Logo Lanfrica
  • Home
  • Atlas
  • Insights
  • Docs
  • Sign in

© 2026 Lanfrica. All rights reserved. All copyrights of the resources shown on the Lanfrica website belong to the original copyright holders, unless explicitly stated otherwise.

santiagoortizc/-Inteligencia-Artificial-al-Servicio-del-Agro-Tolimense

Domain:

agriculture

Record type:

model
Creator:
san
Host:
Este proyecto hace parte de un semillero de investigación universitario y tiene como propósito apoyar al sector agrícola del departamento del Tolima mediante el uso de inteligencia artificial. Se desarrolla una plataforma digital capaz de identificar plagas en cultivos a partir de imágenes, utilizando la arquitectura EfficientNet. # 🌱 Inteligencia Artificial al Servicio del Agro Tolimense **Plataforma Digital para la Identificación de Plagas en Cultivos mediante EfficientNet** --- ## 📌 Descripción Este repositorio contiene la propuesta de investigación desarrollada en el marco del **Semillero DataTech** de la Universidad Cooperativa de Colombia – Ibagué. El proyecto busca diseñar una **plataforma digital** que permita la **identificación automática de plagas en cultivos**, utilizando la arquitectura **EfficientNet** como modelo de clasificación de imágenes. ⚠️ **Nota importante:** Este proyecto se encuentra en fase de **propuesta y experimentación**. --- ## 🎯 Objetivos - Desarrollar un modelo de **red neuronal convolucional** basado en EfficientNet para la clasificación de plagas. - Aplicar la metodología **CRISP-DM** en el ciclo de desarrollo del modelo. - Explorar la viabilidad de implementar una plataforma digital de apoyo a agricultores en la detección temprana de plagas. - Contribuir al sector agrícola del Tolima con soluciones tecnológicas innovadoras. --- ## 🛠️ Tecnologías y Herramientas - **Lenguaje:** Python 🐍 - **Frameworks de IA:** TensorFlow / Keras - **Modelo base:** EfficientNet - **Metodología:** CRISP-DM --- ## 📖 Metodología El desarrollo sigue la metodología **CRISP-DM**, que incluye: 1. **Comprensión del negocio:** Análisis del impacto de plagas en cultivos del Tolima. 2. **Comprensión de los datos:** Identificación y selección de datasets relevantes de imágenes de plagas. 3. **Preparación de los datos:** Limpieza, etiquetado y balanceo de las imágenes. 4. **Modelado:** Entrenamiento con EfficientNet. 5. **Evaluación:** Medición del desempeño del modelo. 6. **Despliegue (futuro):** Desarrollo de una plataforma digital accesible. --- ## 👨‍🔬 Equipo Este proyecto es desarrollado por estudiantes investigadores en el marco del **Semillero DataTech** de la Universidad Cooperativa de Colombia – …

Visit

github.com

Tasks

computer visionimage classification

Languages

Tiene

Licenses

MIT