Visión por computadora para la detección de enfermedades en cultivo de la Pisum Sativum.L (Arveja)

Abstract

El objetivo del presente trabajo fue desarrollar un sistema basado en visión por computadora e inteligencia artificial para la detección automática de enfermedades en el cultivo de Pisum sativum L. (arveja) en la provincia del Carchi, Ecuador. Mediante el uso de algoritmos de aprendizaje profundo aplicados al análisis de imágenes digitales, se logró identificar y clasificar enfermedades relevantes como antracnosis, fusarium, oídio y mildiu, las cuales inciden directamente en la productividad y el rendimiento de los cultivos. La metodología empleada correspondió a un enfoque mixto, de tipo cuantitativo y cualitativo, con una investigación descriptiva, explicativa y de campo. Para el desarrollo del sistema se aplicó la metodología ágil Extreme Programming (XP), caracterizada por procesos iterativos de planificación, diseño, codificación y pruebas continuas. La aplicación móvil, denominada ARVEJA CHECK, incorpora módulos complementarios como información climática, calendario lunar y un módulo de chatbot inteligente basado en la API de Gemini, orientado a brindar asistencia técnica y recomendaciones al agricultor; este módulo requiere conexión a internet para su funcionamiento. El entrenamiento del modelo de detección de imágenes se realizó mediante la herramienta web Teachable Machine de Google, utilizando una red neuronal convolucional, la cual fue exportada en formato TensorFlow Lite, permitiendo que la detección de enfermedades se ejecute directamente en el dispositivo móvil sin requerir conexión a internet. Los resultados obtenidos evidencian una precisión de detección del 100 % bajo condiciones óptimas de iluminación natural y una fiabilidad superior al 93,8 % en condiciones de baja luminosidad con apoyo de iluminación auxiliar. En conclusión, el sistema desarrollado constituye una herramienta tecnológica eficiente que contribuye a la detección temprana de enfermedades en el cultivo de arveja, promoviendo prácticas agrícolas más sostenibles y el fortalecimiento de la producción agrícola local.