Resumen

Las plantas de verduras y frutas facilitan alrededor de 7.5 mil millones de personas en todo el mundo, desempeñando un papel crucial en la sostenibilidad de la vida en el planeta. El rápido aumento en el uso de productos químicos como fungicidas y bactericidas para frenar las enfermedades de las plantas está causando efectos negativos en el agroecosistema. La alta prevalencia de enfermedades en los cultivos afecta la cantidad y calidad de la producción. Resolver el problema de la identificación/diagnóstico temprano de enfermedades mediante la explotación de un método rápido y fiable beneficiará a los agricultores. En este contexto, nuestro trabajo de investigación se centra en la clasificación e identificación de enfermedades de las hojas de tomate utilizando técnicas de redes neuronales convolucionales (CNN). Consideramos cuatro arquitecturas de CNN, a saber, VGG-16, VGG-19, ResNet e Inception V3, y utilizamos extracción de características y ajuste de parámetros para identificar y clasificar enfermedades de las hojas de tomate. Probamos los

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Vegetal; Plantas de frutas; Enfermedades; Clasificación; Red neuronal convolucional; Identificación
• Keywords:Vegetable; Fruit plants; Diseases; Classification; Convolutional neural network; Identification