Envio 1

Abstract

La identificación temprana de problemas en la salud de las plantas es clave para un manejo agrícola eficiente y sostenible. No obstante, los métodos tradicionales de inspección visual no son viables a gran escala. Por ello, este trabajo propone un sistema automático de detección del estado de lechugas mediante el uso del detector de objetos YOLOv5.

El modelo fue entrenado con una base de datos de 144 imágenes de lechugas, capturadas en la granja BIOAlverde (Sevilla, España), clasificadas en dos categorías: en buen estado y en mal estado. Las imágenes fueron etiquetadas manualmente, y el modelo se entrenó aplicando técnicas de aumento de datos, ajuste de hiperparámetros y validación cruzada para mejorar la precisión. Los resultados obtenidos demuestran un alto desempeño del sistema. Para lechugas en buen estado, se alcanzó una precisión del 97,9%, un recall del 99,3% y un mAP del 99,5%; mientras que, para lechugas en mal estado, la precisión fue del 95,8%, el recall del 100% y el mAP del 99,5%. En conclusión, el sistema propuesto representa una herramienta eficaz para la detección automática del estado de las lechugas, contribuyendo al desarrollo de una agricultura de precisión mediante la optimización del uso de recursos y la detección oportuna de problemas en los cultivos.