Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)Barrero Pérez, Jaime GuillermoCastillo Bohórquez, Jeison ArleyCabrales Navarro, DanielaSanabria Vega, Pedro Alejandro2024-11-142024-11-142024-11-122024-11-12https://noesis.uis.edu.co/handle/20.500.14071/44716Colombia, 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.application/pdfspainfo:eu-repo/semantics/embargoedAccessAMB-82AfeccionesBase de datosDetecciónHoja de manzanaRedes Neuronales ProfundasProcesamiento de imágenesPrototipoUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coAMB-82ConditionsDatabaseDetectionApple LeafDeep Neural NetworksImage ProcessingPrototypehttp://purl.org/coar/access_right/c_f1cfinfo:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)