Estimación de la plaga de trips de la mancha roja en el banano orgánico mediante técnicas de Machine Learning

Abstract

La tesis ha sido realizada de forma experimental en una de las parcelas de la Cooperativa ASPROBO, ubicada en el distrito de Buenos Aires de Morropón, provincia de Piura. De esta parcela, se recolectó información real sobre la presencia y control de plagas, que representan un problema para la exportación del banano orgánico. Además, se instaló una estación meteorológica y unos sensores o nodos para recolectar datas agroclimáticas. El trabajo está enfocado en solucionar uno de los mayores problemas de la producción del banano orgánico. Se presenta la relación entre los factores climáticos y el crecimiento y/o reproducción del trip de la mancha roja, una plaga que amenaza al banano orgánico constantemente. Para lograr esta correlación, se ha recurrido a las técnicas del Internet de las cosas, que, a través de las técnicas de aprendizaje supervisado, permiten integrar las variables recolectadas. Con tal fin se estudiaron tres técnicas de aprendizaje no supervisado de Machine Learning: regresión lineal, support vector machiney Twin Support Vector Machine(TSVM) para predecir la aparición del trip de la mancha roja en las plantaciones de banano orgánico en ASPROBO. Al tratarse de valores reales, se determinó que la TSVM es la técnica que más se aproxima al comportamiento del tripen base a los cambios de los factores climáticos del lugar. Los factores climáticos se eligieron, en primer lugar, en base al criterio de investigaciones realizadas en otros países exportadores de productos como café, frutas, entre otros. Seguidamente, con la información proporcionada directamente por los agricultores de banano orgánico, se realizaron las evaluaciones y correcciones de estos factores. Los avances y resultados obtenidos han ayudado a mejorar técnicas y criterios de evaluación de los cultivos. Se concluye que es necesario incluir la variable de limpieza y fumigación, ya que estas dos variables impactan directamente en la cantidad del trips de la mancha roja. Asimismo, el algoritmo que aportó las mayores predicciones fue el algoritmo TSVM, tanto al usar la variable temperatura de microclima, como la variable grado día, aportando mejores resultados, 81.3% y 80.3% respectivamente.