Sistema de visión computacional basado en cnn para el fenotipado automático de nematodos fitoparásitos en el cultivo de la granja experimental Uleam el Carmen.

Abstract

La afectación por nematodos fitoparásitos en el cultivo de plátano representa un problema fitosanitario crítico en la Granja Experimental de la Universidad Laica Eloy Alfaro de Manabí, Extensión El Carmen. Los métodos manuales tradicionales de diagnóstico resultan lentos, subjetivos e imprecisos, dificultando la detección temprana de plagas. El objetivo del presente proyecto fue desarrollar, implementar y evaluar un sistema de visión computacional basado en redes neuronales convolucionales (CNN) con arquitectura YOLOv8 para el fenotipado automático de nematodos en dispositivos móviles. La metodología de investigación empleó un enfoque aplicado, de campo y explicativo, bajo los métodos analítico-sintético e hipotético-deductivo, para el levantamiento de requerimientos y diagnóstico se aplicó a una población de 25 estudiantes de la carrera de Ingeniería Agropecuaria, implementando la metodología Scrum estructurada por Sprints para el entrenamiento de la red neuronal. Los resultados demostraron una amplia necesidad del sistema por parte de la comunidad académica considerando el complejo diagnóstico tradicional, se concluye que el sistema optimiza el monitoreo fitosanitario de forma autónoma y offline, fortaleciendo la toma de decisiones agrícolas y las prácticas formativas universitarias en la Granja Experimental Uleam El Carmen.