Detección automática de malezas en cultivos de maíz y/o papa mediante imágenes adquiridas por un dron, basado en la arquitectura de red neuronal convolucional VGG.

Abstract

La gestión eficaz de malezas es un componente crítico en las prácticas agrícolas modernas. Los agricultores deben implementar estrategias de control precisas para mitigar los efectos adversos de estas plantas invasoras en sus cultivos. Las malezas compiten agresivamente por recursos esenciales como nutrientes, agua, espacio y luz solar, lo que puede resultar en una disminución significativa tanto en la productividad como en la calidad nutricional de los cultivos. El proceso de identificación de malezas presenta desafíos considerables, particularmente en términos de eficiencia temporal. La magnitud del tiempo requerido para esta tarea está directamente correlacionada con la extensión del área cultivada. Adicionalmente, factores como la experiencia del agricultor en reconocimiento de especies de malezas, la topografía del terreno, y las condiciones climáticas, influyen en la complejidad y duración del proceso. Estas variables a menudo resultan en evaluaciones imprecisas o estimaciones subjetivas, lo que puede llevar a decisiones subóptimas en las estrategias de control de malezas. En respuesta a esta problemática, se propone el desarrollo de una aplicación web que incorpore algoritmos de aprendizaje profundo para la detección automatizada de malezas. Esta solución tecnológica utilizará imágenes capturadas por vehículos aéreos no tripulados (drones) como fuente primaria de datos. El objetivo principal es optimizar significativamente el tiempo dedicado a esta tarea crucial, proporcionando un análisis objetivo y preciso. Esta innovación promete mejorar la toma de decisiones en el manejo de malezas, contribuyendo así a una agricultura más eficiente y sostenible.