Sistema de monitoreo para detección de enfermedades por hongos en cultivos de maíz en el Distrito de Yauli - Huancavelica
No hay miniatura disponible
Fecha
2025-03-19
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Huancavelica
Resumen
El presente estudio surge por la necesidad de contar con una herramienta tecnológica para detectar con precisión enfermedades generados por hongos en cultivos de maíz en el distrito de Yauli, Huancavelica, donde enfermedades como el complejo de mancha gris (Cercospora zeae-maydis) y la mancha de asfalto (Phyllachora maydis) afectan la productividad agrícola. El objetivo fue evaluar la precisión global del sistema de monitoreo implementado con OpenCV-Python para detectar y clasificar enfermedades, además de identificar hojas sanas. La investigación utilizó una muestra de 50 imágenes, categorizadas en hojas afectadas por mancha gris, mancha de asfalto y hojas sanas, analizadas mediante procesamiento de imágenes y algoritmo de clasificación específico, para asegurar la eficacia del sistema se realizaron mediciones de detección y clasificación con tres repeticiones. Se utilizó el enfoque cuantitativo, de tipo aplicada y diseño experimental, orientado a evaluar la precisión de un sistema de monitoreo basado en procesamiento de imágenes mediante OpenCV-Python para la detección y clasificación de enfermedades fúngicas en cultivos de maíz. Los resultados mostraron que el sistema implementado alcanzó una precisión del 90.48% para el complejo de mancha gris, 92.31% para el complejo de mancha de asfalto y 92.86% para hojas sanas, logrando una precisión global del 91.88%. Se concluye que el sistema de monitoreo desarrollado con procesamiento de imágenes en OpenCVPython es una solución tecnológica accesible para apoyar en la detección y clasificación de enfermedades ocasionados por hongos en cultivos de maíz; lo que en conjunción con otras tecnologías permitirá una intervención oportuna para tratar enfermedades fúngicas.
Descripción
Palabras clave
Procesamiento de imágenes, Detección de enfermedades, Cultivos de maíz, Precisión del sistema, OpenCV-Python