FungiDeTECtor: sistema inteligente de reconocimiento de hongos en plantas de piña del trópico húmedo de Costa Rica

Abstract

La detección de objetos es una de las tareas más básicas y centrales de la visión por computadora. Se basa en encontrar todos los objetos interesados en una imagen y determinar la categoría y ubicación de los mismos. En los últimos años, con el desarrollo de las redes neuronales convolucionales (CNN), se han logrado avances importantes en la detección de objetos. El objetivo de esta investigación consiste en construir un modelo capaz de detectar las enfermedades de Fusarium y Phytophthora en las plantas de piña de la zona Huetar Norte. Las redes neuronales de comunicación profunda (CNN) cumplen con la tarea de clasificar las imágenes en diferentes condiciones. En este documento se llevará a cabo la creación de un modelo por medio de plataformas como Tensorflow para realizar el entrenamiento del modelo y clasificar piñas sanas y piñas con alguna de las enfermedades mencionadas anteriormente.

Object detection is one of the most basic and central tasks of computer vision. It is based on finding all the objects interested in an image and determining its category and location. In recent years, with the development of convolutional neural networks (CNN), significant advances have been made in object detection. The objective of this research is to build a model capable of detecting Fusarium and Phytophthora disease in pineapple plants from the Huetar Norte area. Neural networks of deep communication (CNN) fulfill the task of classifying the images in different conditions. In this document it will be carried out the creation of a model through platforms such as Tensorflow to carry out model training and classify healthy pineapples and pineapples with Fusarium.