Sintonización de hiperparámetros en modelos de aprendizaje profundo para la clasificación de enfermedades en plantas empleando la base de datos PlantVillage

Datos estadísticos de la FAO y DataBank, indican un aumento en la población subnutrida en los últimos años. Al revisar las cifras, esta problemática se atribuye al crecimiento constante de la población y a una producción de cereales inconstante. En busca de conocer las contribuciones tecnológicas para la agricultura, se encuentran aportes en agricultura de precisión, robótica, internet de las cosas y visión por computadora. La detección de enfermedades puede contribuir a mejorar el rendimiento de los cultivos y puede ser desarrollada utilizando redes neuronales. En el proceso de entrenamiento de las redes se definen ciertas variables (denominadas hiperparámetros) para configurar la arquitectura de la red neuronal que influyen en diferentes aspectos como la duración del entrenamiento y desempeño de la red. Este trabajo se estudia los hiperparámetros de una red neuronal profunda con el objetivo de mejorar el rendimiento de la red neuronal para clasificar enfermedades en plantas, se realiza un ajuste semiautomático de los hiperparámetros utilizando la librería Keras y la base de datos PlantVillage.

• Autores: González Flórez, Miguel Ángel
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de Ibagué
• Repositorio: Repositorio Universidad de Ibagué
• Idioma: spa
• OAI Identifier: oai:repositorio.unibague.edu.co:20.500.12313/4617
• Acceso en línea: https://hdl.handle.net/20.500.12313/4617
• Palabra clave: Enfermedades de planta - Clasificación; Datos PlantVillage; Sintonización de hiperparámetros; Aprendizaje profundo; Clasificación; Enfermedades de plantas; PlantVillage; Hyperparameter tuning; Deep learning; Classification; Plant diseases; PlantVillage
• Rights: openAccess
• License: http://purl.org/coar/access_right/c_abf2