Modelo de reconocimiento de plaga de trips en los cultivos del aguacate mediante las Redes Neuronales Convolucionales

Abstract

La producción de la palta desempeña un papel importante en la satisfacción de las necesidades nutricionales alimentaria a nivel mundial. Las enfermedades en las plantas es un fenómeno bastante común que dificulta la producción bruta y causa enormes perdidas a los agricultores. En este contexto, la detección precoz de la enfermedad del TRIPS es esencial para la producción sana. Esta investigación es desarrollada en el modelo de ResNet18, un enfoque basado en redes neuronales convolucionales (CNN) para detectar enfermedad del TRIPS, dado que, ocasiona una perdida total en la mayoría en las paltas en quitasol Abancay, en cuanto a, utilizando imágenes de las hojas de la palta (aguacate), este modelo se desempeña especialmente para el reconocimiento de enfermedad de esta, en el lugar de quitasol Abancay utilizando un novedoso aprendizaje profundo por medio de imágenes que conforman un conjunto de datos específicos de la región y se clasifica en dos clases como son Trips y Sanas de la palta, en rendimiento de ResNet18 se evalúa con una media de exactitud, precisión, recall del 99.24%, 98.94% y 99.29% respectivamente, en una validación de VGG-16 con una medición, precisión, recall 96.78%, 96.77% y 95.74% respectivamente, con una variación superior a la del modelo como VGG-16. ResNet18 puede ser útil en la detección de síntomas temprano de la enfermedad de TRIPS, lo que en última instancia conduce a una mayor producción de aguacate.Avocado production plays an important role in meeting the world's nutritional food needs. Plant disease is a fairly common phenomenon that hampers gross production and causes huge losses to growers. In this context, early detection of TRIPS disease is essential for healthy production. This research is developed on the ResNet18 model, an approach based on convolutional neural networks (CNN) to detect TRIPS disease, since, it causes a total loss in most avocados in quitasol Abancay, as for, using images of avocado leaves, this model performs especially for the recognition of avocado disease, in the place of quitasol Abancay using a novel deep learning by means of images that conform a set of specific data of the region and is classified in two classes as they are Trips and Healthy of the avocado, in ResNet18 performance is evaluated with an average of accuracy, precision, recall of 99. 24%, 98.94% and 99.29% respectively, in a VGG-16 validation with a measurement, accuracy, recall 96.78%, 96.77% and 95.74% respectively, with a higher variation than the model as VGG-16. ResNet18 can be useful in detecting early symptoms of TRIPS disease, ultimately leading to higher avocado yield.