Desarrollo de un método de aprendizaje automático eficiente para la clasificación de imágenes de variedades de maíz de la región Cusco

Abstract

El maíz es un cultivo importante en el mundo, ampliamente utilizado en alimentación para los hogares del Perú, medicina y otras industrias al tener alto valor nutricional. En la región del Cusco, se encuentra una amplia diversidad genética de maíz gracias a numerosas variedades locales y ecotipos. Sin embargo, la clasificación de estas variedades presenta desafíos debido a que el maíz procede de la producción de semillas híbridas, lo que requiere un control para garantizar su pureza y calidad, lo que afecta la difusión y preservación de las variedades de maíz, así como la calidad de los granos y la agrodiversidad. Para abordar estos problemas, se desarrolló un método eficiente de clasificación automática en imágenes de variedades de maíz de la región del Cusco, basado en ensamble al combinar las capacidades de una CNN VGG19 para extraer características visuales de las imágenes de variedades de maíz en el método Random Forest, utilizando estrategias de entrenamiento mejoradas, hallando una solución eficiente la identificación precisa sin requerir un tiempo excesivo en su predicción, gracias a la detección de características jerárquicas, adaptabilidad a múltiples aspectos de las variedades, mayor robustez y generalización, manejo efectivo de características morfológicas y la posibilidad de escalabilidad y adaptación, logrando una adecuada precisión en su identificación. Además, la inclusión de estos métodos en una aplicación web permitió un mejor entendimiento y análisis de resultados, con importancia en su uso como un despliegue en tareas prácticas de producción. La importancia de este método radica en preservar la diversidad genética.