Estimación de La Gravedad En Enfermedades En Los Cultivos de Aguacate Basado En Imagenes

La agricultura desempeña un papel vital, importante en el desarrollo y el creci-miento económico mundial. Cuando los cultivos se ven afectados por enfermeda-des repercute negativamente en los recursos económicos mediante la producción agrícola de una nación. La detección temprana de estas enfermedades puede mi-nimizar la pérdida de los agricultores y mejorar la producción. En este estudio, proponemos dos modelos existentes como son Redes Neuronales Convoluciona-les (CNN) y ResNet18 ambas de aprendizaje profunda, diseñado para predecir automáticamente las enfermedades de las hojas del aguacate Has, el marco de tra-bajo abarca la recopilación de imágenes, selección de imágenes, clasificación de enfermedades. Empleando un enfoque combinando dos modelos bien estableci-dos (CNN, ResNet18) para generar clasificaciones, en enfoque aprovecha el con-cepto de visión por computadora para la predicción final, para entrenar y evaluar, generamos un conjunto de datos a través de las hojas del aguacate utilizando una cámara fotográfica canon de 16 megapíxeles: las cuales conforman de Ácarro Cristalino, Antrocnosis, Araña Marrón y hojas sanas, conformando imágenes de hojas de aguacate de 1300 imágenes de cada clase, se realizó data aumentación de 35%. Para entrenar y evaluar ResNet18 alcanzando una precisión global del 94.14%, y una F1-score del 94.33% se llevó a cabo un estudio de validación ex-haustivo con el conjunto de datos de aguacate (4 clases), respectivamente. Estos resultados experimentales confirman que proporciona una detección y predicción más eficaz y precisa de las enfermedades del aguacate, lo que lo convierte en un candidato prometedor para aplicaciones prácticas.