Aplicativo móvil para la detección de la enfermedad del Mosaico común en la yuca (Manihot esculenta) utilizando redes neuronales convolucionales, 2021

Abstract

Esta tesis tiene como finalidad, implementar un Aplicativo Móvil que, usando un Modelo de Red Neuronal Convolucional, sea capaz de detectar la enfermedad del mosaico a través de las hojas de la yuca. Se recolectó 3400 imágenes de hojas de yuca, donde 3000 sirvieron como entrenamiento y 400 para validación. El diseño usado en esta investigación es de tipo preexperimental.

El tipo de estudio utilizado es Aplicada y el Nivel de investigación es de tipo descriptiva. Se tomaron las 400 fotografías correspondientes a la validación, con un celular REDMI NOTE con cámara trasera de 48 Mpx y cámara frontal de 32 Mpx, haciendo uso de la cámara trasera para tomar las fotografías, de las cuales 200 de ellas son hojas sanas y 200 son hojas enfermas, y para su posterior implementación se trabajó con la asociación civil “Unidos Tres Estrellas”. Para la variable dependiente se consideró el uso de encuestas y un muestreo sistemático en grilla, para la variable interviniente se consideraron las métricas arrojadas por defecto por la biblioteca de software Tensorflow 2.0, y finalmente utilizó la escala de Likert para la medición de la variable independiente. Teniendo como resultado la validez de las hipótesis tanto general como específicas. Concluyendo así que la implementación de un Aplicativo Movil, mejora el proceso de detección de la enfermedad del mosaico en la asociación civil “Unidos Tres Estrellas”, además que se desarrolló una arquitectura propia y adecuada de la Red Neuronal Convolucional para la clasificación correcta de las imágenes y se determinó que la eficacia de la aplicación influye en gran manera en el proceso para la detección de la enfermedad del mosaico.