Detección de enfermedades mediante las hojas del maíz utilizando DEEP Learning para los agricultores del distrito de Curahuasi Abancay - 2024

Simple item page
dc.contributor.advisorCari lncahuanaco, Francisco
dc.contributor.advisorHuaylla Quispe, Alejandnina
dc.contributor.authorValverde Ramirez, Juan Carlos
dc.date.accessioned2026-01-29T16:56:42Z
dc.date.available2026-01-29T16:56:42Z
dc.date.issued2026-01-29
dc.description.abstractEl maíz es un cultivo importante en el Perú, esencial para la seguridad alimentaria. Sin embargo, su cultivo enfrenta desafíos significativos debido a enfermedades debilitando como la Trips del maíz, y el virus del Roya del maíz, que pueden conducir a graves pérdidas del rendimiento. Los métodos tradicionales de diagnostico de enfermedades de las plantas a menudo requieren mucho tiempo y son propensos a errores, lo que requiere enfoque más eficiente. Este estudio explora la aplicación de apredizaje profundo, especialmente las redes neuronales convolucionales (CNN), en la detección y clasificación automáticas de enfermedades del maíz. El objetivo de este estudio es comparar la precisión de dos arquitecturas: CNN básico y ResNet18, la imagen de prueba utilizo un conjuinto de datos formado de 3087 imágenes que comprenden de enfermedades de las hojas del maíz, las clases están conformados por, Trips, Roya y hojas Sanas. Además, realizamos un ajuste hiperparametros para mejorar el rendimiento de los modelos y el mapeo de activación de clases ponderado por gradiente, para la interpretabilidad del modelo. Nuestros resultados muestran que el modelo ResNet18 demostro una precisión del 99.38% al distinguir entre pantas sanas y enfermas. Los resultados de este estudio contribuyen al avance de las aplicaciones de IA en la agricultura, en particular en el diagnóstico de enfermedades del maíz en Curahuasi Perú.
dc.formatapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.14195/1447
dc.language.isospa
dc.publisherUniversidad Nacional Micaela Bastidas de Apurimac
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/
dc.subjectEnfermedades del maíz
dc.subjectRedes neuronales convolucionales
dc.subjectAprendizaje Profundo
dc.subjectTrips del Maíz y Roya del Maíz
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.04
dc.titleDetección de enfermedades mediante las hojas del maíz utilizando DEEP Learning para los agricultores del distrito de Curahuasi Abancay - 2024
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.type.versioninfo:eu-repo/semantics/publishedVersion
renati.advisor.dni02047660
renati.advisor.dni43809188
renati.advisor.orcidhttps://orcid.org/0000-0002-2807-0495
renati.advisor.orcidhttps://orcid.org/0000-0002-0258-8632
renati.author.dni74312900
renati.discipline612296
renati.jurorRojas Enríquez, Hesmeralda
renati.jurorMamani Coaquira, Yonatan
renati.jurorMamani Rodrigo, Wilson
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineIngeniería informática y sistemas
thesis.degree.grantorUniversidad Nacional Micaela Bastidas de Apurímac
thesis.degree.nameIngeniero Informático y Sistemas

Files

Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
T-Valverde-Ramirez-Juan-Carlos.pdf
Size:
3.06 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
T-Similitud-Valverde-Ramirez-Juan-Carlos.pdf
Size:
65.12 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
T-Autorización-Valverde-Ramirez-Juan-Carlos.pdf
Size:
151.06 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.02 KB
Format:
Item-specific license agreed to upon submission
Description:
Download

Collections

Escuela Profesional de Ingeniería Informática y Sistemas