Evaluación comparativa de modelos de Deep Learning para la clasificación de malezas en el cultivo de olivo utilizando datos remotos UAV en la Yarada-Los Palos de Tacna, 2024

Simple item page
dc.contributor.advisorOsco Mamani, Erbert Francisco
dc.contributor.authorMayta Yucra, Willians Lucio
dc.date.accessioned2025-10-24T15:14:51Z
dc.date.available2025-10-24T15:14:51Z
dc.date.issued2025
dc.description.abstractEn el ámbito agrícola, se considera malezas a aquellas plantas indeseadas que rivalizan con los cultivos por la disponibilidad de nutrientes, agua y radiación solar. Algunas de estas especies, además, pueden actuar como portadoras de plagas y enfermedades que comprometen la sanidad de las plantas cultivadas. En el cultivo de Olivo en la Región de Tacna-Perú tiene una gran importancia debido a sus altos valores de producción, durante la siembra aparecen malezas de Hoja ancha y angosta como el Trébol blanco, Trébol amarillo, Chirillo, entre otros; debido a ello, estos son perjudiciales para el normal crecimiento del Olivo y su calidad. Para la adquisición de las imágenes, se recolectó imágenes RGB de los cultivos de Olivo utilizando un dron modelo “DJI Mavic 3” a una distancia de 12 metros de altura y con un traslape de 75% en los cultivos del fundo “Santa Mónica” los cuales forman parte de la Universidad Nacional Jorge Basadre Grohmann de la ciudad de Tacna. Para el procesamiento de los datos, con el conjunto de imágenes se generó 2 ortofotos utilizando el software Agisoft Metashape, seguidamente se realizó los recortes de las imágenes y los etiquetados para posteriormente realizar la evaluación y comparación del rendimiento de los modelos de clasificación con cuatro arquitecturas: ConvNeXtXLarge, VGG16, MobileNet y MobileNetv2; además, se utilizó métodos última generación. de aprendizaje como: Aprendizaje por Transferencia, Ajuste Fino y aumento de datos. Se concluye que el modelo con mejor desempeño fue la arquitectura ConvNeXtXLarge, con un valor máximo de 98.78% en el indicador Exactitud y un valor mínimo de 9.47% en el indicador.
dc.description.uriTesis
dc.formatapplication/pdf
dc.identifier.urihttps://repositorio.unjbg.edu.pe/handle/20.500.12510/5404
dc.language.isospa
dc.publisherUniversidad Nacional Jorge Basadre Grohmann
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.sourceUniversidad Nacional Jorge Basadre Grohmann
dc.sourceRepositorio Institucional - UNJBG
dc.subjectClasificación de Malezas
dc.subjectAprendizaje profundo
dc.subjectAprendizaje por transferencia
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.02.00
dc.titleEvaluación comparativa de modelos de Deep Learning para la clasificación de malezas en el cultivo de olivo utilizando datos remotos UAV en la Yarada-Los Palos de Tacna, 2024
dc.typeinfo:eu-repo/semantics/bachelorThesis
renati.advisor.dni00409196
renati.advisor.orcidhttps://orcid.org/0000-0002-8492-5961
renati.author.dni42947618
renati.discipline612296
renati.jurorTaya Acosta, Edgar Aurelio
renati.jurorLoaiza Fabian, Arnold Christian
renati.jurorOsco Mamani, Erbert Francisco
renati.levelhttps://purl.org/pe-repo/renati/ level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineInformática y Sistemas
thesis.degree.grantorUniversidad Nacional Jorge Basadre Grohmann. Escuela Profesional de Ingeniería en Informática y Sistemas
thesis.degree.levelTítulo profesional
thesis.degree.nameIngeniero en Informática y Sistemas

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
2025_mayta_yucra_wl_sistemas.pdf
Size:
5.41 MB
Format:
Adobe Portable Document Format
Download

Collections

Tesis de Informática y Sistemas