Desarrollo de una aplicación móvil para detectar enfermedades en cultivos de papa mediante imágenes digitales e inteligencia artificial para mejorar la producción agrícola

Abstract

El presente trabajo de integración curricular tuvo como objetivo desarrollar una aplicación móvil para apoyar la detección de enfermedades foliares en cultivos de papa mediante imágenes digitales e inteligencia artificial. La investigación se orientó a brindar una herramienta tecnológi- ca de apoyo al diagnóstico agrícola, considerando que la identificación visual de enfermedades depende en gran medida de la experiencia del productor y de la disponibilidad de asistencia técnica. Para el desarrollo de la aplicación móvil CultivoScan se aplicó la metodología Scrum, mientras que el componente de inteligencia artificial se estructuró mediante CRISP-DM. Se conformó un conjunto de datos a partir de imágenes públicas y fotografías tomadas en campo, organizadas en las clases Alternaria, Lancha, Septoria y Hoja sana. Cada imagen fue anotada con cajas delimitadoras, orientadas a la detección de objetos a nivel de hoja. En la fase experimen- tal se probaron distintas arquitecturas de detección, entre ellas variantes YOLO y RT-DETR; la mejor configuración correspondió al modelo YOLO-26-N con ajuste BoxGain y una resolu- ción de entrada de 1024 píxeles. Dicho modelo obtuvo un mAP50 de 98.89 %, un mAP50-95 de 98.05 %, una precisión de 96.99 % y un recall de 95.76 % en el conjunto de prueba. La aplicación incorporó el modelo seleccionado para analizar imágenes y presentar el diagnóstico generado. La evaluación con usuarios también mostró una valoración favorable, con una media de 4.77 sobre 5 en eficacia percibida y 4.78 sobre 5 en eficiencia percibida. Estos resultados muestran que la integración de una aplicación móvil con un modelo de detección de objetos puede fun- cionar como una solución tecnológica accesible para apoyar la toma de decisiones agrícolas en el diagnóstico de enfermedades en hojas de papa.