Modelo de Redes Neuronales Convolucionales para detectar enfermedades en las hojas del cultivo de Quinua (Chenopodium quinoa) en el Centro Agronómico K’ayra, San Jeronimo, Cusco 2023
Barra lateral del artículo
Contenido principal del artículo
Resumen
En el mundo las enfermedades en los cultivos son la principal causa de reducción en la calidad de producción. Estas enfermedades afectan a los cultivos de quinua y cada año se producen una gran cantidad de pérdidas económicas. Es esencial identificar estas enfermedades a una etapa temprana para aumentar su producción. Una inspección visual es el método más común para identificar enfermedades, estos errores son comunes a través de la inspección visual. El tiempo es un factor clave para la detección de enfermedades y requiere de experiencia. Este estudio muestra cómo se puede utilizar el reconocimiento de imágenes para la detección de enfermedades. Este trabajo consistió en recolectar un conjunto de datos de imágenes para Mancha Foliar 1,120 imágenes, para Mancha Bacteriana 850 imágenes, para Mildiu 896 imágenes y 1,090 imágenes de sanas consta un total de 3,956 imágenes de las hojas de quinua del centro agronómico de K'ayra en el sector Leticia, San Jeronimo, Cusco del Perú, de los cuales se consideraron un 70% para entrenamiento, un 20% para validación y un 10% para pruebas. El modelo propuesto funcionó correctamente con una precisión 89.498%, lo cual permitirá a los agricultores de la quinua detectar tempranamente las enfermedades, esperando que conduzca a un aumento de la producción de la quinua en todo el mundo.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Cuando un autor crea un artículo y lo publica en una revista, los derechos de autor pasan a la revista como parte del acuerdo de publicación. Por lo tanto, la revista se convierte en la dueña de los derechos de reproducción, distribución y venta del artículo. El autor conserva algunos derechos, como el derecho a ser reconocido como el creador del artículo y el derecho a utilizarlo para sus propios fines académicos o de investigación, a menos que se acuerde lo contrario en el contrato de publicación.
Cómo citar
Referencias
H. Duan, T. R. Miller, G. Liu, and V. W. Y. Tam, “Con-struction debris becomes growing concern of growing cities,” Waste Manag., vol. 83, pp. 1–5, Jan. 2019, https://doi.org/10.1016/j.wasman.2018.10.044 DOI: https://doi.org/10.1016/j.wasman.2018.10.044
M. Bravo, M., Reyna R., J., Gómez Sánchez, l., & Hua-paya H., “ESTUDIO QUÍMICO Y NUTRICIONAL DE GRANOS ANDINOS GERMINADOS DE QUINUA ( CHENOPODIUM QUINOA) Y KIWICHA (AMA-RANTUS CAUDATUS).” p. 16, 2013. [Online]. Avail-able: https://revistasinvestigacion.unmsm.edu.pe/index.php/quim/article/view/6558
“INIAP -Estación Experimental Santa Catalina,” 16-18, p. 8, 1985, [Online]. Available: http://181.112.143.123/bitstream/41000/2827/1/iniapsc322est.pdf
D. Solveig and T. Ames, “EL MILDIU (Peronospora farinosa) DE LA QUINUA (Chenopodium quinoa) en la zona andina. Manual práctico para el estudio de la enfermedad y del patógeno,” Cent. Int. la papa, p. 38, 2000, [Online]. Available: http://cipotato.org/wp-content/uploads/2014/10/AN60198.pdf
G. McAvoy, “Una solución para la Mancha foliar por Alternaria,” 2017. https://www.hortalizas.com/author/gmcavoy/
M. F. Yañez-Yazlle, N. Romano-Armada, M. M. Acre-che, V. B. Rajal, and V. P. Irazusta, “Halotolerant bac-teria isolated from extreme environments induce seed germination and growth of chia (Salvia hispanica L.) and quinoa (Chenopodium quinoa Willd.) under saline stress,” Ecotoxicol. Environ. Saf., vol. 218, p. 112273, Jul. 2021, https://doi.org/10.1016/j.ecoenv.2021.112273 DOI: https://doi.org/10.1016/j.ecoenv.2021.112273
Fairlie.A, La quinua en el perú. 2016. [Online]. Availa-ble: http://repositorio.pucp.edu.pe/index/bitstream/handle/123456789/54092/Nro_6_Fairlie_quinua_Perú.pdf?sequence=1&isAllowed=y
M. de D. A. y Riego, “El Perú se consolida como el primer productor y exportador mundial de quinua,” 2021. https://www.gob.pe/institucion/midagri/noticias/324394-el-peru-se-consolida-como-el-primer-productor-y-exportador-mundial-de-quinua
E. Efraín and J. Lepe, “CENTRO DE INVESTIGACIÓN Y DE ESTUDIOS SUPERIORES DEL IPN A beginner ’ s tutorial for CNN,” pp. 1–35, 2017.
