Estimación de severidad de roya del café en sistemas agroforestales, utilizando Deep Learning en las provincias de Jaén y San Ignacio, Departamento de Cajamarca, 2023

Cieza Peña,Naili Diomar; Herrera Zamora,Sherson Esmith

Estimación de severidad de roya del café en sistemas agroforestales, utilizando Deep Learning en las provincias de Jaén y San Ignacio, Departamento de Cajamarca, 2023

dc.contributor.advisor	Ocaña Zuñiga,Candy Lisbeth	es_ES
dc.contributor.advisor	Huantangari Quiñones,Lenin	es_ES
dc.contributor.author	Cieza Peña,Naili Diomar	es_ES
dc.contributor.author	Herrera Zamora,Sherson Esmith	es_ES
dc.date.accessioned	2024-12-16T12:24:42Z
dc.date.available	2024-12-16T12:24:42Z
dc.date.issued	2024-12-16
dc.description.abstract	Los sistemas agroforestales pueden influir en la incidencia y abundancia de las plagas y enfermedades, debido a la combinación temporal de cultivos con árboles u otro tipo de vegetación para generar microclimas adecuados. La investigación tuvo como objetivo estimar la severidad de la roya de café en los sistemas agroforestales en distritos de la provincia de Jaén y San Ignacio, departamento de Cajamarca, 2023. El enfoque de investigación fue cuantitativo, de tipo descriptiva, se recolectaron 319 fotografías durante salidas de campo, las cuales fueron segmentadas, clasificadas y analizadas mediante Deep Learning considerando los métodos de medición de severidad de roya de SENASA Perú y SENASICA México y los modelos de aprendizaje de transferencia MobileNet y CNN (VGG16), ambos basados en aprendizaje profundo para la clasificación de enfermedades. Se obtuvo el grado de afectación 1 como el más prevalente de la severidad de la roya según la metodología de SENASA (1 al 5% de afectación de la hoja); de igual modo, el método SENASICA México indico la prevalencia del grado 1 (0 al 2% de afectación). En cuanto a la red neuronal, el modelo propuesto MobileNet presentó la mejor tasa de precisión de clasificación del 94% en 50 etapas. Palabras	es_ES
dc.format	application/pdf	es_ES
dc.identifier.citation	Cieza N, Herrera S. (2023). “Estimación de severidad de roya del café en sistemas agroforestales, utilizando Deep Learning en las provincias de Jaén y San Ignacio, Departamento de Cajamarca, 2023” [Tesis de pregrado, Universidad Nacional de Jaén, Carrera Profesional de Ingeniería Forestal y Ambiental]. Repositorio institucional UNJ	es_ES
dc.identifier.doi	https://purl.org/pe-repo/ocde/ford#2.07.00	es_ES
dc.identifier.uri	http://repositorio.unj.edu.pe/handle/UNJ/780
dc.language.iso	spa	es_ES
dc.publisher	Universidad Nacional de Jaén	es_ES
dc.publisher.country	PE	es_ES
dc.relation	Estimación de severidad de roya del café en sistemas agroforestales, utilizando Deep Learning en las provincias de Jaén y San Ignacio, Departamento de Cajamarca, 2023	es_ES
dc.rights	info:eu-repo/semantics/openAccess	es_ES
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/2.5/pe/	es_ES
dc.source	Universidad Nacional de Jaén\|\|Repositorio Institucional - UNJ	es_ES
dc.subject	microclimas	es_ES
dc.subject	estimación de sombra	es_ES
dc.subject	especies forestales	es_ES
dc.subject	algoritmo de aprendizaje	es_ES
dc.subject	aprendizaje profundo	es_ES
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#2.07.00	es_ES
dc.title	Estimación de severidad de roya del café en sistemas agroforestales, utilizando Deep Learning en las provincias de Jaén y San Ignacio, Departamento de Cajamarca, 2023	es_ES
dc.type	info:eu-repo/semantics/bachelorThesis	es_ES
dc.type.version	info:eu-repo/semantics/publishedVersion	es_ES
renati.advisor.dni	44798819
renati.advisor.dni	42821048
renati.advisor.orcid	https://orcid.org/0000-0002-5306-5276	es_ES
renati.advisor.orcid	https://orcid.org/0000-0002-0953-328X	es_ES
renati.author.dni	76417616
renati.author.dni	60910157
renati.discipline	521126	es_ES
renati.juror	Sanchez Tello,Segundo	es_ES
renati.juror	Caira Mamani,Cirilo Mario	es_ES
renati.juror	Varas Ponce, Lupo Leónidas	es_ES
renati.level	https://purl.org/pe-repo/renati/nivel#tituloProfesional	es_ES
renati.type	https://purl.org/pe-repo/renati/type#tesis	es_ES
thesis.degree.discipline	Ingeniería Forestal y Ambiental	es_ES
thesis.degree.grantor	Universidad Nacional de Jaén, Facultad de Ingeniería Forestal y Ambiental	es_ES
thesis.degree.name	Ingeniero Forestal y Ambiental	es_ES