Detección y prevención de riesgo de enfermedades en plantaciones de café mediante Inteligencia Artificial

Salom Medina, Andrey Fernando; Rosas Ruiz, Luis Esteban

Detección y prevención de riesgo de enfermedades en plantaciones de café mediante Inteligencia Artificial

dc.contributor.advisor	Barrero Pérez, Jaime Guillermo
dc.contributor.author	Salom Medina, Andrey Fernando
dc.contributor.author	Rosas Ruiz, Luis Esteban
dc.contributor.evaluator	Sepulveda Sepulveda, Franklin Alexander
dc.contributor.evaluator	Garcia Arenas, Hans Yecid
dc.date.accessioned	2024-05-21T13:23:46Z
dc.date.available	2024-05-21T13:23:46Z
dc.date.created	2024-05-20
dc.date.issued	2024-05-20
dc.description.abstract	El cultivo del café es una fuente de ingresos de aproximadamente 550 mil familias en Colombia y específicamente en Santander hay más de 30 mil cafeteras. Dado que es un cultivo masivo y que representa los ingresos económicos de muchas personas, se investiga sobre las enfermedades en hojas de café, centrando el proyecto en la detección de las enfermedades de roya, el bicho minador y el insecto conocido como "coco". La base de datos se obtuvo en un cultivo en El Socorro, Santander, garantizando la autenticidad de las muestras, así como de otras dos fuentes que se revisaron rigurosamente para la aplicación del proyecto. La calidad de los datos es crucial para este tipo de proyectos, para lo cual se hicieron procesos de limpieza en la base de datos donde se eliminaron imágenes redundantes, incoherentes e innecesarias, lo que asegura una base de datos lo suficientemente diversa para el proceso de entrenamiento. También se etiquetó cada una de las imágenes resultantes de la limpieza, primero usando la herramienta en línea VGG, pero dada la complejidad y el demorado proceso de etiquetar, se decidió usar SAM, una innovadora IA lanzada por el equipo de META en el 2023 que facilitó dicho proceso y proporcionó una base de datos con buena calidad de etiquetas. En el entrenamiento se usó la arquitectura MASK R-CNN, respaldada por un Backbone de RESNET 50 y 101. Además del uso de Transfer Learning con Dataset de “COCO". Luego se creó una aplicación móvil donde se puede tomar una imagen del teléfono, se envía a un servidor web alojado en Google Cloud y desde allí se procesa dicha imagen, hace una inferencia y envía el resultado de la inferencia de nuevo a la aplicación, donde el usuario puede observar las afectaciones de la imagen que previamente envió.
dc.description.abstractenglish	Coffee cultivation is a source of income for approximately 550,000 families in Colombia, and specifically in Santander, there are more than 30,000 coffee plants. Given that it is a massive cultivation and represents the economic livelihood of many people, research is conducted on coffee leaf diseases, focusing the project on detecting rust, leaf miner, and the insect known as "coco". The database was obtained from a plantation in El Socorro, Santander, ensuring the authenticity of the samples, as well as from two other sources that were rigorously reviewed for the project's application. Data quality is crucial for such projects, for which data cleaning processes were performed in the database, removing redundant, inconsistent, and unnecessary images, ensuring a sufficiently diverse database for the training process. Each of the resulting images from the cleaning process was also labeled, initially using the VGG online tool, but given the complexity and time-consuming nature of labeling, SAM, an innovative AI launched by the META team in 2023, was decided to be used, which facilitated the process and provided a database with good label quality. MASK R-CNN architecture, backed by a RESNET 50 and 101 backbone, was used in training, in addition to Transfer Learning with the COCO dataset. Then, a mobile application was created where users can take a picture with their phone, send it to a web server hosted on Google Cloud, process the image there, make an inference, and send the inference result back to the application, where the user can observe the effects of the image they previously sent.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Electrónico
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/42486
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Electrónica
dc.publisher.school	Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	inteligencia artificial
dc.subject	café
dc.subject	agroindustria
dc.subject	imágenes
dc.subject	enfermedad
dc.subject	prevención
dc.subject	detección
dc.subject	segmentación
dc.subject.keyword	artificial intelligence
dc.subject.keyword	coffee
dc.subject.keyword	agribusiness
dc.subject.keyword	images
dc.subject.keyword	disease
dc.subject.keyword	prevention
dc.subject.keyword	detection
dc.subject.keyword	segment
dc.title	Detección y prevención de riesgo de enfermedades en plantaciones de café mediante Inteligencia Artificial
dc.title.english	Detection and prevention of disease risks in coffee plantations through artificial intelligence
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado