Detección de enfermedades en cultivos de banano con imágenes aéreas utilizando un modelo de Deep Learning

Simple item page
dc.contributor.advisorTobón Llano, Luis Eduardo
dc.contributor.authorEnríquez Polanco, Jorge Alberto
dc.contributor.authorRodríguez Reyes, Michael
dc.date.accessioned2024-07-30T20:57:02Z
dc.date.available2024-07-30T20:57:02Z
dc.date.issued2024
dc.description.abstractEste documento presenta un proyecto cuyo objetivo principal es reducir la cantidad de tiempo invertida en el monitoreo de los cultivos de banano, mediante la implementación de modelos de Aprendizaje Profundo (Deep Learning). Estos modelos se han utilizado para detectar y monitorear las enfermedades de Fusarium wilt y Xanthomonas wilt en los cultivos, empleando imágenes de alta resolución en RGB obtenidas por UAV (vehículos aéreos no tripulados). El proyecto se dirige específicamente a pequeños y medianos agricultores, con el propósito de agilizar los procesos de monitoreo de los cultivos de banano y detectar de manera temprana las enfermedades mencionadas. Para lograr este objetivo, se ha desarrollado un prototipo funcional que ha sido probado en cultivos reales. La implementación del prototipo se ha basado en los avances encontrados en el estado del arte relacionado con dispositivos y arquitecturas utilizadas en la implementación de inteligencia artificial en el monitoreo de cultivos. Además, se ha utilizado una base de datos proporcionada por el Centro Internacional de Agricultura Tropical (CIAT), que cuenta con más de 30 mil plantas de banano anotadas y etiquetadas por expertos fitopatólogos. En 3 cuanto a los objetivos cuantitativos, se ha logrado reducir en al menos un 25% el tiempo necesario para el monitoreo de los cultivos de banano, en comparación con los métodos tradicionales utilizados por los agricultores. Para lograr estos objetivos, se ha utilizado la metodología CDIO, que implica comprender inicialmente la situación, necesidad o problema en un contexto específico. A partir de esta comprensión, se ha diseñado una solución que se ha implementado realizando las modificaciones necesarias hasta llegar a la fase operativa del proyecto
dc.description.abstractengThis document presents a project whose main objective is to reduce the amount of time invested in the monitoring of banana crops, through the implementation of Deep Learning (Deep Learning). These models have been used to detect and monitor Fusarium wilt and Xanthomonas wilt diseases in crops, using images of high resolution in RGB obtained by UAV (unmanned aerial vehicles). The project is directed specifically to small and medium farmers, with the purpose of streamlining the processes of monitoring banana crops and detecting diseases early mentioned. To achieve this objective, a functional prototype has been developed that has been Tested on real crops. The implementation of the prototype has been based on the advances found in the state of the art related to devices and architectures used in the implementation of artificial intelligence in crop monitoring. Furthermore, we have used a database provided by the International Center for Tropical Agriculture (CIAT), which has with more than 30 thousand banana plants annotated and labeled by expert phytopathologists. In 3Regarding the quantitative objectives, it has been possible to reduce the time necessary by at least 25% for monitoring banana crops, compared to traditional methods used by farmers. To achieve these objectives, the CDIO methodology has been used, which involves initially understanding the situation, need or problem in a context specific. Based on this understanding, a solution has been designed and implemented making the necessary modifications until reaching the operational phase of the project
dc.format.extent128 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://vitela.javerianacali.edu.co/handle/11522/3651
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.facultyFacultad de Ingeniería y Ciencias
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectDeep Learning
dc.subjectDrones
dc.subjectAgricultura
dc.subjectBanano
dc.subjectCultivos
dc.subjectMonitoreo
dc.subjectCiencia de Datos
dc.subjectAgriculture
dc.subjectBanana
dc.subjectCrops
dc.subjectMonitoring
dc.subjectData Science
dc.thesis.disciplineFacultad de Ingeniería y Ciencias. Maestría en Ciencia de Datos - Modalidad virtual
dc.thesis.levelMaestría
dc.titleDetección de enfermedades en cultivos de banano con imágenes aéreas utilizando un modelo de Deep Learningspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
Trabajo de Grado.pdf
Size:
73.23 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de Aceptación - Michael Rodriguez y Jorge Alberto Enríquez.pdf
Size:
314.08 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de Uso.pdf
Size:
304.09 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos