Actualmente, el café es uno de los recursos naturales más consumidos tanto en el
mundo como en el Perú, Por ello, es menester garantizar la calidad en los granos de
café, pues esto afectará considerablemente en el precio y posicionamiento en mercados
altamente competentes; asimismo, el cultivo de este representa el principal ingreso para
algunas familias, el cual se ve amenazado entre otras plagas, por la más perniciosa: La
Roya Amarilla.
La Roya Amarilla se propaga fácilmente a través del aire, una vez que cae en un cultivo
de café, ataca directamente en las hojas, almacenándose en forma de esporas en el
envés de estas, y al paso de días consume las hojas hasta defoliar completamente la
planta infectada. Debido a ello, la planta no puede adquirir los nutrientes necesarios del
sol, pues necesita las hojas como receptores; en consecuencia, el fruto del café (granos)
no se desarrollan con normalidad, y por ende su calidad y cantidad de cosecha es baja.
Aun cuando no existe una solución absoluta para la erradicación de esta plaga, se la
puede controlar; es decir, a través de un proceso manual y exhaustivo los caficultores
pueden aplicar una solución bioquímica en la planta que detenga el desarrollo del hongo
en las hojas, pero no acaba con ellas, solo se puede prolongar el tiempo de vida de la
planta de café. Esto es posible, solo si se detecta en sus inicios la presencia de las
esporas en las hojas, pues de haber germinado el hongo sería en vano cualquier intento
de recuperar la planta, con lo que solo quedaría el exterminio de la planta.
Frente a este panorama, se propone una solución a través del aprendizaje máquina y
procesamiento de imágenes, con el fin de automatizar el proceso de detección de la
Roya en las hojas y calcular de manera más precisa la severidad del hongo.
El proceso comienza en tomar fotografías a las hojas en un espacio semi controlado (con
fondo blanco), luego se guardan todas las imágenes de las que se quiera conocer el
porcentaje de severidad y ejecutar el programa propuesto, al término de ello el software
muestra un reporte estadístico con el grado de incidencia por hoja según la clasificación
de severidad que corresponda.
Finalmente, destacar que, de manera funcional, el aprendizaje máquina será vital para
descartar si hay presencia de roya en la hoja analizada, y luego si la hoja está infectada,
con el método de procesamiento de imágenes se calculará de manera más precisa el
porcentaje de severidad considerando el área de la hoja examinada. / Tesis
| Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:123456789/10343 |
| Date | 09 March 2018 |
| Creators | Barriga Pozada, Alfonso Carlos Cesar, Arrasco Ordoñez, Carlos Salvador |
| Contributors | Beltrán Castañón, César Armando |
| Publisher | Pontificia Universidad Católica del Perú |
| Source Sets | Pontificia Universidad Católica del Perú |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/bachelorThesis |
| Format | application/pdf, application/pdf |
| Source | Pontificia Universidad Católica del Perú, Repositorio de Tesis - PUCP |
| Rights | Atribución-NoComercial-SinDerivadas 2.5 Perú, info:eu-repo/semantics/openAccess, http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ |
Page generated in 0.0017 seconds