Clasificación de enfermedades en cultivos de papa empleando redes neuronales convolucionales

Cristiano Munoz, Gisell Natalia

Clasificación de enfermedades en cultivos de papa empleando redes neuronales convolucionales

dc.contributor.advisor	Florez Valencia, Leonardo
dc.contributor.author	Cristiano Munoz, Gisell Natalia	spa
dc.contributor.evaluator	Suárez Venegas, Daniel Ricardo	spa
dc.contributor.evaluator	Martínez Bernal, Óscar Danilo	spa
dc.date.accessioned	2023-08-15T13:02:07Z
dc.date.available	2023-08-15T13:02:07Z
dc.date.created	2023-08-09	spa
dc.description.abstract	El sector agrícola desempeña un papel fundamental en la economía de Colombia, siendo crucial para el desarrollo rural y las cadenas de producción. Sin embargo, las enfermedades que afectan a las plantas representan una grave amenaza para la producción agrícola. En este trabajo, se propone una metodología en tres fases para el análisis y clasificación de enfermedades en plantas de papa a partir de imágenes recopiladas en escenarios reales, sin un fondo ni iluminación controlada. En la primera fase, se emplea fine-tuning para entrenar tres redes neuronales convolucionales (CNN) pre-entrenadas (VGG16, ResNet50 e InceptionV3) utilizando subimágenes de tamaño 224x224 obtenidas a partir de las imágenes originales. En la segunda fase, se utiliza la CNN con mejor desempeño para generar mapas de calor utilizando una ventana deslizante, resaltando así las regiones de interés relacionadas con las enfermedades en las imágenes originales. En la tercera fase, se emplea de nuevo fine-tuning para el entrenamiento de las tres CNN utilizando los mapas de calor generados, con el objetivo de obtener una clasificación final precisa de las enfermedades en las plantas de papa. Los resultados experimentales demuestran que este enfoque mejora significativamente la capacidad de detección y clasificación de enfermedades en comparación con el uso exclusivo de las imágenes originales. Estos hallazgos resaltan el potencial de la metodología propuesta para su aplicación práctica en la gestión de cultivos y la detección temprana de enfermedades en plantas de papa.	spa
dc.description.abstractenglish	The agricultural sector plays a fundamental role in the Colombian economy, being crucial for rural development and production chains. However, diseases that affect plants represent a serious threat to agricultural production. In this work, a three-phase methodology is proposed for the analysis and classification of diseases in potato plants from images collected in real settings, without a background or controlled lighting. In the first phase, fine-tuning is used to train three pre-trained convolutional neural networks (CNNs) (VGG16, ResNet50 and InceptionV3) using subimages of size 224x224 obtained from the original images. In the second phase, the best-performing CNN is used to generate heatmaps using a sliding window, thus highlighting disease-related regions of interest in the original images. In the third phase, fine-tuning is used again for the training of the three CNNs using the generated heat maps, with the aim of obtaining a final precise classification of diseases in potato plants. Experimental results demonstrate that this approach significantly improves disease detection and classification capabilities compared to using the original images alone. These findings highlight the potential of the proposed methodology for its practical application in crop management and early detection of diseases in potato plants.	spa
dc.description.degreelevel	Maestría
dc.description.degreename	Magíster en Inteligencia Artificial
dc.format	PDF
dc.format.mimetype	application/pdf
dc.identifier.instname	instname:Pontificia Universidad Javeriana
dc.identifier.reponame	reponame:Repositorio Institucional - Pontificia Universidad Javeriana
dc.identifier.repourl	repourl:https://repository.javeriana.edu.co
dc.identifier.uri	http://hdl.handle.net/10554/65257
dc.language.iso	spa
dc.publisher	Pontificia Universidad Javeriana
dc.publisher.faculty	Facultad de Ingeniería
dc.publisher.program	Maestría en Inteligencia Artificial
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	info:eu-repo/semantics/openAccess
dc.rights.licence	Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rights.local	De acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Agricultura
dc.subject	Enfermedades de cultivos
dc.subject	Aprendizaje profundo
dc.subject	Análisis de imágenes
dc.subject	Transfer learning
dc.subject	Plantas de papa
dc.subject	Clasificación de enfermedades
dc.subject.armarc	Maestría en inteligencia artificial - Tesis y disertaciones académicas
dc.subject.armarc	*	spa
dc.subject.keyword	Agriculture
dc.subject.keyword	Crop diseases
dc.subject.keyword	Deep learning
dc.subject.keyword	Image analysis
dc.subject.keyword	Transfer learning
dc.subject.keyword	Potato plants
dc.subject.keyword	Disease classification
dc.title	Clasificación de enfermedades en cultivos de papa empleando redes neuronales convolucionales	spa
dc.title.english	Classification of diseases in potato crops using convolutional neural networks	spa
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.driver	info:eu-repo/semantics/masterThesis
dc.type.hasversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.local	Tesis/Trabajo de grado - Monografía - Maestría