Desarrollo de una aplicación móvil de análisis de imágenes para detección de enfermedades en la soja.

Abstract

La agricultura posee cada vez un impacto mayor en la economía paraguaya, siendo uno de los principales cultivos la soja. Las enfermedades presentes en este cultivo pueden afectar en gran medida a la producción y, con esto, los ingresos de muchas familias, entre pequeños y medianos agricultores. La detección temprana de las enfermedades puede evitar pérdidas en la cosecha, generando mayor retorno de inversión. El propósito del presente trabajo final de grado es brindar una solución tecnológica a los agricultores simple y rápido de utilizar al momento de detectar enfermedades en las plantaciones de soja. Para el desarrollo de esta solución se procedió a un profundo análisis de la problemática, seguido de una entrevista a un experto en el área de agricultura, esto a fin de conocer cuales son las enfermedades más comunes que afectan a las plantaciones y cuales son los parámetros visuales empleados para detectarlos. Para la recolección de muestras de las hojas enfermas, se realizó visitas a campos agrícolas con el experto a fin de obtener las imágenes suficientes para realizar el entrenamiento requerido en el análisis de imágenes. Para el desarrollo del aplicativo móvil fueron empleados tecnologías de código abierto en la creación de la interfaz visual, y servicios en la nube para la lógica interna. También fueron usados servicios de Amazon Web Services para el entrenamiento de reconocimiento y posterior procesamiento digital de las imágenes. Una vez concluido el desarrollo, se efectuaron pruebas con los usuarios y se realizó una encuesta posterior, en esta encuesta se pudo contemplar que el aplicativo móvil tuvo una gran aceptación por los mismos. También se hicieron pruebas en 2 parcelas de soja con el experto a fin de constatar la veracidad de los resultados obtenidos en el aplicativo. Tras finalizar las pruebas, estos arrojaron resultados favorables con un total de 128 imágenes de muestras analizadas, de las cuales el aplicativo exhibió en 115 oportunidades resultados correctos, lo cual equivale a un 89.8% de asertividad, ratificando de esta manera la hipótesis formulada.