Identificación de naranjos afectados por el HLB a través de visión computacional usando redes neuronales

Abstract

Este proyecto presenta un sistema para identificar naranjos afectados por Huanglongbing (HLB), una enfermedad que representa una amenaza crítica para la producción citrícola en Paraguay. El sistema emplea redes neuronales convolucionales (CNN) y técnicas de procesamiento digital de imágenes para detectar síntomas tempranos de HLB, lo cual facilita una respuesta oportuna para el sector agrícola. Para lograr este objetivo, se emplearon redes neuronales convolucionales (CNN), que fueron entrenadas con 864 imágenes de naranjos sanos y afectados. Se utilizaron técnicas de procesamiento de imágenes para mejorar la calidad de las entradas al modelo y maximizar la precisión del sistema. La plataforma fue desarrollada en JavaScript, integrando bibliotecas especializadas en procesamiento de imágenes y una interfaz web diseñada con HTML y Bootstrap, lo que facilita su uso para los agricultores. Además, Firebase se utilizó para el almacenamiento seguro de las imágenes recopiladas. Los resultados mostraron una precisión de 95.93 %, una pérdida de 10.36% y una sensibilidad de 96.59% demostrando la efectividad del modelo ResNet50 sobre los demás modelos. Las principales conclusiones incluyen la viabilidad del uso de tecnologías de visión computacional para el monitoreo agrícola y la importancia de la detección temprana para la gestión de enfermedades como el HLB.