Detección de enfermedades en hojas de tomate usando aprendizaje profundo

Authors

  • Edgar R. Arredondo-Basurto INSTITUTO POLITÉCNICO NACIONAL
  • J. Félix Serrano-Talamantes Instituto Politécnico Nacional
  • Mauricio Olguín-Carbajal Instituto Politécnico Nacional
  • Jacobo Sandoval-Gutiérrez Universidad Autónoma Metropolitana
  • Juan C. Herrera-Lozada Instituto Politécnico Nacional
  • Israel Rivera-Zárate Instituto Politécnico Nacional
  • Miguel Hernández-Bolaños Instituto Politécnico Nacional

DOI:

https://doi.org/10.13053/cys-29-3-5518

Keywords:

Red neuronal artificial, clasificador, aprendizaje profundo (deep learning), aprendizaje automático (machine learning)

Abstract

En 2023, el sector agrícola de México representó el 2.2% del Producto Interno Bruto (PIB). Sin embargo, este sector se encuentra continuamente amenazado por bacterias, virus o enfermedades que podrían tener un impacto financiero significativo en los agricultores. Por esta razón, la identificación y detección temprana de enfermedades adquiere una gran relevancia. Para lograrlo, el agricultor debe contar con una formación integral que abarque diversas disciplinas, experiencia en el reconocimiento de síntomas y un conocimiento profundo de la amplia gama de causas de estas enfermedades. En la presente investigación, centrada en las plantas de tomate, se desarrolló un sistema de reconocimiento de imágenes basado en técnicas de aprendizaje profundo (deep learning) para identificar enfermedades en los cultivos de tomate y ponerlo a disposición de los usuarios finales a través de un sistema web. Las pruebas realizadas muestran hasta un 98% de precisión en la clasificación, lo que subraya su potencial en aplicaciones agrícolas.

Downloads

Additional Files

Published

2025-09-25

Issue

Vol. 29 No. 3 (2025): Vol 29 No 3 (2025)

Section

Articles

License 

Hereby I transfer exclusively to the Journal "Computación y 
Sistemas", published by the Computing Research Center (CIC-IPN),
the Copyright of the aforementioned paper. I also accept that these 
rights will not be transferred to any other publication, in any other 
format, language or other existing means of developing.
I certify that the paper has not been previously disclosed or simultaneo
usly submitted to any other publication, and that it does not contain 
material whose publication would violate the Copyright or other 
proprietary rights of any person, company or institution. I certify that 
I have the permission from the institution or company where I work or 
study to publish this work.
The representative author accepts the responsibility for the publication
of this paper on behalf of each and every one of the authors. 
This transfer is subject to the following conditions:
  • The authors retain all ownership rights (such as patent rights) of this work, except for the publishing rights transferred to the CIC, through this document.
  • Authors retain the right to publish the work in whole or in part in any book they are the authors or publishers. They can also make use of this work in conferences, courses, personal web pages, and so on.
  • Authors may include working as part of his thesis, for non-profit distribution only.