Redes neuronales para la identificación de enfermedades en el cultivo de tomate (Solanum lycopersicum L.) en Honduras
En la actualidad el tomate (Solanum lycopersicum L.) es la hortaliza más importante productiva y económicamente en Honduras, siendo un insumo indispensable del comercio a nivel nacional y global, por lo cual es sumamente necesario contar con herramientas de asesoría agrícola, que ayuden en la produc...
| Autores principales: | , |
|---|---|
| Otros Autores: | |
| Formato: | Tesis |
| Lenguaje: | Español |
| Publicado: |
Zamorano: Escuela Agrícola Panamericana, 2020
2020
|
| Materias: | |
| Acceso en línea: | https://bdigital.zamorano.edu/handle/11036/6874 |
| _version_ | 1855501069638959104 |
|---|---|
| author | Erazo V., Jorge D. Uema H., Ken S. |
| author2 | Avellaneda, Carolina |
| author_browse | Avellaneda, Carolina Erazo V., Jorge D. Uema H., Ken S. |
| author_facet | Avellaneda, Carolina Erazo V., Jorge D. Uema H., Ken S. |
| author_sort | Erazo V., Jorge D. |
| collection | Biblioteca Digital Zamorano |
| description | En la actualidad el tomate (Solanum lycopersicum L.) es la hortaliza más importante productiva y económicamente en Honduras, siendo un insumo indispensable del comercio a nivel nacional y global, por lo cual es sumamente necesario contar con herramientas de asesoría agrícola, que ayuden en la productividad y calidad del cultivo. El proyecto aquí presentado consistió en la implementación de mecanismos de inteligencia artificial, de la creación de un sistema de redes neuronales que permitan diagnosticar enfermedades en el tomate de forma confiable y precisa. La codificación del sistema se realizó empleando códigos de programación obtenidos de la colorimetría de síntomas, usando el modelo de color RGB y el lenguaje de programación Python, el cual facilitó la implementación y entrenamiento de la red, para esto fue necesario crear una base de datos de la cual la red neuronal obtuvo las imágenes necesarias para realizar su entrenamiento y aprendizaje, aplicándolo luego en sus diagnósticos. El desarrollo del programa presentó algunas dificultades o limitaciones, lo que limitó el número de enfermedades a evaluar, por tal razón el estudio se centró en aquellas que presentaron síntomas bien definidos, y de fácil interpretación para la red neuronal, permitiendo extenderse a cualquier cantidad de enfermedades. Se realizó la codificación de las enfermedades y su implementación, logrando que el sistema tuviese la capacidad de diagnosticar correctamente dos ellas, mancha por Septoria sp. y tizón temprano. |
| format | Tesis |
| id | ZAMORANO6874 |
| institution | Universidad Zamorano |
| language | Español |
| publishDate | 2020 |
| publishDateRange | 2020 |
| publishDateSort | 2020 |
| publisher | Zamorano: Escuela Agrícola Panamericana, 2020 |
| publisherStr | Zamorano: Escuela Agrícola Panamericana, 2020 |
| record_format | dspace |
| spelling | ZAMORANO68742023-03-24T16:16:47Z Redes neuronales para la identificación de enfermedades en el cultivo de tomate (Solanum lycopersicum L.) en Honduras Erazo V., Jorge D. Uema H., Ken S. Avellaneda, Carolina Molina, Josué Inteligencia artificial Machine Learning Python En la actualidad el tomate (Solanum lycopersicum L.) es la hortaliza más importante productiva y económicamente en Honduras, siendo un insumo indispensable del comercio a nivel nacional y global, por lo cual es sumamente necesario contar con herramientas de asesoría agrícola, que ayuden en la productividad y calidad del cultivo. El proyecto aquí presentado consistió en la implementación de mecanismos de inteligencia artificial, de la creación de un sistema de redes neuronales que permitan diagnosticar enfermedades en el tomate de forma confiable y precisa. La codificación del sistema se realizó empleando códigos de programación obtenidos de la colorimetría de síntomas, usando el modelo de color RGB y el lenguaje de programación Python, el cual facilitó la implementación y entrenamiento de la red, para esto fue necesario crear una base de datos de la cual la red neuronal obtuvo las imágenes necesarias para realizar su entrenamiento y aprendizaje, aplicándolo luego en sus diagnósticos. El desarrollo del programa presentó algunas dificultades o limitaciones, lo que limitó el número de enfermedades a evaluar, por tal razón el estudio se centró en aquellas que presentaron síntomas bien definidos, y de fácil interpretación para la red neuronal, permitiendo extenderse a cualquier cantidad de enfermedades. Se realizó la codificación de las enfermedades y su implementación, logrando que el sistema tuviese la capacidad de diagnosticar correctamente dos ellas, mancha por Septoria sp. y tizón temprano. 2020-11-29T17:54:17Z 2020-11-29T17:54:17Z 2020 Thesis https://bdigital.zamorano.edu/handle/11036/6874 spa 27 p. Copyright, Escuela Agrícola Panamericana, 2020 http://creativecommons.org/licenses/by-nc-nd/3.0/es openAccess application/pdf application/pdf Zamorano Zamorano: Escuela Agrícola Panamericana, 2020 |
| spellingShingle | Inteligencia artificial Machine Learning Python Erazo V., Jorge D. Uema H., Ken S. Redes neuronales para la identificación de enfermedades en el cultivo de tomate (Solanum lycopersicum L.) en Honduras |
| title | Redes neuronales para la identificación de enfermedades en el cultivo de tomate (Solanum lycopersicum L.) en Honduras |
| title_full | Redes neuronales para la identificación de enfermedades en el cultivo de tomate (Solanum lycopersicum L.) en Honduras |
| title_fullStr | Redes neuronales para la identificación de enfermedades en el cultivo de tomate (Solanum lycopersicum L.) en Honduras |
| title_full_unstemmed | Redes neuronales para la identificación de enfermedades en el cultivo de tomate (Solanum lycopersicum L.) en Honduras |
| title_short | Redes neuronales para la identificación de enfermedades en el cultivo de tomate (Solanum lycopersicum L.) en Honduras |
| title_sort | redes neuronales para la identificacion de enfermedades en el cultivo de tomate solanum lycopersicum l en honduras |
| topic | Inteligencia artificial Machine Learning Python |
| url | https://bdigital.zamorano.edu/handle/11036/6874 |
| work_keys_str_mv | AT erazovjorged redesneuronalesparalaidentificaciondeenfermedadesenelcultivodetomatesolanumlycopersicumlenhonduras AT uemahkens redesneuronalesparalaidentificaciondeenfermedadesenelcultivodetomatesolanumlycopersicumlenhonduras |