Sistema identificador de la salud de frutos de árboles de cacao y café mediante algoritmos clasificadores de machine learning y procesamiento de imágenes

Abstract

En el cultivo de cacao y café, las enfermedades como la moniliasis y la mazorca negra en los frutos de cacao, así como los defectos en los granos de café, representan un desafío significativo para los agricultores, afectando la calidad y la producción. Este trabajo presenta una intervención a través del diseño de una aplicación informática para el sistema operativo Microsoft Windows 10, que emplea dos algoritmos clasificadores de machine learning. La aplicación permite a los usuarios cargar imágenes de frutos de cacao y granos de café para identificar su estado de salud, facilitando así la toma de decisiones para el manejo adecuado de los cultivos. La implementación de esta herramienta ofrece varias ventajas, incluyendo la capacidad de diagnóstico rápido y preciso de las condiciones de los frutos, lo que puede contribuir a la mejora en las prácticas agrícolas y a la optimización de los rendimientos. Además, el desarrollo de un dataset cuidadosamente curado, con más de 1200 imágenes clasificadas de manera rigurosa, garantiza que los modelos entrenados sean robustos y efectivos. Los resultados obtenidos demuestran altos niveles de precisión en la clasificación, con un 100% para los granos de café y un 94% para los frutos de cacao utilizando el algoritmo Random Forest y KNN, respectivamente. Estos hallazgos indican que la aplicación tiene un gran potencial para ser utilizada en el campo, proporcionando una herramienta valiosa para los agricultores en la detección temprana de enfermedades.

-- Abstract In cacao and coffee cultivation, diseases like moniliasis and black pod in cacao fruits, as well as defects in coffee beans, show a significant challenge for farmers, impacting quality and production. This work presents an intervention through the design of a software application for the Microsoft Windows 10 operating system, employing two machine learning classifier algorithms. The application allows users to upload images of cacao fruits and coffee beans to identify their health status, thus facilitating informed decision-making for proper crop management. The implementation of this tool offers several advantages, including the capability for quick and accurate diagnosis of the fruits conditions, which can contribute to improvements in agricultural practices and yield optimization. Additionally, the development of a carefully curated dataset with over 1200 rigorously classified images ensures that the trained models are robust and effective. The results obtained demonstrate high levels of accuracy in classification, with 100% accuracy for coffee beans and 94% for cacao fruits using the Random Forest and KNN algorithms, respectively. These findings indicate that the application has great potential for field use, providing a valuable tool for farmers in the early detection of diseases.