INGENIERÍA EN CIENCIAS DE LA COMPUTACIÓN

AgroVisión
Diagnóstico foliar asistido por computadora

Un sistema de visión por computadora que analiza una hoja fotografiada para estimar su estado de salud — y que los propios estudiantes pueden entrenar en vivo con fotos reales para que aprenda a reconocer plagas y enfermedades específicas.

Técnica: Transfer learning (CNN) + análisis de color

Cargando el clasificador y el modelo de red neuronal (MobileNet)…

01 · Muestra

Arrastra una foto de una hoja, o toca para elegir un archivo

Fondo claro y uniforme da mejores resultados

Sensibilidad del análisis de color Media

02 · Diagnóstico

El resultado aparecerá aquí después de analizar una muestra. Si ya entrenaste categorías abajo, el sistema intentará identificar cuál corresponde a la foto; si no, dará un análisis general basado en color.

03 · Entrenar el reconocimiento de plagas

Crea una categoría por cada plaga o enfermedad que quieras que el sistema aprenda a reconocer (por ejemplo "Roya", "Mancha bacteriana", "Daño de minador"), agrega varias fotos reales de ejemplo y describe sus causas y prevención.

0 ejemplos entrenados

Cómo funciona el sistema

Validar la muestra

Antes de cualquier análisis, el sistema verifica que la imagen contenga suficiente color orgánico y rechaza fotos que no correspondan a una planta real.

Reconocer con una red neuronal

Cada foto de entrenamiento pasa por MobileNet, una red neuronal convolucional que extrae patrones de forma, borde y textura. Un clasificador (KNN) asocia esos patrones con tus categorías.

Diagnosticar

Al analizar una hoja nueva, el sistema compara su patrón contra lo aprendido y muestra la categoría más parecida, con causas y prevención.

Nota: El reconocimiento por red neuronal necesita conexión a internet la primera vez que se abre la página, para descargar el modelo MobileNet; una vez cargado, funciona sin conexión hasta que se cierre la pestaña. Si nadie ha entrenado ninguna categoría todavía, el sistema usa como respaldo un análisis general por color, que sí funciona siempre sin internet. Usa Guardar entrenamiento para descargarlo como archivo y Cargar entrenamiento para restaurarlo después.