Detección de síntomas asociados a las enfermedades del enrollamiento de la hoja y mancha roja en vid (Vitis vinifera), con algoritmos de redes neruronales convolucionales [recurso electrónico] / Carolina Lazcano García ; dirigida por Karen Guadalupe García Resendiz, Oscar Adrián Aguirre Castro.
Tipo de material:
TextoDetalles de publicación: Ensenada, Baja California, 2024Descripción: 1 recurso en línea, 74 p. : il. ; col. ; graf. ; colTema(s): Ingeniería -- Tesis y disertaciones académicas | Uvas -- Enfermedades y plagas | Enfermedades fúngicas de la uvaClasificación LoC:SB607.G7 | L39 2024Recursos en línea: Tesis Digital.
Nota de disertación: Universidad Autónoma de Baja California. Facultad de Ingeniería, Arquitectura y Diseño, Ensenada, 2024. Resumen: Los procesos moleculares empleados en el diagnóstico de enfermedades en plantas son costosos, por lo que se está incorporando cada vez más la tecnología de aprendizaje automático. Estos modelos permiten la detección temprana de síntomas foliares asociados a enfermedades virales en plantas de vid. El presente trabajo profundiza el proceso de detección de síntomas de las enfermedades de mancha roja (GRBD, por sus siglas en inglés) y enrollamiento de la hoja (GLD, por sus siglas en inglés) de la vid, por medio de visión artificial mediante Redes Neuronales Convolucionales (CNNs). El sistema de visión artificial basado en el modelo YoloV5, alcanzó una asertividad del 94% en la categoría de asintomático y 91% en sintomáticos, con una precisión del 94.22%. Con una recuperación del 88.34% y un F1-score del 91.28%. Estas métricas proporcionan cuál de los modelos entrenados tienen un mejor rendimiento al categorizar la sintomatología de GRBD y/o GLD presentes (o no) en las hojas. Los resultados confirman que las tecnologías de aprendizaje automático, ofrecen una opción atractiva para poder proveer un diagnóstico preventivo.
| Tipo de ítem | Biblioteca actual | Colección | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras |
|---|---|---|---|---|---|---|---|
| Tesis | Biblioteca Central Ensenada | Colección de Tesis | SB607.G7 L39 2024 (Browse shelf(Abre debajo)) | 1 | Disponible | ENS100238 |
Licenciatura.
Universidad Autónoma de Baja California. Facultad de Ingeniería, Arquitectura y Diseño, Ensenada, 2024.
Incluye referencias bibliográficas e índice.
Los procesos moleculares empleados en el diagnóstico de enfermedades en plantas son costosos, por lo que se está incorporando cada vez más la tecnología de aprendizaje automático. Estos modelos permiten la detección temprana de síntomas foliares asociados a enfermedades virales en plantas de vid. El presente trabajo profundiza el proceso de detección de síntomas de las enfermedades de mancha roja (GRBD, por sus siglas en inglés) y enrollamiento de la hoja (GLD, por sus siglas en inglés) de la vid, por medio de visión artificial mediante Redes Neuronales Convolucionales (CNNs). El sistema de visión artificial basado en el modelo YoloV5, alcanzó una asertividad del 94% en la categoría de asintomático y 91% en sintomáticos, con una precisión del 94.22%. Con una recuperación del 88.34% y un F1-score del 91.28%. Estas métricas proporcionan cuál de los modelos entrenados tienen un mejor rendimiento al categorizar la sintomatología de GRBD y/o GLD presentes (o no) en las hojas. Los resultados confirman que las tecnologías de aprendizaje automático, ofrecen una opción atractiva para poder proveer un diagnóstico preventivo.
