Detección automática de malezas en plantaciones de maíz y/o papa utilizando imágenes adquiridas por dron y red neuronal Convolucional Yolo

Abstract

La tarea de identificar y cuantificar malezas representa un reto significativo en el campo de la agricultura, donde estas plantas no deseadas compiten por recursos esenciales con los cultivos, afectando su rendimiento y calidad. Tradicionalmente, este proceso ha sido complejo y subjetivo, influenciado por múltiples factores como el tamaño del terreno, la experiencia del agricultor y las condiciones ambientales. En este proyecto, se introduce una aplicación web avanzada que utiliza YOLOv8, una técnica de deep learning, para la detección precisa de malezas mediante el análisis de imágenes tomadas por drones. Esta herramienta busca transformar el enfoque convencional, ofreciendo un método rápido y objetivo para la evaluación de malezas, facilitando así decisiones más efectivas en su manejo. El primer capítulo del estudio se centra en explorar las características distintivas entre cultivos y malezas, examinando diversos tipos de malezas y las aplicaciones potenciales del deep learning en su detección. Se investigan las arquitecturas de algoritmos actuales y se analizan los retos existentes en este ámbito, estableciendo un contexto comparativo con investigaciones anteriores. En el segundo capítulo, se describe en detalle el proceso de recolección de datos y la elección de YOLOv8 como el algoritmo principal. Se discute la evolución del algoritmo para optimizar la precisión de las predicciones, la implementación de la aplicación web a través de Gradio y las metodologías aplicadas durante todo el desarrollo. El tercer capítulo se dedica a la evaluación de los resultados de las distintas versiones del algoritmo, culminando en la selección del modelo más efectivo para su integración en la aplicación web. Se mide la eficiencia de la solución tecnológica utilizando las métricas establecidas por la ISO 25010 y se emplea el análisis estadístico t de Student para confirmar la mejora en la eficiencia del proceso de identificación y cuantificación de malezas con la ayuda de la aplicación. Finalmente, en la sección de discusión, se comparan los hallazgos de este estudio con los de investigaciones previas, evaluando la innovación y el impacto de esta nueva herramienta en el ámbito de la gestión agrícola.