Transfer learning para la detección de pseudocercospora fijiensis en la granja experimental Uleam, extensión El Carmen.

Abstract

La Sigatoka negra, causada por Pseudocercospora fijiensis, es una enfermedad foliar que afecta el cultivo de plátano y reduce el área útil de las hojas en la Granja Experimental ULEAM, las hojas se evalúan mediante observación directa por lo que el resultado depende en gran medida de la experiencia del personal encargado, el procedimiento puede generar dudas al diferenciar una afectación moderada de una severa; por esta razón, el estudio propone implementar un modelo de aprendizaje por transferencia que apoyara la clasificación de imágenes de hojas plátano. La investigación tuvo un diseño no experimental y un enfoque mixto con predominio cuantitativo, el componente cualitativo permitió conocer las necesidades del entorno mediante encuesta, entrevista y observación. El componente cuantitativo se aplicó al entrenamiento y evaluación de los modelos. El conjunto de datos final estuvo formado por 141 imágenes organizadas en tres clases: sana, Sigatoka moderada y Sigatoka severa. Se destinaron 87 imágenes al entrenamiento, 24 a la validación y 30 a la prueba. La separación se realizó por grupos de captura para evitar que fotografías de una misma secuencia aparecieran en subconjuntos diferentes. Se evaluaron las arquitecturas MobileNetV2, EfficientNetB0 y ResNet50V2 utilizando la misma distribución de imágenes. Después de comparar los resultados, MobileNetV2 con ajuste fino mostró la mejor relación entre rendimiento y costo computacional. Este modelo obtuvo una exactitud de validación del 83,33 %, una exactitud balanceada del 87,78 %, un F1 macro del 81,35 % y una pérdida de 0,5395, las pruebas del modelo alcanzó una exactitud del 90 %, se convirtió al formato TensorFlow Lite y se incorporó en una aplicación desarrollada con Flutter, desde la cual el usuario puede tomar una fotografía o seleccionar una imagen guardada en la galería, antes de realizar la clasificación y un validador analiza que la imagen contenga una hoja de plátano. Los resultados obtenidos muestran su eficiencia como herramienta de apoyo, sin embargo, será necesario incorporar más fotografías para evaluar y mejorar su desempeño ante imágenes diferentes a las utilizadas en el estudio.