Córdova Córdova Edgar PatricioLascano Villafuerte Erick Fernando2025-02-252025-02https://repositorio.uta.edu.ec/handle/123456789/43786La producción de cultivos en ambientes controlados proporciona condiciones ideales para su desarrollo, existen factores como las plagas, que afectan la producción y calidad de dicho cultivo. Lo que genera un impacto negativo en la economía de los agricultores. Con el fin de mejorar la producción de los agricultores se han integrado herramientas tecnológicas como Agricultura 5.0. Basado en este contexto, se realizó un estudio con el objetivo de implementar un sistema para la detección de plagas, empleando tecnologías de Visión Artificial y Deep Learning. Es muy importante realizar detecciones tempranas de plagas en cultivos para no tener perdidas de producción, por ello, el sistema se basa en el uso de una red neuronal capaz de realizar detecciones precisas de las distintas plagas. El sistema consta de cuatro etapas: adquisición, entrenamiento, procesamiento y visualización. En la etapa de adquisición, se utilizó cuatro cámaras que realizaran las capturas de las imágenes y video. El entrenamiento se realizó con los datos recolectados y un modelo que sea capaz de trabajar en equipos de recursos limitados y que tenga una buena precisión para la detección. Para el procesamiento de las imágenes se ocupa un microcomputador optimizado para trabajar con inteligencia artificial, para la visualización y gestión de información se realizó una interfaz gráfica que sea capaz de mostrar los datos obtenidos. El modelo entrenado demostró una precisión de 95.7% en la detección de plagas y después de realizar varias pruebas del sistema demostró una confiabilidad del 93.7%, siendo un sistema confiable.The cultivation of crops in controlled environments offers optimal conditions for their growth. However, the presence of pests can adversely impact both the quantity and the quality of the produce. This phenomenon exerts a deleterious effect on the economic viability of farmers. To address these challenges, farmers have adopted technological solutions, such as Agriculture 5.0, to enhance their productivity and quality of produce. A study was conducted with the objective of implementing a system for pest detection, utilizing Computer Vision and Deep Learning technologies. It is imperative to detect pests in crops at an early stage to avert production losses. Consequently, the system is predicated on a neural network capable of accurately detecting various pests. The system is comprised of four distinct stages: acquisition, training, processing, and visualization. In the initial acquisition stage, four cameras were utilized to capture images and video. The training stage entailed the utilization of collected data in conjunction with a model adept at functioning with constrained resources while maintaining optimal detection accuracy. The image processing stage entailed the utilization of a microcomputer that had been optimized to operate in conjunction with artificial intelligence. The visualization and information management stage involved the development of a graphic interface capable of displaying the data obtained. The trained model demonstrated an accuracy of 95.7% in the detection of pests, and subsequent system tests yielded a reliability of 93.7%, thus confirming the system's reliability.esVISIÓN ARTIFICIALDEEP LEARNINGDETECCIÓN DE PLAGASAMBIENTES CONTROLADOSbachelorThesis