Buscar en Google Scholar
Título: Estimación de severidad de roya del café en sistemas agroforestales, utilizando Deep Learning en las provincias de Jaén y San Ignacio, Departamento de Cajamarca, 2023
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.07.00
Fecha de publicación: 16-dic-2024
Institución: Universidad Nacional de Jaén
Resumen: Los sistemas agroforestales pueden influir en la incidencia y abundancia de las plagas y enfermedades, debido a la combinación temporal de cultivos con árboles u otro tipo de vegetación para generar microclimas adecuados. La investigación tuvo como objetivo estimar la severidad de la roya de café en los sistemas agroforestales en distritos de la provincia de Jaén y San Ignacio, departamento de Cajamarca, 2023. El enfoque de investigación fue cuantitativo, de tipo descriptiva, se recolectaron 319 fotografías durante salidas de campo, las cuales fueron segmentadas, clasificadas y analizadas mediante Deep Learning considerando los métodos de medición de severidad de roya de SENASA Perú y SENASICA México y los modelos de aprendizaje de transferencia MobileNet y CNN (VGG16), ambos basados en aprendizaje profundo para la clasificación de enfermedades. Se obtuvo el grado de afectación 1 como el más prevalente de la severidad de la roya según la metodología de SENASA (1 al 5% de afectación de la hoja); de igual modo, el método SENASICA México indico la prevalencia del grado 1 (0 al 2% de afectación). En cuanto a la red neuronal, el modelo propuesto MobileNet presentó la mejor tasa de precisión de clasificación del 94% en 50 etapas. Palabras
Disciplina académico-profesional: Ingeniería Forestal y Ambiental
Institución que otorga el grado o título: Universidad Nacional de Jaén, Facultad de Ingeniería Forestal y Ambiental
Grado o título: Ingeniero Forestal y Ambiental
Jurado: Sanchez Tello,Segundo; Caira Mamani,Cirilo Mario; Varas Ponce, Lupo Leónidas
Fecha de registro: 16-dic-2024



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons