Sistema para la caracterización de enfermedades de cultivos de cebolla mediante el uso de procesamiento digital de imágenes
No Thumbnail Available
Files
Date
2025-02
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Carrera de Telecomunicaciones
Abstract
Modern agriculture faces critical challenges related to disease detection and management in high-value crops such as onion, an essential commodity with an annual global production of approximately 300 million tons. This project proposes an innovative system for disease characterization in onion crops using digital image processing, IoT and artificial intelligence.
The system integrates sensors to collect key environmental data, such as temperature, humidity and UV radiation, which are stored in a MongoDB database. This data is visualized with Chart.js, complementing digital image analysis to detect diseases such as Botrytis squamosa and powdery mildew. Through advanced deep learning algorithms, such as YOLOv8, the system identifies visual patterns associated with diseases, enabling early disease detection.
The implementation of the system comprises four stages: data acquisition through sensors and cameras, preprocessing using OpenCV, training of models based on neural networks, and visualization of results through graphical interfaces. This integrated approach not only optimizes disease detection and management, but also improves efficiency in agricultural decision making, reducing losses and maximizing productivity. Thus, it contributes significantly to the sustainability of the agricultural sector, especially in regions with low technification such as Tungurahua, Ecuador
Description
La agricultura moderna enfrenta desafíos críticos relacionados con la detección y el manejo de enfermedades en cultivos de alto valor como la cebolla, un producto esencial con una producción global anual de aproximadamente 300 millones de toneladas. Este proyecto propone un sistema innovador para la caracterización de enfermedades en cultivos de cebolla mediante el uso de procesamiento digital de imágenes, IoT e inteligencia artificial.
El sistema integra sensores para recolectar datos ambientales clave, como temperatura, humedad y radiación UV, los cuales se almacenan en una base de datos MongoDB. Estos datos son visualizados con Chart.js, complementando el análisis digital de imágenes para detectar enfermedades como Botrytis squamosa, mancha purpura y mildiú polvoriento. A través de algoritmos avanzados de aprendizaje profundo, como YOLOv8, el sistema identifica patrones visuales asociados a enfermedades, lo que permite una la detección de las enfermedades de forma temprana.
La implementación del sistema abarca cuatro etapas: adquisición de datos mediante sensores y cámaras, preprocesamiento utilizando OpenCV, entrenamiento de modelos basados en redes neuronales y visualización de resultados a través de interfaces gráficas. Este enfoque integral no solo optimiza la detección y el manejo de enfermedades, sino que también mejora la eficiencia en la toma de decisiones agrícolas, reduciendo pérdidas y maximizando la productividad. Así, se contribuye significativamente a la sostenibilidad del sector agrícola, especialmente en regiones con baja tecnificación como Tungurahua, Ecuador.
Keywords
TECHNOLOGY::Bioengineering::Biotechnological separation, AGRICULTURA DE PRECISIÓN, INTELIGENCIA ARTIFICIAL, YOLO, CULTIVOS DE CEBOLLA