandina del Perú. Esta región se ve afectada por algunas enfermedades foliares, como la Roya y Mancha Chocolate, que generan pérdidas en la producción e impactan la economía de los pequeños agricultores. La dificultad para identificar estas patologías de manera oportuna, sumada a las limitaciones de los métodos tradicionales, inspiró el desarrollo de una alternativa tecnológica accesible y asertiva utilizando técnicas de Procesamiento de Imágenes y Redes Neuronales Convolucionales. De esta manera, se construyó un Dataset representativo de 2486 imágenes de hojas de habas recolectadas en diversas localidades. Estas imágenes se sometieron a procesos de normalización, segmentación y aumento de datos para mejorar la calidad del conjunto de datos para el entrenamiento. Los modelos de Redes Neuronales Convolucionales entrenados son DenseNet121, MobileNetV2, ResNet50 y un modelo propuesto. Los resultados mostraron que DenseNet121 alcanzó la mayor exactitud, con 96.29%, y la mayor precisión, con 96.54%. El modelo propuesto alcanzó 95.49% de exactitud y 95.66% de precisión, lo que indica una alta confiabilidad en la detección temprana de las enfermedades foliares seleccionadas. En conclusión, los modelos DenseNet121 y el modelo propuesto son herramientas útiles para especialistas y agricultores, y facilitan la detección temprana y precisa de enfermedades foliares en hojas de habas.