Uso de U-Net Y Redes Neuronales Convolucionales para la Detección de la Moniliasis (Moniliophthora Roreri) en Mazorcas De Cacao

Resumen

El presente trabajo aborda la problemática en el sector agrícola; la disminución de la producción del cacao a causa de la enfermedad de la moniliasis (Moniliophthora roreri) enfermedad que provoca pérdidas de hasta el 90% en los cacaotales y que como alternativa se desarrolla KÄKÄWOL (Cacaotales en lengua chontal), una app móvil para Android que utiliza inteligencia artificial (IA) con modelos U-net y redes neuronales convolucionales (CNN) que responde a la complejidad única de la detección de moniliasis en mazorcas de cacao, que a diferencia de los modelos de clasificación tradicionales, que solo detectan la presencia o ausencia de la enfermedad, U-net ofrece una segmentación semántica precisa, crucial para identificar las diferentes etapas de la moniliasis en una misma imagen. Las Redes neuronales convolucionales estándar no logran una segmentación tan precisa de las etapas. U-net permite una representación visual y cuantitativa del avance de la moniliasis y destaca por su capacidad para distinguir y etiquetar píxeles pertenecientes a diferentes clases en una imagen, lo que permite identificar simultáneamente: Puntos negros iniciales,Manchas grandes de desarrollo, Manifestación del hongo blanco superficial. El uso de U-net en este contexto destaca por su capacidad de ofrecer un análisis más profundo y detallado. Sin embargo, se resalta que el aprovechamiento de estas tecnologías aún es limitado en algunos sectores económicos del país, subrayando la necesidad de ampliar su implementación para potenciar el desarrollo agrícola.