Sistema de detección de plagas en los cultivos

Oscar López-Gorozabel, Ricardo Malla-Valdiviezo, Gabriel Morejón-López, Miguel León-Bravo
{"title":"Sistema de detección de plagas en los cultivos","authors":"Oscar López-Gorozabel, Ricardo Malla-Valdiviezo, Gabriel Morejón-López, Miguel León-Bravo","doi":"10.33386/593dp.2024.1.1898","DOIUrl":null,"url":null,"abstract":"La presente investigación propone la construcción de una aplicación web destinada a la detección de plagas, en su primera fase se ha propuesto la detección de la plaga de mosca blanca, una de las más recurrentes en los cultivos de Manabí, afectando principal-mente al cultivo de plantas como tomate, pimiento, col y cucurbitáceas como calabaza, pe-pino y hortalizas de hoja como lechuga o perejil. Este Proyecto busca convertirse en un agente de monitorización de cultivos, actuando de forma automática y eficaz en la detec-ción de plagas mediante el procesado de imágenes, para lo cual se desarrollaron diversos algoritmos soportados por la librería ImageAI, con los que fue posible crear, entrenar y pro-bar un modelo de detección. En cuanto al funcionamiento de la aplicación web, el usuario podrá crear una cuenta y una vez logueado podrá acceder al módulo de captura, donde po-drá tomar o subir una foto para su análisis respectivo.  \nEsta investigación se basa en el método bibliográfico y analítico, además la infor-mación es de fuentes confiables, tales como: IEEE, Dialnet, ACM, Google Scholar, Repo-sitorios Institucionales. Para el desarrollo de la aplicación web se utilizó el lenguaje de pro-gramación Python para el Backend y tecnologías como HTML, W3Css y JavaScript para el Frontend. Posteriormente, se utilizó MySQL para crear la base de datos. \nEl framework utilizado para el desarrollo de la aplicación fue Scrum, debido a la versa-tilidad de su metodología. Finalmente, como resultado de este proyecto, se obtiene la primera versión de un software funcional, con aspiraciones de mejora en futuras versiones. ","PeriodicalId":488512,"journal":{"name":"593 Digital Publisher CEIT","volume":"110 29","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-01-02","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"593 Digital Publisher CEIT","FirstCategoryId":"0","ListUrlMain":"https://doi.org/10.33386/593dp.2024.1.1898","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

La presente investigación propone la construcción de una aplicación web destinada a la detección de plagas, en su primera fase se ha propuesto la detección de la plaga de mosca blanca, una de las más recurrentes en los cultivos de Manabí, afectando principal-mente al cultivo de plantas como tomate, pimiento, col y cucurbitáceas como calabaza, pe-pino y hortalizas de hoja como lechuga o perejil. Este Proyecto busca convertirse en un agente de monitorización de cultivos, actuando de forma automática y eficaz en la detec-ción de plagas mediante el procesado de imágenes, para lo cual se desarrollaron diversos algoritmos soportados por la librería ImageAI, con los que fue posible crear, entrenar y pro-bar un modelo de detección. En cuanto al funcionamiento de la aplicación web, el usuario podrá crear una cuenta y una vez logueado podrá acceder al módulo de captura, donde po-drá tomar o subir una foto para su análisis respectivo.   Esta investigación se basa en el método bibliográfico y analítico, además la infor-mación es de fuentes confiables, tales como: IEEE, Dialnet, ACM, Google Scholar, Repo-sitorios Institucionales. Para el desarrollo de la aplicación web se utilizó el lenguaje de pro-gramación Python para el Backend y tecnologías como HTML, W3Css y JavaScript para el Frontend. Posteriormente, se utilizó MySQL para crear la base de datos.  El framework utilizado para el desarrollo de la aplicación fue Scrum, debido a la versa-tilidad de su metodología. Finalmente, como resultado de este proyecto, se obtiene la primera versión de un software funcional, con aspiraciones de mejora en futuras versiones. 
农作物虫害检测系统
这项研究提出构建一个用于检测害虫的网络应用程序,第一阶段建议检测粉虱害虫,这是马纳比农作物中最常见的害虫之一,主要影响西红柿、辣椒、卷心菜和葫芦科植物(如南瓜、菠萝)以及叶菜类蔬菜(如莴苣或香菜)的种植。该项目旨在成为作物监测代理,通过图像处理自动有效地检测害虫,为此开发了 ImageAI 库支持的几种算法,并利用这些算法创建、训练和测试了一个检测模型。至于网络应用程序的操作,用户可以创建一个账户,登录后就可以访问捕捉模块,在该模块中,用户可以拍摄或上传照片,以便进行相应的分析。 本研究以文献和分析方法为基础,信息来源可靠,如:IEEE、Dialnet、ACM、Google Scholar、Institutional Repositories。在开发网络应用程序时,后端使用了 Python 编程语言,前端使用了 HTML、W3Css 和 JavaScript 等技术。随后,使用 MySQL 创建数据库。由于 Scrum 方法的多样性,该应用程序的开发框架采用了 Scrum。最后,作为本项目的成果,获得了功能软件的第一个版本,并希望在未来版本中加以改进。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信