Implementación de modelo machine learning aplicado al estudio de enfermedades de café en el centro de investigación sacha wiwa
Resumen
El objetivo de la presente investigación, fue la implementación del modelo Machine Learning (ML) aplicado al estudio de enfermedades de café en el Centro de Investigación Sacha Wiwa de la Parroquia Guasaganda, Cantón La Maná, Provincia de Cotopaxi; con el fin de facilitar el proceso de reconocimiento de las enfermedades y mejorar su calidad de producción. Para ello, se ha consideró una investigación bibliográfica, de campo mediante un aplicativo de sistema móvil con Android y ML en un entorno IDE Visual Studio Code, React native, y NodeJs. Para la creación y entrenamiento del modelado se utilizó Jupyter Lab, Tensorflow, Keras con JavaScript, Phyon, mediante la importación de librerías con 1180 fotos aleatorias de las 3 enfermedades encontradas de café y de su estado saludable para el entrenamiento del modelo de Inteligencia Artificial. Se utilizó la metodología MOBILE-D ya que la ponderación de sus características fue mayor con respecto a las metodologías ágiles. La implementación tuvo como finalidad el análisis de imágenes de las hojas enfermas para facilitar el proceso de reconocimiento; lo cual permitió tomar medidas preventivas y correctivas de propagación y tratamiento, evitando la pérdida del cultivo y mejorará la calidad de producción.
Palabras clave
Referencias
Babu, M., & Rao, B. (2007). Leaves recognition using back propagation neural network-advice for pest and disease control on crops. IndiaKisan.
Beraud Martínez, I. (2018). Cuarta revolución industrial. Impacto de la inteligencia artificial en el modo de producción actual. Revista Conjeturas Sociológicas. ISSN 2313-013X
Balleda, K. e. (2014). Agpest: An efficient rule-based expert system to prevent pest diseases of rice and wheat crops. Intelligent Systems and Control.
Boyd, D., & Sun, M. (1994). Prototyping an expert system for diagnosis of potato diseases. Computers and Electronics in Agriculture, 259-267.
Dipakkumar, J. (2018). Plant Disease Identification using Artificial Intelligence: Machine Learning Approach. International Journal of Innovative Research in Science, Engineering and Technology, 11082-11084.
Hanson, A., Joy, A., & Francis, J. (2017). Plant LeafDisease Detection using Deep Learning and Convolutional Neural Network. International Journal of Engineering Science, 5324-5328.
Harjeet, K., Deepak, P., & Madhuri. (2019). Applications of Machine Learning In Plant Disease Detection. Think India Journal, 3100-3105.
Hernández, D., & Gómez, J. (2016). Mobile D (programacion dispositivos moviles). Obtenido de https://es.slideshare.net/pipehernandez1020/mobile-d-programacion-dispositivos-moviles
Huang, K. (2007). Application of artificial neural network for detecting Phalaenopsis seedling diseases using color and texture features. Computers and Electronics in agriculture, 3- 11.
Ismail, M., & Mustikasari. (2013). Intelligent system for tea leaf disease detection. L IPSJ Technical, 1-4.
Rich, E., Knight, K., González P. A., Bodega, T. (1994), Inteligencia artificial, 2a Ed. McGraw Hill. Madrid, España. ISBN: 84-481-1858-8
Sannakki, H. e. (2011). Fast and accurate detection and classification of plant diseases. Computer Application, 31-38.
Sarma, S., Singh, K., & Singh, A. (2010). An Expert System for diagnosis of diseases in Rice Plant. International Journal of Artificial Intelligence, 26-31.
Valdez Alvarado, Aldo. (2018). Introducción al Machine Learning. 10.13140/RG.2.2.28886.19527.
React Native. (2020). Cree aplicaciones nativas para Android e iOS usando React. Obtenido de React Native: https://reactnative.dev/
TensorFlow. (2020). TensorFlow. Obtenido de https://www.tensorflow.org/?hl=es-419
Tomàs, E. (2021). Obtenido de Qué es REST: https://desarrolloweb.com/articulos/que-es-rest-caracteristicas-sistemas.html
DOI: https://doi.org/10.23857/pc.v7i12.5023
Enlaces de Referencia
- Por el momento, no existen enlaces de referencia
Polo del Conocimiento
Revista Científico-Académica Multidisciplinaria
ISSN: 2550-682X
Casa Editora del Polo
Manta - Ecuador
Dirección: Ciudadela El Palmar, II Etapa, Manta - Manabí - Ecuador.
Código Postal: 130801
Teléfonos: 056051775/0991871420
Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com
URL: https://www.polodelconocimiento.com/