R. Ding et al., “Improved ResNet Based Apple Leaf Diseases Identification,” IFAC-PapersOnLine, vol. 55, no. 32, pp. 78–82, 2022, https://doi.org/10.1016/j.ifacol.2022.11.118 DOI: https://doi.org/10.1016/j.ifacol.2022.11.118
S. R. G. Reddy, G. P. S. Varma, and R. L. Davuluri, “Resnet-based modified red deer optimization with DLCNN classifier for plant disease identification and classification,” Comput. Electr. Eng., vol. 105, no. November 2022, p. 108492, 2023, https://doi.org/10.1016/j.compeleceng.2022.108492 DOI: https://doi.org/10.1016/j.compeleceng.2022.108492
G. Wang, Y. Sun, and J. Wang, “Automatic Image-Based Plant Disease Severity Estimation Using Deep Learning,” Comput. In-tell. Neurosci., vol. 2017, 2017, doi: 10.1155/2017/2917536. DOI: https://doi.org/10.1155/2017/2917536
J. Amara, B. Bouaziz, and A. Algergawy, “A deep learning-based approach for banana leaf diseases classification,” Lect. Notes Informatics (LNI), Proc. - Ser. Gesellschaft fur Inform., vol. 266, pp. 79–88, 2017.
R. E. Castañeda Valdivieso, J. R. Guerrero Meza, B. E. Renteros Parra, and J. A. Villanueva Mejía, “Detección de nutrientes del suelo y planta, y pestes en campos de cultivo de banano orgáni-co con Machine Learning,” Pirhua, 2021, [Online]. Available: https://hdl.handle.net/11042/5204
M. A. B. Bhuiyan, H. M. Abdullah, S. E. Arman, S. Saminur Rahman, and K. Al Mahmud, “BananaSqueezeNet: A very fast, lightweight convolutional neural network for the diagnosis of three prominent banana leaf diseases,” Smart Agric. Technol., vol. 4, no. February, p. 100214, 2023, https://doi.org/10.1016/j.atech.2023.100214 DOI: https://doi.org/10.1016/j.atech.2023.100214
L. Yang et al., “GoogLeNet based on residual network and attention mechanism identification of rice leaf diseases,” Com-put. Electron. Agric., vol. 204, p. 107543, Jan. 2023, https://doi.org/10.1016/j.compag.2022.107543 DOI: https://doi.org/10.1016/j.compag.2022.107543
A. Setiawan, N. Yudistira, and R. C. Wihandika, “Large scale pest classification using efficient Convolutional Neural Net-work with augmentation and regularizers,” Comput. Electron. Agric., vol. 200, p. 107204, Sep. 2022, doi: 10.1016/J.COMPAG.2022.107204. DOI: https://doi.org/10.1016/j.compag.2022.107204
F. D. E. I. Y. Arquitectura, “Shiane Lizceth Farfan Vergara,” 2021.
David Beazley and B. K. Jones, Python Cookbook: 3rd Edition. 2013.
F. Coban, “The Role of the Media in International Relations: From the CNN Effect to the Al –Jazeere Effect,” J. Int. Relations Foreign Policy, vol. 4, no. 2, pp. 45–61, 2016, https://doi.org/10.15640/jirfp.v4n2a3. DOI: https://doi.org/10.15640/jirfp.v4n2a3