Sistema de visión artificial basado en efficientnet-b4 para la detección temprana de moniliophthora roreri en cultivos de cacao en la granja experimental El Carmen.

Abstract

El cultivo de cacao constituye una de las principales actividades agrícolas del Ecuador, sin embargo, la presencia de enfermedades fitosanitarias, especialmente la Moniliasis causada por el hongo Moniliophthora roreri afecta significativamente la productividad y la calidad de las cosechas. La detección de esta enfermedad continúa realizándose en gran medida, mediante inspecciones visuales, lo que dificulta un diagnóstico oportuno y aumenta el riesgo de propagación del patógeno. La presente investigación tuvo como objetivo desarrollar un sistema de visión artificial basado en la arquitectura Efficientnet-B4 para la detección de la enfermedad Moniliasis en cultivos de cacao del cantón El Carmen de la provincia de Manabí. La metodología empleada integró investigación bibliográfica de campo y aplicada, para la recolección de información se aplicaron encuestas a estudiantes de ULEAM extensión El Carmen, y una entrevista a un profesional del área siendo una muestra de la población de estudio conformada por 389 estudiantes de la facultad de agropecuaria. Así mismo se construyó un conjunto de imágenes mediante la recopilación de fotografías obtenida en la granja experimental Uleam y dataset públicos para el entrenamiento del modelo. Como resultado se obtuvo un sistema capaz de analizar imágenes de mazorcas de cacao y generar un diagnóstico automatizado, constituyendo una herramienta de apoyo para el monitoreo fitosanitario y la detección de esta enfermedad. La propuesta evidencia el potencial de la inteligencia artificial para contribuir al fortalecimiento del sector cacaotero.