Inteligencia Artificial: Machine Learning, para Detección Temprana de Plagas y Enfermedades de Cultivos Básicos, Nicaragua
El presente artículo, muestra aspectos relevantes del proceso de desarrollo de la aplicación móvil que incorpora técnicas de Machine Learning para detectar de forma temprana plagas y enfermedades en cultivos de granos básicos como maíz, frijol y sorgo, estos son indispensables para el consumo human...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad Central del Ecuador
2025-01-01
|
| Series: | Ingenio |
| Subjects: | |
| Online Access: | https://revistadigital.uce.edu.ec/index.php/INGENIO/article/view/7221 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1841550822274498560 |
|---|---|
| author | Saira María Urbina Cienfuegos Jazcar Josué Bravo Rivas |
| author_facet | Saira María Urbina Cienfuegos Jazcar Josué Bravo Rivas |
| author_sort | Saira María Urbina Cienfuegos |
| collection | DOAJ |
| description |
El presente artículo, muestra aspectos relevantes del proceso de desarrollo de la aplicación móvil que incorpora técnicas de Machine Learning para detectar de forma temprana plagas y enfermedades en cultivos de granos básicos como maíz, frijol y sorgo, estos son indispensables para el consumo humano en Nicaragua. Se utilizó metodología de desarrollo ágil Scrum, se adoptaron tecnologías como Android Studio, lenguaje de programación Java, Google Teachable Machine para entrenamiento del modelo de aprendizaje automático y TensorFlow Lite para incorporar modelo en la aplicación móvil. Los resultados muestran un Sprint con sus historias de usuarios, estas se convirtieron en funcionalidades que incluyen el modelo para el reconocimiento de imágenes con precisión de 95.8% utilizando un conjunto de datos de 252 imágenes de cultivos sanos y enfermos. La metodología indica organización de la programación según patrón Modelo – Vista – Controlador y métricas utilizadas por el modelo. Las conclusiones hacen énfasis en detalles de los resultados obtenidos en Sprint#1. Al final, también se mencionan retos a superar al aplicar aprendizaje automático en el sector agrícola.
|
| format | Article |
| id | doaj-art-12fb6f3518a44da3a26fe2651002127b |
| institution | Kabale University |
| issn | 2588-0829 2697-3243 |
| language | Spanish |
| publishDate | 2025-01-01 |
| publisher | Universidad Central del Ecuador |
| record_format | Article |
| series | Ingenio |
| spelling | doaj-art-12fb6f3518a44da3a26fe2651002127b2025-01-09T20:33:29ZspaUniversidad Central del EcuadorIngenio2588-08292697-32432025-01-018110.29166/ingenio.v8i1.7221Inteligencia Artificial: Machine Learning, para Detección Temprana de Plagas y Enfermedades de Cultivos Básicos, NicaraguaSaira María Urbina Cienfuegos0Jazcar Josué Bravo Rivas1Universidad Nacional Autónoma de Nicaragua - UNAN, Managua - NicaraguaUniversidad Nacional Autónoma de Nicaragua-UNAN El presente artículo, muestra aspectos relevantes del proceso de desarrollo de la aplicación móvil que incorpora técnicas de Machine Learning para detectar de forma temprana plagas y enfermedades en cultivos de granos básicos como maíz, frijol y sorgo, estos son indispensables para el consumo humano en Nicaragua. Se utilizó metodología de desarrollo ágil Scrum, se adoptaron tecnologías como Android Studio, lenguaje de programación Java, Google Teachable Machine para entrenamiento del modelo de aprendizaje automático y TensorFlow Lite para incorporar modelo en la aplicación móvil. Los resultados muestran un Sprint con sus historias de usuarios, estas se convirtieron en funcionalidades que incluyen el modelo para el reconocimiento de imágenes con precisión de 95.8% utilizando un conjunto de datos de 252 imágenes de cultivos sanos y enfermos. La metodología indica organización de la programación según patrón Modelo – Vista – Controlador y métricas utilizadas por el modelo. Las conclusiones hacen énfasis en detalles de los resultados obtenidos en Sprint#1. Al final, también se mencionan retos a superar al aplicar aprendizaje automático en el sector agrícola. https://revistadigital.uce.edu.ec/index.php/INGENIO/article/view/7221machine learningplagasenfermedadescultivos |
| spellingShingle | Saira María Urbina Cienfuegos Jazcar Josué Bravo Rivas Inteligencia Artificial: Machine Learning, para Detección Temprana de Plagas y Enfermedades de Cultivos Básicos, Nicaragua Ingenio machine learning plagas enfermedades cultivos |
| title | Inteligencia Artificial: Machine Learning, para Detección Temprana de Plagas y Enfermedades de Cultivos Básicos, Nicaragua |
| title_full | Inteligencia Artificial: Machine Learning, para Detección Temprana de Plagas y Enfermedades de Cultivos Básicos, Nicaragua |
| title_fullStr | Inteligencia Artificial: Machine Learning, para Detección Temprana de Plagas y Enfermedades de Cultivos Básicos, Nicaragua |
| title_full_unstemmed | Inteligencia Artificial: Machine Learning, para Detección Temprana de Plagas y Enfermedades de Cultivos Básicos, Nicaragua |
| title_short | Inteligencia Artificial: Machine Learning, para Detección Temprana de Plagas y Enfermedades de Cultivos Básicos, Nicaragua |
| title_sort | inteligencia artificial machine learning para deteccion temprana de plagas y enfermedades de cultivos basicos nicaragua |
| topic | machine learning plagas enfermedades cultivos |
| url | https://revistadigital.uce.edu.ec/index.php/INGENIO/article/view/7221 |
| work_keys_str_mv | AT sairamariaurbinacienfuegos inteligenciaartificialmachinelearningparadetecciontempranadeplagasyenfermedadesdecultivosbasicosnicaragua AT jazcarjosuebravorivas inteligenciaartificialmachinelearningparadetecciontempranadeplagasyenfermedadesdecultivosbasicosnicaragua |