(Proyecto) Inteligencia artificial al servicio de la agricultura: detección espectral temprana y manejo efectivo de enfermedades foliares en arroz y musáceas utilizando redes neuronales convolucionales (CNN).
(Proyecto) Inteligencia artificial al servicio de la agricultura: detección espectral temprana y manejo efectivo de enfermedades foliares en arroz y musáceas utilizando redes neuronales convolucionales (CNN).
No Thumbnail Available
Date
2026
Authors
Joel Abel Macea Selma
Rosalba Rodríguez Peña
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Este proyecto propone el desarrollo e implementación de un sistema de Inteligencia Artificial (IA) basado en Redes Neuronales Convolucionales (CNN) para la identificación temprana y control de enfermedades en cultivos de arroz y musáceas. Estos modelos permiten una detección temprana para diagnóstico rápido y preciso, lo cual es crucial para implementar medidas efectivas y prevenir daños generalizados. La agricultura representa aproximadamente el 3.57% del PIB del país, y estos cultivos son fundamentales para la seguridad alimentaria y la economía. El sistema utilizará imágenes de alta resolución (HDR) capturadas por drones para detectar síntomas de enfermedades en etapas tempranas. Los objetivos principales incluyen:
1. Desarrollar un modelo CNN para la detección temprana de síntomas de enfermedades
2. Evaluar la efectividad del sistema en condiciones reales de cultivo.
3. Implementar drones para la aplicación precisa de fungicidas.
4. Desarrollar estrategias de prevención basadas en el análisis de datos recolectados.
La metodología abarca la recolección y etiquetado de imágenes, el desarrollo y entrenamiento del modelo CNN, pruebas de campo, implementación de drones para aplicaciones aéreas, y análisis de datos para identificar patrones y tendencias. Se espera que el proyecto mejore significativamente la eficiencia en el manejo de plagas y enfermedades, optimice el uso de recursos, y fortalezca la producción agrícola sostenible. Esto es particularmente relevante dado que la República Dominicana es el mayor productor mundial de banano orgánico, representando más del 55% de la producción global (FAO).
Description
Objetivo General:
Detectar síntomas tempranos de enfermedades foliares en cultivos de arroz y musáceas mediante un sistema basado en Redes Neuronales Convolucionales (CNN) para el manejo efectivo de enfermedades de forma sostenible
Objetivos específicos:
1. Desarrollar un modelo de CNN para la detección temprana de síntomas de enfermedades: Seleccionar y entrenar una red neuronal convolucional que permita identificar patrones visuales asociados a enfermedades en imágenes HDR de cultivos de arroz y musáceas.
2. Evaluar la efectividad del sistema de detección en condiciones reales: Realizar pruebas piloto en campos de arroz y musáceas en diferentes regiones de República Dominicana para ajustar y validar el sistema en contextos agrícolas reales.
3. Implementar el uso de drones agrícolas de rociado para la aplicación precisa y oportuna de fungicidas en cultivos de arroz y musáceas, con el fin de optimizar el control de enfermedades y mejorar la eficiencia en el uso de insumos agrícolas.
4. Desarrollar estrategias de prevención basadas en el análisis de datos: Analizar los datos recolectados para identificar patrones y tendencias en la aparición de enfermedades, y desarrollar recomendaciones para prácticas preventivas.