Ponente
Descripción
Las redes neuronales artificiales son herramientas útiles en tareas de clasificación, predicción o reconocimiento y dentro de ellas podemos encontrar las redes neuronales convolucionales (CNN), las cuales permiten el procesamiento y análisis de imágenes para obtener e identificar patrones visuales característicos. En este trabajo se presenta el desarrollo de un sistema preliminar basado en CNN para la detección de plagas y enfermedades en mazorcas de cacao. La arquitectura propuesta combina bloques convolucionales, capas de aplanamiento y capas densas, la red fue entrenada mediante aprendizaje supervisado con imágenes obtenidas por dispositivos móviles. Los resultados muestran una precisión de entrenamiento del 63%, aunque el modelo presenta limitaciones para generalizar sobre datos de validación (28%), lo que sugiere la necesidad de ajustes estructurales o mejoras en el preprocesamiento. Aun así, el sistema demostró capacidad para distinguir distintos grados de afectación por moniliasis. Se recomienda ampliar la evaluación utilizando métricas como precisión promedio, matriz de confusión, recall y F1-score sobre un conjunto de prueba más robusto.
