La planta de café puede ser dañada por diversas plagas y enfermedades, las cuales se ven favorecidas o inhibidas por condiciones climáticas específicas de temperatura y humedad. Como consecuencia del cambio climático, estas plagas podrían incrementar su distribución en un intervalo altitudinal, contagiando plantaciones a un nivel global.
El Semáforo del Cultivo del Café (SCC) es una aplicación web que estima la probabilidad de la presencia de roya en matas de café a partir de datos colectados in situ referentes a valores e indicadores de su fenología (humedad relativa, temperatura y fecha de la lectura). Ofrece un panel de visualización de las estimaciones, los indicadores y variables de los plantíos de café monitoreados.
El SCC permite cargar nuevos datos a los cuales aplicar los distintos algoritmos y modelos para su análisis, o bien se puede explorar los bancos de datos que integran la colección de la aplicación.
Lo que se presenta aquí es una primera fase del SCC, denominada Semáforo de la Roya del Café, que está orientado específicamente a la estimación de la presencia del este hongo (Hemilea vastarix), a partir de bancos de datos e imágenes a nivel de mesosistema (planta del cafeto).
Descripción
El Semáforo de la Roya del Café (SRC), permite estimar la presencia de roya en los cafetos en dos formas:
- Análisis de datos provenientes de sensores in situ cargadas como archivos CSV a través de modelos de Series de Tiempo o bien vía análisis estadísticos y algoritmos de Aprendizaje Automático.
- Análisis de imágenes a nivel de mesosistema (mata del cafeto) para determinar la presencia de manchas indicativas de la presencia del hongo.
En el primer caso, con los modelos de Series de Tiempo, para estimar el riesgo potencial de desarrollo de roya en los bancos de datos bajo análisis, se consideraron los registros donde los indicadores de Temperatura (T) y Humedad Relativa (HR) se hallan dentro de los siguientes umbrales:
- – 25◦ T >= 22◦
- – HR >= 95%
Posteriormente, para determinar el color del semáforo de riesgo se mide el tiempo D durante el cual se mantienen estas condiciones (1 hora equivale a 4 lecturas de 15 minutos). Los niveles de riesgo se muestran como un semáforo, que establece que el color rojo indica un mayor riesgo y verde un menor riesgo.
Lo mismo sucede con otras opciones de algoritmos Aprendizaje Automático dispuestos para realizar predicción y clasificación sobre los archivos cargados al SRC.
En el caso de las imágenes, se carga una fotografía de la mata del café en cuestión y se analiza vía una Red Neuronal Convolucional, que identifica las zonas potenciales de presencia de roya, regresándole al usuario la imagen etiquetada con las estimaciones encontradas.
Herramientas
Proyectos Terminales
Análisis de series de tiempo para monitoreo de roya en cafetales.
Arnol Reyes Rosales.
Asesores: Dr. Wulfrano Arturo Luna Ramírez, Dr. Gustavo Ortiz Hernández
El cambio climático se considera como uno de los principales factores que afectan el rendimiento del cultivo. Los cambios meteorológicos que ocurren durante las diferentes etapas del cultivo pueden aumentar o reducir su productividad en los procesos fisiológicos en la plantación. Se ha observado que, a partir de las diferentes etapas del desarrollo y el rendimiento del cultivo, se puede proporcionar información importante para monitorear las condiciones y cuantificar el efecto que pudiera generar, así, se puede prever el comportamiento de su proceso productivo con el fin de planificar y optimizar el uso de los recursos técnicos, humanos y financieros. Con base en lo anterior el presente estudio presenta un análisis de datos proporcionados por el Observatorio de Café de la Universidad Veracruzana, con el fin de analizar el efecto de condiciones ambientales en los cultivos de café (único en su tipo), a través de un modelo de predicción basado en series de tiempo. Las
variaciones meteorológicas que influyen en el desarrollo del cultivo consideradas son: temperatura y
humedad relativa. Con ellas, se implementaron funciones de correlación, a fin de conocer las
circunstancias de riesgo asociadas al cultivo, específicamente la roya (Hemileia vastatrix).
Detección temprana de roya en los cafetales, mediante Redes Neuronales Convolucionales.
Luis Guillermo Cruz Estrada.
Asesores: Dr. Wulfrano Arturo Luna Ramírez, Dr. Gustavo Ortiz Hernández
En la actualidad se cuenta con mecanismos y herramientas que nos permiten ayudar y mejorar las condiciones de los cultivos, tales herramientas son modelos que actúan y tienen soporte en los nuevos equipos de cómputo que se desarrollan.
Acompañados de estas herramientas se ejecutan modelos de Inteligencia Artificial (IA) que cada
vez tienen mejor eficacia para su propósito. Dentro de la disciplina de la IA se encuentra el Aprendizaje Automático o Machine Learning con sus siglas en inglés (ML) donde se desenvuelven las Redes
Neuronales Convolucionales (CNN por sus siglas en inglés: Convolutional Neural Networks) ambas
orientadas a crear métodos para que los programas mejoren su rendimiento.
En este trabajo se propone un modelo de CNN para ser aplicado en los cultivos de café,
específicamente para la detección de la Roya (Hemilea vastarix), este estudio forma parte del Proyecto de Investigación denominado Sistema de Gestión de Riesgo Personal Basado en Agentes Autónomos
(clave DCCD.TI.PI-64) en colaboración con el Observatorio de Cafeticultura ubicado en el estado de Veracruz de la Universidad Veracruzana.
El modelo que se propone en este trabajo, utiliza tomas fotográficas de las matas completas del café, cabe señalar que los estudios relacionados no contemplan este enfoque, o por lo menos eso fue lo
que intuyó al buscar más trabajos similares, este trabajo es pionero en cuanto a la aplicación de modelos de CNN centrado en el análisis a nivel de mesosistema.
Gestión de Usuarios en el Semáforo de la Roya del Café
Jacqueline Bravo Pacheco
Asesor: Dr. Wulfrano Arturo Luna Ramírez
Dentro de los Sistemas y Tecnologías de Información la gestión de usuarios confiere la habilidad a sus administradores de gestionar los accesos del usuario a los distintos recursos que se prestan, al tiempo que mantienen la seguridad de los activos digitales: sistemas de información, dispositivos, aplicaciones de escritorio y Web, almacenamiento, redes, y otros servicios.
El presente trabajo es una ampliación a la herramienta Semáforo de la Roya del Café, el cual implementa una variedad de utilerías de Aprendizaje Automático para la detección de la roya del café.
Lo que se busca en es la mejora de dicha herramienta digital derivada del desarrollo de un módulo de gestión de usuarios y bancos de datos, función que aún no se encuentra presente en el prototipo actual.
Se propone un desarrollo Web adaptado a la tecnología utilizada en el proyecto base que se va a extender que haga uso de las plataformas Quasar y Flask, integradas a WordPress sobre un arreglo de microservicios en el servidor residente.