Sistema móvil con transfer learning para detección temprana de artrópodos fitófagos en cultivos de theobroma cacao en la granja experimental Uleam el Carmen.

Abstract

La revisión visual del cultivo de Theobroma cacao en la Granja Experimental Uleam Extensión El Carmen presenta limitaciones que retrasan la detección de artrópodos fitófagos, favoreciendo la propagación de plagas y afectando la calidad y el rendimiento. Ante esta situación, la investigación tuvo como propósito diseñar e implementar un sistema móvil, basado en transferencia de aprendizaje, capaz de reconocer plagas en hojas de cacao en tiempo real y bajo condiciones de recursos tecnológicos limitados. El estudio se desarrolló con enfoque principalmente cuantitativo, complementado con información cualitativa obtenida mediante una encuesta aplicada a 32 estudiantes de una población de 389 estudiantes y una entrevista realizada a un ingeniero docente. En el componente técnico se utilizó la arquitectura MobileNetV2 ajustada mediante transfer learning, entrenada con 1743 imágenes procedentes de campo y de repositorios de acceso abierto, organizadas bajo la metodología Scrum en cinco Sprints. El modelo se exportó en formato TensorFlow Lite en una aplicación móvil desarrollada en Flutter, alcanzando una exactitud de 97.33% sobre un conjunto de validación depurado y permitiendo clasificar seis categorías, cuatro de plagas y dos de identificación sano y no cacao. Las pruebas en un dispositivo Android confirman su funcionamiento sin conexión a internet, ofreciendo al agricultor un diagnóstico rápido y confiable que ayuda a complementar la inspección visual tradicional.