Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.espam.edu.ec/handle/42000/1104
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorPárraga Álava, Jorge Antonio-
dc.contributor.authorCusme Zambrano, Kevin Daniel-
dc.contributor.authorLoor Pinargote, Angélica María-
dc.date.accessioned2019-12-27T21:16:34Z-
dc.date.available2019-12-27T21:16:34Z-
dc.date.issued2019-12-
dc.identifier.urihttp://repositorio.espam.edu.ec/handle/42000/1104-
dc.descriptionManabí being a province endowed with natural resources and being agriculture one of the most important activities, seeks to provide optimized solutions with a view to agriculture and current technological trends. The purpose of this titling work was to develop a mobile application based on machine learning that would automate the detection and classification of “Roya” on robust coffee leaves. The images were obtained in the plots of the Agricultural Research and Innovation and Development City (CIIDEA) where robust coffee plantations were located, once images were obtained, the correct processing was carried out that involved determining when a leaf was infected and when not. The literature review was carried out to determine the most feasible machine-learning algorithm to be implemented. With this data, the mobile application is developed using the Extreme Programming development methodology, using machine-learning techniques, which allowed detecting this fungus in the robust coffee leaves. These results can help the areas that involve the study of this type of research, such as the project to characterize said disease in coffee crops, in addition, the development of the application and implementation of the algorithm provided a 97% detection effectiveness of "Roya".es_ES
dc.description.abstractManabí al ser una provincia dotada de recursos naturales y al ser la agricultura una de las actividades de mayor importancia se busca dar soluciones optimizadas con mirada hacia la agricultura y las tendencias tecnológicas actuales. El propósito de este trabajo de titulación fue desarrollar una aplicación móvil basada en aprendizaje automático que permitiera automatizar la detección y clasificación de “la roya” en las hojas de café robusta. La obtención de imágenes se realizó en las parcelas de la Ciudad de Investigación e Innovación y Desarrollo Agropecuario (CIIDEA) donde se encontraban plantaciones de café robusta, una vez obtenido imágenes se realizó el debido procesamiento de las mismas el cual implicaba determinar cuándo una hoja estaba infectada y cuando no. Se procedió a la revisión bibliográfica para determinar el algoritmo de aprendizaje automático más factible a implementar. Con estos datos se procede a desarrollar la aplicación móvil utilizando la metodología de desarrollo Programación Extrema, empleando técnicas de aprendizaje automático, lo que permitió detectar este hongo en las hojas de café robusta. Estos resultados pueden ayudar a las áreas que involucran el estudio de este tipo de investigación como el proyecto de caracterización de dicha enfermedad en los cultivos de café, además, el desarrollo de la aplicación e implementación del algoritmo brindó un 95% de efectividad en la detección de “la roya”.es_ES
dc.format.extent64 p.es_ES
dc.language.isospaes_ES
dc.publisherCalceta: ESPAM MFLes_ES
dc.rightsopenAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectCafé robustaes_ES
dc.subjectAprendizaje automáticoes_ES
dc.subjectRoyaes_ES
dc.subjectAplicación móviles_ES
dc.titleAplicación móvil de detección y clasificación de “la roya” en hojas de café robusta mediante aprendizaje automáticoes_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Trabajo de Titulación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TTC21.pdf2,52 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons