AgroMedic - detección y tratamiento de enfermedades en la planta del maíz

Abstract

Global agriculture faces multiple challenges: it has to produce more food in order to feed a growing population, adopt more efficient and sustainable production methods. This is an important sector of the Peruvian economy; it represents 3.7 % of the PBI. Nevertheless; only 10% of producers receive technical support or training. Additionally, there is a lack of agronomists in the provinces, for which it is not possible for them to cover the needs and support in the timely detection of diseases in their crops, that is why our project arises from the lack of technological initiatives in the agrarian sector. A market analysis was carried out in the San Jerónimo de Tunán district, which resulted in the lack of economic support and agricultural training in small corn farmers. The Design Thinking Methodology was applied, in the first stage we empathize with the farmer through interviews, then the filters were made to find common patterns, in the third stage new solution ideas emerged, finally, we proceeded to complete the MVP which allowed us to detect three types of corn diseases. The implementation of the solution has been based on the Convolutional Neural Networks algorithm; considering the following diseases and/or pests, leaf blight, common rust and gray leaf spot. Part of the prototype validation process was carried out with different tests, from random values of images to real captures with an Android mobile device; achieving results of 91.82% accuracy in the validation tests. Therefore, the beneficiaries of the solution were able to use this tool to demonstrate the usability and detecting the plant diseases in their corn crops.

La agricultura a nivel mundial se enfrenta a múltiples retos: tiene que producir más alimentos a fin de alimentar a una población creciente, adoptar métodos de producción más eficaces y sostenibles. Este es un sector importante de la economía del Perú, representa el 3.7 % del PBI. Sin embargo; solo el 10% de los productores reciben apoyo técnico o capacitación. Adicionalmente, hay una falta de ingenieros agrónomos en las provincias, por lo cual no es posible que puedan cubrir las necesidades y apoyo en la detección a tiempo de enfermedades en sus cultivos, por eso nuestro proyecto surge a partir de la falta de iniciativas tecnológicas en el sector agrario. Se realizó un análisis de mercado en el distrito de San Jerónimo de Tunán, que nos dio como resultado la carencia de apoyo económico y capacitaciones agrarias en los pequeños agricultores del maíz. Se aplicó la Metodología Design Thinking, en la primera etapa se empatizó con el agricultor a través de entrevistas, luego se realizó los filtros para encontrar patrones en común, en la tercera etapa surgieron nuevas ideas de solución, por último, se realizó el MVP lo cual nos permitió la detección en tres tipos de plagas y/o enfermedades del maíz La implementación de la solución se ha basado en el algoritmo de Redes Neuronales Convolucionales; considerando las siguientes enfermedades y/o plagas; tizón de la hoja, roya común y mancha gris de la hoja. Parte del proceso de validación del prototipo se realizó con distintas pruebas, desde valores aleatorios de imágenes hasta capturas reales con un dispositivo móvil Android; logrando resultados del 91,82 % de precisión en las pruebas de validación. Por consiguiente, los beneficiarios de la solución, pudieron utilizar esta herramienta demostrando su facilidad de uso y realizando detecciones de las enfermedades mencionadas en sus cultivos del maíz.