Desarrollo de un Sistema de clasificación basado en visión artificial para detección temprana de plagas de especies predominantes de mosquitos de la fruta en Agrocalidad.

Abstract

Las moscas de la fruta (Diptera: Tephritidae) se encuentran entre las principales amenazas fitosanitarias para la agricultura a nivel mundial, causando pérdidas económicas considerables en el Ecuador. La identificación temprana y precisa de las especies predominantes es esencial para la ejecución efectiva de programas de control y cuarentena liderados por organismos como Agrocalidad. Los métodos tradicionales de vigilancia son laboriosos, dependen de la pericia humana y pueden retrasar la toma oportuna de decisiones. Esta tesis presenta el desarrollo de un sistema de clasificación basado en visión artificial para la detección temprana de las principales especies de moscas de la fruta relevantes en las operaciones de Agrocalidad. El objetivo es proporcionar una herramienta automatizada y eficiente que optimice los procesos de inspección. Se empleó un enfoque de aprendizaje profundo mediante una Red Neuronal Convolucional (CNN), entrenada y validada con un conjunto de datos etiquetados de alta calidad de Ceratitis capitata, Anastrepha serpentina y Anastrepha striata. El sistema también fue optimizado para su implementación en una NVIDIA Jetson Nano, garantizando eficiencia computacional para uso en campo o laboratorio. Los resultados experimentales mostraron un desempeño sólido, alcanzando una precisión del 99.0% y una velocidad de inferencia de 7.3450 segundos por imagen, adecuada para monitoreo en tiempo casi real. Estos hallazgos demuestran el potencial del sistema para fortalecer la detección de plagas y los programas fitosanitarios en el Ecuador.