Nickolle A. Blas Lozano, Briggitti M. Rodriguez Uriarte, Ryan A. León León

Memorias de la Vigésima Cuarta Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2025, pp. 328-336 (2025); https://doi.org/10.54808/CISCI2025.01.328

Nickolle A. Blas Lozano
La Libertad, Universidad Privada del Norte, Trujillo, Perú

Briggitti M. Rodriguez Uriarte
La Libertad, Universidad Privada del Norte, Trujillo, Perú

Ryan A. León León
La Libertad, Universidad Privada del Norte, Trujillo, Perú

Cite this paper as:
Blas Lozano, N. A., Rodriguez Uriarte, B. M., León León, R. A. (2025). Implementación de un Sistema de Visión Artificial para la Detección de Plagas en las Plantaciones de Tomate. En N. Callaos, J. Horne, B. Sánchez, A. Tremante (Eds.), Memorias de la Vigésima Cuarta Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2025, pp. 328-336. International Institute of Informatics and Cybernetics. https://doi.org/10.54808/CISCI2025.01.328

Este trabajo presenta el desarrollo de un sistema de visión por computadora basado en el modelo YOLOv8, orientado a la identificación automática de plagas en cultivos de tomate, enfocándose específicamente en Prodiplosis Longifila y la mosca blanca (Bemisia tabaci). Para ello, se recopilaron 800 imágenes en condiciones reales de campo en la localidad de Huanchaco, La Libertad, bajo un entorno ambiental controlado. El conjunto de datos se dividió en un 70% para entrenamiento, 20% para validación y 10% para pruebas. Se entrenó el modelo YOLOv8n durante 80 épocas, aplicando técnicas de aumento de datos y el optimizador AdamW. Los resultados alcanzados indicaron una precisión del 38.40% para Prodiplosis Longifila, 12.8% para la mosca blanca y 47.2% para tomates sin plagas, con F1-scores correspondientes de 44.1%, 14.90% y 47.3%. A pesar de que el sistema logró una velocidad de procesamiento de 24 FPS, la limitada precisión refleja los desafíos que implica la detección de plagas de tamaño microscópico en entornos reales. Este estudio sienta una base metodológica que permitirá futuras mejoras, identificando las principales limitaciones actuales y los aspectos que deben optimizarse para lograr un rendimiento adecuado en aplicaciones comerciales.