Solución de Machine Learning en el reconocimiento de plagas para plantones de arándano

Abstract

El presente trabajo se realizó con el propósito de determinar la influencia de una solución de machine learning en el reconocimiento de plagas para plantones de arándano en la ciudad de Trujillo en el año 2019. El tipo de estudio fue cuasiexperimental; con una muestra constituida por 10 evaluadores que trabajan en el fundo “Agromorín” de la empresa Danper, seleccionados por su disponibilidad. Para la recolección de datos, se aplicó una ficha de observación y para el análisis de datos se utilizó la prueba t Student la cual se obtuvo con ayuda de la herramienta estadística XLSTAT en el programa Microsoft Excel. Las dimensiones comprendidas en el reconocimiento de plagas para plantones de arándano fueron sensibilidad y especificidad, mientras que las dimensiones comprendidas en la solución de machine learning fueron adecuación funcional y usabilidad. Los resultados obtenidos demostraron un aumento tanto en sensibilidad y especificidad en la medición realizada después de la aplicación de la solución de machine learning. Con base en lo mencionado, podemos concluir que una solución de machine learning tiene una influencia positiva en el reconocimiento de plagas para plantones de arándano.

The present research was done with the goal of determining the influence of a machine learning solution in the recognition of plagues for blueberry seedlings in the city of Trujillo in 2019. The type of study was quasi-experimental; with a sample of 10 evaluators that work at the “Agromorin” field property of Danper company, chosen for their availability. Moreover, an observation sheet was applied for the data collection, and the student’s test was used to analyze the data. The dimensions include in the recognition of plagues for blueberry seedlings were sensitivity and specificity, while the dimensiones included in the machine learning solution were functional suitability and usability. The results obtained showed an increase in both sensitivity and specificity in the measurement made after the application of the machine learning solution. Based on the above, we can conclude that a machine learning solution has a positive influence on the recognition of plagues for blueberry seedlings.