Desarrollo de un modelo predictivo utilizando técnicas de aprendizaje supervisado para detectar la moniliasis en plantas de cacao de la Provincia de Orellana

Abstract

La respuesta al enigma de la moniliasis se encuentra en la ciencia y la tecnología con el proyecto desarrollado en la Provincia de Orellana, en donde la moniliasis es una enfermedad fúngica que causa efectos devastadores incluyen do la pudrición de las flores, vainas y frutos de cacao, lo que conlleva pérdidas significativas a los agricultores. La moniliasis afecta gravemente a los cultivos de cacao y resulta difícil detectar su presencia tempranamente. Para lograr la detección de esta enfermedad, se recopilaron datos obtenidos de sensores y registros manuales para entrenar y validar un modelo predictivo mediante aprendizaje supervisado, en donde se analizó las condiciones ambientales y los síntomas de la enfermedad. Se aplicó la metodología de la ciencia del diseño basada en tres ciclos: el ciclo de relevancia, rigor y diseño. En el ciclo de relevancia se definió el problema y la necesidad del modelo, en el ciclo de rigor se realizó una investigación preliminar para determinar la viabilidad del objetivo y, por último, en el ciclo de diseño se modelaron los datos con algoritmos de aprendizaje automático y se implementó el modelo de predicción, probándolo para verificar su correcto funcionamiento. El modelo se compartió con las familias cacaoteras de Orellana, demostrando su eficacia. Esto permitirá a los agricultores tomar medidas de control adecuadas y oportunas para prevenir la propagación de la enfermedad y, por lo tanto, aumentar la producción y la calidad del cacao.