y Trialeurodes vaporariorum son especialmente perjudiciales. Es crucial el monitoreo constante de los

cultivos debido al rápido ciclo reproductivo de la mosca blanca. Este artículo presenta un análisis

exhaustivo del estado actual de diversas técnicas de Inteligencia Artificial aplicadas a la detección temprana

de la mosca blanca en diferentes entornos agrícolas. El objetivo es hacer una revisión de estás técnicas, los

algoritmos implementados, las herramientas computacionales utilizadas y los parámetros relevantes para el

desarrollo de los diferentes sistemas de control y monitoreo estudiados. Los resultados de esta revisión

revelan una tendencia creciente hacia la adopción de tecnologías avanzadas para abordar los retos asociados

con el problema de plagas, identificando las principales técnicas y herramientas que pueden adaptarse para

mejorar la prevención y control de la mosca blanca, crucial para la agricultura sostenible.

Whitefly is a pest that affects various plants around the world, particularly in mild weather and tropical

climates. There are more than 1,500 species of whitefly but some such as Bemisia tabaci and Trialeurodes

vaporariorum are especially harmful. Constant monitoring of crops is crucial due to the rapid reproductive

cycle of the whitefly. This article presents an exhaustive analysis of the current state of various Artificial

Intelligence techniques applied to the early detection of whitefly in different agricultural environments. The

objective is to review these techniques, the algorithms implemented, the computational tools used and the

relevant parameters for the development of the different control and monitoring systems studied. The results

Es bien sabido que la agricultura ha sido una de las actividades más importantes para prevalecer la

existencia del ser humano y que su contribución ha sido fundamental en la evolución de la raza humana.

Sin embargo, existen muchas acciones que afectan la producción de los distintos alimentos obtenidos de

(SENASICA). Las hembras llegan a poner en el envés de las hojas hasta 250 huevos, lo hacen

principalmente donde se encuentren los brotes y las hojas tiernas; cuentan con una alta capacidad para

Las técnicas de Inteligencia Artificial han demostrado que pueden transformar el ámbito agrícola, mediante

diversas aplicaciones que mejoran la eficiencia y la precisión del control de plagas en los cultivos. También

contribuyen a la adopción de prácticas agrícolas más sostenibles y eficientes, maximizando los

rendimientos de los cultivos y minimizando las pérdidas (Alvarado Gastesi et al., 2024). Algunas de las

formas en que la Inteligencia Artificial contribuye en este sector son:

aprendizaje profundo, las cámaras y drones equipados con sensores pueden monitorear los cultivos en

tiempo real para identificar signos tempranos de infestación de plagas. Esto permite una intervención

y el comportamiento de las plagas. Estos modelos pueden predecir brotes de plagas basándose en

cambios de temperatura, humedad y otros factores ambientales.

momento adecuado para la aplicación de pesticidas, minimizando el uso de químicos y reduciendo el

impacto ambiental. Esto no solo ayuda a controlar las plagas de manera más eficiente sino que también

promueve prácticas agrícolas sostenibles.

sistemas de alerta temprana que notifican a los agricultores sobre el riesgo potencial de infestaciones

de plagas, permitiendo que se tomen medidas preventivas antes de que el problema se agrave.

traducción al inglés, para utilizarlos al momento de realizar las búsquedas de los documentos.

repositorios de trabajos de tesis de diversas universidades. También se tomaron en cuenta los trabajos

presentados en conferencias y revistas de divulgación científica.

publicación. Sin embargo se consideraron los escritos con tiempos mayores pero de gran relevancia

para el análisis.

utilizaron en sus trabajos.

escala de grises y la implementación de redes generativas antagónicas (GAN) para el desarrollo de

herramientas de generación semi-automatizada de imágenes, lo cual permite ampliar los conjuntos de datos

de entrenamiento. Estos algoritmos facilitan la generalización y mejora de los conjuntos de datos y la

sólida para la toma de decisiones informadas. Una aplicación basada en IoT para la predicción y monitoreo

estudiadas. Entre las variables más destacadas se encuentran:

precisa de moscas blancas, exoesqueletos vacíos y lesiones presentes en las hojas. La resolución de estas

imágenes influye directamente en la capacidad de los algoritmos para distinguir entre distintas especies de

y validación de modelos de aprendizaje profundo. La calidad y cantidad de estos datos son determinantes

para la efectividad de los modelos en la detección y clasificación de moscas blancas.

técnicas de procesamiento demostraron ser efectivas para preparar imágenes para una identificación precisa,

aunque se encontraron retos en el manejo de variaciones en la iluminación y en la calidad de las imágenes.

La solución implementada en varios estudios fue el uso de algoritmos avanzados de preprocesamiento para

normalizar las imágenes antes del análisis.

de características específicas de las plagas. La complejidad computacional y la necesidad de grandes

cantidades de datos de entrenamiento fueron retos significativos, superados en parte mediante el uso de

mediante el uso de arquitecturas de red optimizadas y algoritmos eficientes de procesamiento de señales.

Los estudios revisados demuestran avances significativos en la aplicación de técnicas de inteligencia

artificial para la detección temprana y el monitoreo de la mosca blanca y otras plagas en cultivos agrícolas.

Aunque se encontraron desafíos como la variabilidad de las condiciones ambientales, la calidad de las