Algoritmos para identificar plantas de maíz para automatizar la fertilización en México

La presente investigación se enfoca en buscar y proponer una solución al problema del agricultor mexicano, dicho problema consiste en cómo se realiza la fertilización en sembradíos de maíz en México. La fertilización manual es un proceso lento, tedioso y poco efectivo; las desventajas pueden ser el mal manejo del fertilizante, aplicación errónea y desperdicio; derivado de esto, se puede decir que la fertilización es un proceso costoso para el agricultor. Se busca responder a la hipótesis sobre si Los algoritmos de inteligencia artificial aplicados en la agricultura mejorarán los procesos al distinguir entre plantas de maíz y maleza, apoyando a la toma de decisiones de los agricultores. Siendo el objetivo principal de la investigación: Identificar plantas de maíz para diferenciarlas de la maleza usando Visión Artificial a partir de un Dataset de imágenes, evaluando el método propuesto a través de un estudio cuantitativo. La metodología implementada incluye un Dataset propio, se emplearon técnicas de clasificación tradicionales (clásicas), los cuales son: Naibe Bayes, Random Forest, K-nn, SVM y Backpropagation, arrojando un porcentaje máximo del 98.98% de precisión realizando pre-procesamiento y segmentación de imágenes con Otsu y el método PCA. También se emplearon las redes neuronales convolucionales de forma individual y en combinación con las SVM a través de un algoritmo híbrido, estas arrojaron un porcentaje máximo de 99.72% de Exactitud y 99.88% de Precisión. Los resultados generados han arrojado que el modelo propuesto en cada una de las etapas de experimentación da respuesta positiva y comprueba que la hipótesis que se planteó es Verdadera. Se plantean nuevos retos derivados de los experimentos y los resultados generados, tales como: aumentar la cantidad de imágenes, realizar más tareas de experimentación con nuevos algoritmos como Adaboost, Gboost y XGBoost entre otros; y facilitar el Dataset en algún repositorio para futuras investigaciones