Sistema de diagnóstico temprano de la enfermedad de la roña en la papa y su tratamiento basados en el reconocimiento de imágenes y Machine Learning en Apurímac

Abstract

En la actualidad el cambio climático en el mundo y la pandemia mundial de COVID-19 han causado una crisis en la producción agrícola mundial. El desafío de aumentar, mejorar el rendimiento de los cultivos y al mismo tiempo de garantizar el desarrollo sostenible de una agricultura que proteja al medio ambiente es un problema que se presenta en todo el mundo. Según la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO, 2021), las plagas agrícolas generan pérdidas que oscilan entre el 20 % y el 40 % de la producción agrícola mundial cada año, afectando significativamente la seguridad alimentaria global. Por ello este documento tiene como objetivo desarrollar un aplicativo móvil experto para predecir la enfermedad de la roña en la papa, desde que inicia hasta que la enfermedad se haya esparcido por toda la papa. El modelo propuesto es el aprendizaje profundo YOLOv7 para el reconocimiento de imágenes y predecir la aparición de plagas. El modelo propuesto fue validado mediante un estudio en el que los resultados experimentales revelaron una precisión de identificación de plagas del 95%. Logrando el posicionamiento preciso que permita reducir la cantidad de pesticidas utilizados y reducir el daño de los pesticidas que afectan al suelo.

Currently the current situation, climate change in the world and the global pandemic of COVID-19 have caused a crisis in world agricultural production. The challenge of increasing, improving crop yields and at the same time guaranteeing the sustainable development of an agriculture that protects the environment is a problem that occurs throughout the world. Likewise, agricultural pests cause between 20 and 40 percent of agricultural production loss worldwide each year, according to the Food and Agriculture Organization (FAO). Therefore, this document aims to develop an expert mobile application to predict potato scab disease, from its onset until the disease has spread throughout the potato. The proposed model is YOLOv7 deep learning for image recognition and predicting the appearance of pests. The proposed model was validated through a study, where the experimental results showed that the accuracy of pest identification reached 95%. Achieving the precise positioning which can effectively reduce the amount of pesticides used and reduce the damage of pesticides affecting the soil.