Sistema informático con arquitectura deep learning para evaluación de salud vegetal de theobroma cacao en la granja experimental El Carmen.

Abstract

El presente trabajo de titulación describe el desarrollo e implementación de CacaoHealth AI, un sistema informático basado en Deep Learning orientado a la evaluación del estado de salud vegetal del cacao (Theobroma cacao) en la Granja Experimental El Carmen de la Uleam, Extensión El Carmen. El sistema fue desarrollado en Python y se construyó utilizando la arquitectura MobileNetV2 mediante Transfer Learning, implementado con TensorFlow/Keras y es capaz de clasificar fotografías de plantas de cacao en cinco categorías: Estrés_Abiótico, Fito, Monilia, No_Cacao y Sana. La construcción del modelo se basó en un conjunto propio de 2.097 imágenes reales, tomadas en campo y luego ampliadas a través de técnicas de aumento de datos. El modelo entrenado, que realizo un ajuste fino en las capas superiores de MobileNetV2, logró una precisión general del 81.09% sobre un conjunto completo de 312 imágenes de validación. El sistema incorpora una interfaz gráfica en Tkinter con un tiempo de respuesta promedio de 361 ms y fue exportado a formato TensorFlow Lite para su integración en la aplicación móvil Android del proyecto grupal. La validación de campo se realizó mediante un enfoque mixto, aplicando una encuesta a una muestra de 29 estudiantes de Agropecuaria (seleccionados mediante muestreo discrecional de una población de 389 estudiantes) y una entrevista al Ing. Marco Vinicio de la Cruz como fuente experta, cuyos resultados confirmaron la pertinencia y necesidad del sistema como herramienta de apoyo al diagnóstico fitosanitario del cultivo cacaotero.