Modelo de predicción de plagas en el cultivo de palto utilizando metodología de aprendizaje automático supervisado, empresa Virú S.A., 2019-2021

Abstract

El uso de la tecnología en la gestión agrícola es un fuerte pilar para el desarrollo de la productividad en el Perú. Si bien en los últimos años este sector ha implementado tecnologías tal como drones, estaciones meteorológicas, entre otros, para el control de muchos factores que involucran en este sector, no siempre se explota la información que se genera de ello. El objetivo de este trabajo fue desarrollar un modelo de predicción de plagas en el cultivo de palto utilizando la metodología de aprendizaje automático supervisado. Se analizó un conjunto de datos de variables climatológicas y de la aparición de plagas en el cultivo de palto correspondiente a los años 2019-2020, en la Empresa Virú S. A. La investigación fue de tipo descriptivo y se utilizó las Cartillas fitosanitarias y las estaciones meteorológicas de la empresa, para recolectar datos sobre plagas y variables climatológicas respectivamente. Se construyó una base de datos, se realizó la limpieza de dataframe y el filtrado de datos. Para el procesamiento de los datos se utilizó Python, jupyterlab, Transt sql y Excel. En el análisis de datos se utilizó estadística descriptiva, estadística inferencial y las técnicas de regresión lineal. Se encontró que las plagas del cultivo del palto: Oligonychus punicae, Oligonychus yothersi, Bemisia Tabaci y Trips Tabaci presentan correlaciones significativas altas y moderadas con las variables climatológicas temperatura y humedad promedio. Se concluyó que, los modelos de predicción basados en aprendizaje automático supervisado que se estimaron predicen la aparición de estas plagas en el cultivo de palto, con una precisión menor al 90%

The use of technology in agricultural management is a strong pillar for the development of productivity in Peru. Although in recent years this sector has implemented technologies such as drones, weather stations, among others, to control many factors that involve this sector, the information generated from it is not always exploited. The objective of this work was to develop a pest prediction model in avocado cultivation using the supervised machine learning methodology. A data set of climatological variables and the appearance of pests in the avocado crop corresponding to the years 2019-2020 was analyzed, in the Virú SA Company The investigation was descriptive and the phytosanitary cards and meteorological stations of the company, to collect data on pests and weather variables respectively. A database was built, data frame cleaning and data filtering was performed. Python, jupyterlab, Transt sql and Excel were used for data processing. Descriptive statistics, inferential statistics and linear regression techniques were used in the data analysis. It was found that the pests of the avocado crop: Oligonychus punicae, Oligonychus yothersi, Bemisia Tabaci and Trips Tabaci present significant high and moderate correlations with the climatological variable’s temperature and average humidity. It was concluded that the prediction models based on supervised machine learning that were estimated predict the appearance of these pests in the avocado crop, with a precision of less than 90%