Sistema inteligente para la detección de enfermedades en cultivos hidropónicos mediante visión artificial

Resumen

Este estudio presenta el desarrollo de un sistema para la detección temprana de enfermedades en cultivos hidropónicos de lechuga, empleando visión artificial e inteligencia artificial (IA). Se implementa un modelo basado en la arquitectura MobileNetV2, entrenado mediante aprendizaje por transferencia y ejecutado en una Raspberry Pi 4, con el objetivo de garantizar portabilidad y bajo consumo de recursos. El entrenamiento del sistema se realizó  empleando un conjunto de 2,180 imágenes clasificadas en cuatro clases: sana, mildiu, oídio y mancha bacteriana; para lo cual se utilizaron técnicas de aumento de datos y preprocesamiento adaptado al modelo. Se alcanzó una exactitud del 96.34% en el conjunto de validación y 94% en pruebas, evidenciando una alta capacidad de generalización. El modelo fue integrado a un prototipo físico que captura imágenes en línea, realiza inferencias locales y proporciona retroalimentación visual inmediata sobre la enfermedad detectada. Esta investigación demuestra la viabilidad técnica de aplicar IA en agricultura de precisión para entornos hidropónicos, reduciendo la intervención manual y mejorando la eficiencia productiva, con potencial para ser escalada en soluciones agrícolas inteligentes.