Desarrollo de una aplicación móvil para la detección temprana de plagas en cultivos de maíz (zea mays l.) Empleando técnicas de visión artificial basada en aprendizaje profundo.
Early detection of pests in maize (Zea mays L.) crops represents a critical challenge for agriculture, directly affecting productivity, crop quality, and food security. With technological advancements, artificial vision and deep learning techniques emerge as promising solutions to this issue. For th...
Na minha lista:
| Autor principal: | |
|---|---|
| Formato: | bachelorThesis |
| Idioma: | spa |
| Publicado em: |
2024
|
| Assuntos: | |
| Acesso em linha: | https://repositorio.uteq.edu.ec/handle/43000/7224 |
| Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
Adicionar Tag | _version_ | 1862899498947182592 |
|---|---|
| author | Zambrano Monserrate , Dennisse Paola |
| author_facet | Zambrano Monserrate , Dennisse Paola |
| author_role | author |
| collection | Repositorio Universidad Técnica Estatal de Quevedo |
| dc.contributor.none.fl_str_mv | Zambrano Vega , Cristian Gabriel |
| dc.creator.none.fl_str_mv | Zambrano Monserrate , Dennisse Paola |
| dc.date.none.fl_str_mv | 2024-06-24T14:41:49Z 2024-06-24T14:41:49Z 2024 |
| dc.format.none.fl_str_mv | 84 application/pdf |
| dc.identifier.none.fl_str_mv | Zambrano Monserrate,Dennisse Paola(2024).Desarrollo de una aplicación móvil para la detección temprana de plagas en cultivos de maíz (zea mays l.) Empleando técnicas de visión artificial basada en aprendizaje profundo.Quevedo.UTEQ.84 1300143 https://repositorio.uteq.edu.ec/handle/43000/7224 |
| dc.language.none.fl_str_mv | spa |
| dc.publisher.none.fl_str_mv | Quevedo:UTEQ |
| dc.rights.none.fl_str_mv | Attribution-NonCommercial-ShareAlike 3.0 United States http://creativecommons.org/licenses/by-nc-sa/3.0/us/ info:eu-repo/semantics/openAccess |
| dc.source.none.fl_str_mv | reponame:Repositorio Universidad Técnica Estatal de Quevedo instname:Universidad Técnica Estatal de Quevedo instacron:UTEQ |
| dc.subject.none.fl_str_mv | Aprendizaje profundo Detección de objetos Plagas de cultivo de maíz |
| dc.title.none.fl_str_mv | Desarrollo de una aplicación móvil para la detección temprana de plagas en cultivos de maíz (zea mays l.) Empleando técnicas de visión artificial basada en aprendizaje profundo. |
| dc.type.none.fl_str_mv | info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/bachelorThesis |
| description | Early detection of pests in maize (Zea mays L.) crops represents a critical challenge for agriculture, directly affecting productivity, crop quality, and food security. With technological advancements, artificial vision and deep learning techniques emerge as promising solutions to this issue. For this reason, the "PlagaScan" mobile application was developed in this project, enabling pest detection in maize crops and providing diagnostic support for inexperienced farmers struggling to identify pests in their crops. The mobile application offers three main functionalities: real-time pest diagnosis, diagnosis through images uploaded from the gallery, and pest control by providing relevant information on possible control or treatment methods for the identified pest. Diagnoses are generated by a deep learning computational model based on the MobileNet-v2 convolutional neural network architecture, which has been trained and validated with a total of 750 images previously prepared and preprocessed. This model is designed to detect five types of pests: white grubs, cutworms, wireworms, mole crickets, and lepidopteran worms. During the model's training, adjustments were made to the hyperparameters, including a batch size of 16 and training for 150 epochs. The Mobile-D methodology, specifically designed for mobile application development, was chosen for the application's development. The application provides a very high performance, with 56.42% accuracy in diagnoses, making it a useful tool for farmers with little experience in detecting pests in maize. |
| eu_rights_str_mv | openAccess |
| format | bachelorThesis |
| id | UTEQ_4a6db4b4cd0c9e060ee6edbce33e93c7 |
| identifier_str_mv | Zambrano Monserrate,Dennisse Paola(2024).Desarrollo de una aplicación móvil para la detección temprana de plagas en cultivos de maíz (zea mays l.) Empleando técnicas de visión artificial basada en aprendizaje profundo.Quevedo.UTEQ.84 1300143 |
| instacron_str | UTEQ |
| institution | UTEQ |
| instname_str | Universidad Técnica Estatal de Quevedo |
| language | spa |
| network_acronym_str | UTEQ |
| network_name_str | Repositorio Universidad Técnica Estatal de Quevedo |
| oai_identifier_str | oai:repositorio.uteq.edu.ec:43000/7224 |
| publishDate | 2024 |
| publisher.none.fl_str_mv | Quevedo:UTEQ |
| reponame_str | Repositorio Universidad Técnica Estatal de Quevedo |
| repository.mail.fl_str_mv | . |
| repository.name.fl_str_mv | Repositorio Universidad Técnica Estatal de Quevedo - Universidad Técnica Estatal de Quevedo |
| repository_id_str | . |
| rights_invalid_str_mv | Attribution-NonCommercial-ShareAlike 3.0 United States http://creativecommons.org/licenses/by-nc-sa/3.0/us/ |
| spelling | Desarrollo de una aplicación móvil para la detección temprana de plagas en cultivos de maíz (zea mays l.) Empleando técnicas de visión artificial basada en aprendizaje profundo.Zambrano Monserrate , Dennisse PaolaAprendizaje profundoDetección de objetosPlagas de cultivo de maízEarly detection of pests in maize (Zea mays L.) crops represents a critical challenge for agriculture, directly affecting productivity, crop quality, and food security. With technological advancements, artificial vision and deep learning techniques emerge as promising solutions to this issue. For this reason, the "PlagaScan" mobile application was developed in this project, enabling pest detection in maize crops and providing diagnostic support for inexperienced farmers struggling to identify pests in their crops. The mobile application offers three main functionalities: real-time pest diagnosis, diagnosis through images uploaded from the gallery, and pest control by providing relevant information on possible control or treatment methods for the identified pest. Diagnoses are generated by a deep learning computational model based on the MobileNet-v2 convolutional neural network architecture, which has been trained and validated with a total of 750 images previously prepared and preprocessed. This model is designed to detect five types of pests: white grubs, cutworms, wireworms, mole crickets, and lepidopteran worms. During the model's training, adjustments were made to the hyperparameters, including a batch size of 16 and training for 150 epochs. The Mobile-D methodology, specifically designed for mobile application development, was chosen for the application's development. The application provides a very high performance, with 56.42% accuracy in diagnoses, making it a useful tool for farmers with little experience in detecting pests in maize.La detección temprana de plagas en cultivos de maíz (Zea mays L.) representa un desafío crítico para la agricultura, afectando directamente la productividad, calidad de los cultivos, y seguridad alimentaria. Con el avance de la tecnología, las técnicas de visión artificial y aprendizaje profundo emergen como soluciones prometedoras a esta problemática. Es por ello, que en el presente proyecto se desarrolló la aplicación móvil “PlagaScan” la cual permite la detección de plagas en el cultivo de maíz y brinda soporte en el diagnóstico para agricultores inexpertos con dificultades al identificar plagas en sus cultivos. La aplicación móvil ofrece tres funcionalidades principales: diagnóstico de plagas en tiempo real, diagnóstico mediante imágenes cargadas desde la galería y control de plagas proporcionando información relevante sobre posibles métodos de control o tratamiento para la plaga identificada. Los diagnósticos son generados por un modelo computacional de aprendizaje profundo basado en la arquitectura de la red neuronal convolucional MobileNet-v2, el cual ha sido entrenado y validado con un total de 750 imágenes previamente preparadas y preprocesadas. Este modelo está diseñado para detectar cinco tipos de plagas: gallina ciega, gusano trozado, gusano alambre, grillotopos y gusano lepidóptero. Durante el entrenamiento del modelo, se realizaron ajustes en los hiperparámetros, incluyendo un tamaño de lote de 16 y un entrenamiento durante 150 épocas. Para el desarrollo de la aplicación, se optó por la metodología Mobile-D, diseñada específicamente para el desarrollo de aplicaciones móviles. La aplicación brinda un rendimiento muy alto, con un 56.42% de precisión en los diagnósticos, lo que la convierte en una herramienta útil para agricultores con poca experiencia en la detección de plagas en el maíz.Quevedo:UTEQZambrano Vega , Cristian Gabriel2024-06-24T14:41:49Z2024-06-24T14:41:49Z2024info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis84application/pdfZambrano Monserrate,Dennisse Paola(2024).Desarrollo de una aplicación móvil para la detección temprana de plagas en cultivos de maíz (zea mays l.) Empleando técnicas de visión artificial basada en aprendizaje profundo.Quevedo.UTEQ.841300143https://repositorio.uteq.edu.ec/handle/43000/7224spaAttribution-NonCommercial-ShareAlike 3.0 United Stateshttp://creativecommons.org/licenses/by-nc-sa/3.0/us/info:eu-repo/semantics/openAccessreponame:Repositorio Universidad Técnica Estatal de Quevedoinstname:Universidad Técnica Estatal de Quevedoinstacron:UTEQ2024-06-25T08:00:47Zoai:repositorio.uteq.edu.ec:43000/7224Institucionalhttp://repositorio.uteq.edu.ec/Universidad públicahttps://www.uteq.edu.ec/http://repositorio.uteq.edu.ec/oaiEcuador...opendoar:.2024-06-25T08:00:47falseInstitucionalhttp://repositorio.uteq.edu.ec/Universidad públicahttps://www.uteq.edu.ec/http://repositorio.uteq.edu.ec/oai.Ecuador...opendoar:.2024-06-25T08:00:47Repositorio Universidad Técnica Estatal de Quevedo - Universidad Técnica Estatal de Quevedofalse |
| spellingShingle | Desarrollo de una aplicación móvil para la detección temprana de plagas en cultivos de maíz (zea mays l.) Empleando técnicas de visión artificial basada en aprendizaje profundo. Zambrano Monserrate , Dennisse Paola Aprendizaje profundo Detección de objetos Plagas de cultivo de maíz |
| status_str | publishedVersion |
| title | Desarrollo de una aplicación móvil para la detección temprana de plagas en cultivos de maíz (zea mays l.) Empleando técnicas de visión artificial basada en aprendizaje profundo. |
| title_full | Desarrollo de una aplicación móvil para la detección temprana de plagas en cultivos de maíz (zea mays l.) Empleando técnicas de visión artificial basada en aprendizaje profundo. |
| title_fullStr | Desarrollo de una aplicación móvil para la detección temprana de plagas en cultivos de maíz (zea mays l.) Empleando técnicas de visión artificial basada en aprendizaje profundo. |
| title_full_unstemmed | Desarrollo de una aplicación móvil para la detección temprana de plagas en cultivos de maíz (zea mays l.) Empleando técnicas de visión artificial basada en aprendizaje profundo. |
| title_short | Desarrollo de una aplicación móvil para la detección temprana de plagas en cultivos de maíz (zea mays l.) Empleando técnicas de visión artificial basada en aprendizaje profundo. |
| title_sort | Desarrollo de una aplicación móvil para la detección temprana de plagas en cultivos de maíz (zea mays l.) Empleando técnicas de visión artificial basada en aprendizaje profundo. |
| topic | Aprendizaje profundo Detección de objetos Plagas de cultivo de maíz |
| url | https://repositorio.uteq.edu.ec/handle/43000/7224 |