Desarrollo de un modelo de inteligencia artificial integrado en una aplicación móvil para detectar enfermedades en frutos de palta

Resumen

Este estudio tuvo como objetivo desarrollar un modelo de inteligencia artificial integrado en una aplicación móvil para la detección de enfermedades en frutos de palta fuerte (Persea americana Mill.). Para ello, se emplearon técnicas de visión por computadora utilizando la arquitectura YOLOv8l (large). Se utilizó un conjunto de datos obtenido de la plataforma Kaggle, conformado originalmente por 1 980 imágenes y ampliado mediante técnicas de aumento de datos hasta alcanzar 5 014 imágenes, con el propósito de mejorar la capacidad de generalización del modelo. El sistema logró identificar las clases antracnosis, sarna y frutos sanos, alcanzando un mAP50 de 0.956 y un F1-score de 0.929, lo que evidenció un desempeño satisfactorio durante la evaluación del modelo. Posteriormente, el modelo fue convertido al formato TensorFlow Lite (float32) e integrado en una aplicación móvil desarrollada en Android Studio (Java), permitiendo la inferencia local sin necesidad de conexión a internet. Las pruebas funcionales realizadas en un dispositivo móvil mostraron tiempos de procesamiento promedio de 3 a 4 segundos por imagen, con resultados estables en los modos de análisis por fotografía y galería. En conjunto, la propuesta constituye una herramienta de apoyo para el monitoreo fitosanitario, contribuyendo a la detección temprana de enfermedades en el cultivo de palta.