Modelo de clasificación automatizada basado en redes neuronales convolucionales para analizar imágenes de plantas de maíz

Abstract

El presente estudio desarrolla un modelo de clasificación automatizada basado en redes neuronales convolucionales (CNN) para analizar imágenes de plantas de maíz. El objetivo principal fue construir un sistema capaz de identificar de manera precisa la condición de las hojas de maíz, clasificándolas como saludables o afectadas por enfermedades comunes como la roya común y la mancha foliar por Cercospora. Se utilizó el dataset "Corn Disease Dataset" de Kaggle, dividiendo las imágenes en conjuntos de entrenamiento, validación y prueba. El modelo, construido en TensorFlow y Keras, alcanzó una precisión del 97.22 % en la fase de evaluación, demostrando su alta efectividad. Se aplicaron técnicas de aumento de datos y preprocesamiento de imágenes para mejorar el desempeño y la capacidad de generalización del modelo. Los resultados evidencian que las CNN son una herramienta poderosa para el diagnóstico temprano de enfermedades en cultivos de maíz, lo cual contribuye a mejorar la productividad agrícola y promover prácticas agrícolas sostenibles.

This study develops an automated classification model based on Convolutional Neural Networks (CNN) to analyze images of maize plants. The main objective was to build a system capable of accurately identifying the condition of maize leaves, classifying them as healthy or affected by common diseases such as common rust and Cercospora leaf spot. The "Corn Disease Dataset" from Kaggle was used, dividing the images into training, validation, and testing sets. The model, built using TensorFlow and Keras, achieved an evaluation accuracy of 97.22%, demonstrating high effectiveness. Data augmentation techniques and image preprocessing were applied to enhance the model’s performance and generalization capability. The results show that CNNs are a powerful tool for the early diagnosis of crop diseases, contributing to improved agricultural productivity and promoting sustainable farming practices.