PROTOTIPO PARA DETERMINAR EL ESTADO DE SALUD DEL ÁRBOL DE MANZANA MEDIANTE EL USO DE REDES NEURONALES

Cabrales Navarro, Daniela; Sanabria Vega, Pedro Alejandro

PROTOTIPO PARA DETERMINAR EL ESTADO DE SALUD DEL ÁRBOL DE MANZANA MEDIANTE EL USO DE REDES NEURONALES

dc.contributor.advisor	Barrero Pérez, Jaime Guillermo
dc.contributor.advisor	Castillo Bohórquez, Jeison Arley
dc.contributor.author	Cabrales Navarro, Daniela
dc.contributor.author	Sanabria Vega, Pedro Alejandro
dc.contributor.evaluator	Pertuz Arroyo, Said David
dc.contributor.evaluator	Tíjaro Rojas, Omar Javier
dc.date.accessioned	2024-11-14T19:17:31Z
dc.date.available	2024-11-14T19:17:31Z
dc.date.created	2024-11-12
dc.date.embargoEnd	2029-11-14
dc.date.issued	2024-11-12
dc.description.abstract	Colombia, con su diversidad de flora y fauna, es propicia para cultivos como la manzana, que enfrenta desafíos relacionados con plagas y enfermedades. El diagnóstico y clasificación de los frutos es crucial, pues la calidad impacta en su valor comercial. Tradicionalmente, esta tarea es realizada por agricultores y agrónomos, pero el uso de tecnologías basadas en inteligencia artificial (IA) ofrece una alternativa al ser utilizada como herramienta para la predicción de las afecciones en la hoja de manzana. En este contexto, se desarrolló el prototipo IAPPLE, que emplea procesamiento de imágenes e IA con Aprendizaje Profundo (Deep Learning) para diagnosticar la salud de las hojas de los manzanos. Este sistema utiliza la tarjeta AMB82- MINI con una NPU para realizar operaciones en redes neuronales, acompañado de una cámara con sensor de imagen CMOS Full HD JXF37 1920×1080 y una pantalla LCD TFT de 2.2 pulgadas. El prototipo diagnostica plagas como el cucarrón y arañitas rojas, y enfermedades como la venturia y podredumbre negra, basándose en una combinación de la base de datos de Kaggle y de imágenes adquiridas por los autores en cultivos de Boyacá. Con un consumo energético de 350 mA y un peso de 236 gramos, el dispositivo puede operar durante seis horas y detectar enfermedades en menos de 4000 microsegundos. Además, la implementación de la técnica de Aprendizaje por Transferencia utilizando MobileNetV2 ha permitido obtener una precisión superior al 90%. La posibilidad de actualizar la base de datos mediante microSD asegura que el prototipo siga siendo efectivo en el diagnóstico de plagas y enfermedades, proporcionando a los agricultores una herramienta precisa y confiable para mejorar la producción agrícola.
dc.description.abstractenglish	Colombia, with its diverse flora and fauna, is suitable for crops like apples, which face challenges related to pests and diseases. The diagnosis and classification of the fruit are crucial, as quality impacts its commercial value. Traditionally, this task is carried out by farmers and agronomists, but the use of artificial intelligence (AI)-based technologies offers an alternative as a tool for predicting conditions in apple leaves. In this context, the IAPPLE prototype was developed, which employs image processing and AI with Deep Learning to diagnose the health of apple tree leaves. This system uses the AMB82-MINI board with an NPU for performing neural network operations, along with a Full HD CMOS image sensor camera (JXF37 1920×1080) and a 2.2-inch TFT LCD display. The prototype diagnoses pests such as beetles and red mites, and diseases such as venturia and black rot, based on a combination of the Kaggle database and images acquired by the authors in apple orchards in Boyacá. With an energy consumption of 350 mA and a weight of 236 grams, the device can operate for six hours and detect diseases in less than 4000 microseconds. Furthermore, the implementation of Transfer Learning using MobileNetV2 has allowed for an accuracy greater than 90%. The ability to update the database via microSD ensures that the prototype remains effective in diagnosing pests and diseases, providing farmers with a precise and reliable tool to improve agricultural production.
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/20.500.14071/44716
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/embargoedAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_f1cf
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	AMB-82
dc.subject	Afecciones
dc.subject	Base de datos
dc.subject	Detección
dc.subject	Hoja de manzana
dc.subject	Redes Neuronales Profundas
dc.subject	Procesamiento de imágenes
dc.subject	Prototipo
dc.subject.keyword	AMB-82
dc.subject.keyword	Conditions
dc.subject.keyword	Database
dc.subject.keyword	Detection
dc.subject.keyword	Apple Leaf
dc.subject.keyword	Deep Neural Networks
dc.subject.keyword	Image Processing
dc.subject.keyword	Prototype
dc.title	PROTOTIPO PARA DETERMINAR EL ESTADO DE SALUD DEL ÁRBOL DE MANZANA MEDIANTE EL USO DE REDES NEURONALES
dc.title.english	PROTOTYPE FOR DETERMINING THE HEALTH STATUS OF APPLE TREE BY USING NEURAL NETWORKS
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