elkynerojasiser/palma_detector

# Palma Detector Sistema de detección de marchitez letal en plantas de palma africana usando Deep Learning y TensorFlow.js. ## Requisitos - Python 3.8+ - TensorFlow 2.12+ - Navegador moderno con acceso a cámara ## Estructura del Proyecto ``` palma_detector/ ├── data/ │ ├── train/ │ │ ├── sana/ # Imágenes de plantas sanas │ │ └── afectada/ # Imágenes de plantas afectadas │ └── test/ │ ├── sana/ │ └── afectada/ ├── src/ │ ├── train.py # Entrenamiento del modelo │ ├── evaluate.py # Evaluación del modelo │ └── convert.py # Conversión a TensorFlow.js ├── frontend/ │ ├── index.html │ ├── css/style.css │ ├── js/app.js │ └── model/ # Modelo convertido (generado) └── requirements.txt ``` ## Paso 1: Preparar el Dataset 1. Crear las carpetas necesarias: ```bash mkdir -p data/train/sana data/train/afectada data/test/sana data/test/afectada ``` 2. Colocar las imágenes en las carpetas correspondientes: - `data/train/sana/` - Imágenes de plantas sanas (entrenamiento) - `data/train/afectada/` - Imágenes de plantas enfermas (entrenamiento) - `data/test/sana/` - Imágenes de plantas sanas (prueba) - `data/test/afectada/` - Imágenes de plantas enfermas (prueba) 3. **Recomendaciones:** - Mínimo 200-300 imágenes por clase - Resolución recomendada: 224x224 o superior - Variedad en ángulos, iluminación y fondos - Balance 50/50 entre clases ## Paso 2: Instalar Dependencias ```bash pip install -r requirements.txt ``` ## Paso 3: Entrenar el Modelo ```bash cd src python train.py ``` Esto generará: - `palm_detector_model.h5` - Modelo entrenado - `training_history.png` - Gráfico de entrenamiento ## Paso 4: Evaluar el Modelo (Opcional) ```bash cd src python evaluate.py ``` Esto generará: - `confusion_matrix.png` - Matriz de confusión ## Paso 5: Convertir a TensorFlow.js ```bash cd src python convert.py ``` Esto copiará el modelo convertido a `frontend/model/` ## Paso 6: Desplegar en GitHub …