Producto activoPublicado en Google Play100+ descargasEn evolución continua
CultivoScan
Inteligencia artificial para la detección de enfermedades foliares en cultivos de papa
Aplicación móvil desarrollada desde el contexto agrícola del Carchi y disponible para usuarios de todo Ecuador. Integra visión por computadora, inferencia local y herramientas digitales para apoyar al agricultor.
En revisión Investigación científica asociada Detección Automatizada de Enfermedades Foliares en Papa mediante Visión por Computadora e Inferencia Local en Dispositivos Móviles
Investigación científica asociada
Del producto móvil a la investigación científica
CultivoScan dio origen a un manuscrito científico que documenta la construcción de un dataset híbrido, la comparación experimental de arquitecturas YOLO y RT-DETR y el despliegue del modelo seleccionado mediante inferencia local en dispositivos Android.
Manuscrito completo · En revisión técnica
Preparación para envío a revista científica
1
Investigación finalizadaCompletado
2
Manuscrito desarrolladoCompletado
3
Revisión académicaEn curso
4
Envío editorialPróxima etapa
5
Evaluación de la revistaPendiente
◇
Dataset híbrido
2.152 imágenes de PlantVillage y 908 fotografías recolectadas en campo.
◇
Comparación experimental
Evaluación de variantes YOLO y RT-DETR bajo métricas de detección y eficiencia.
◇
Inferencia móvil
Exportación del modelo a TensorFlow Lite y validación en un dispositivo Android.
Tecnología desarrollada desde Carchi
Desarrollado desde Carchi para todo Ecuador
CultivoScan fue concebida desde la realidad agrícola del Carchi, principal provincia productora de papa del Ecuador, y está disponible para agricultores y usuarios de todo el territorio nacional.
01
Contexto
Carchi constituye uno de los principales territorios productores de papa del Ecuador y representa el contexto agrícola desde el cual se desarrolló CultivoScan.
02
Problema
La identificación visual de enfermedades foliares puede depender de la experiencia del productor y de la disponibilidad de asistencia técnica, dificultando un diagnóstico oportuno.
03
Solución
CultivoScan permite analizar imágenes de hojas, ejecutar el modelo localmente y presentar el diagnóstico, la región detectada y recomendaciones generales desde un dispositivo móvil.
Del campo al dispositivo
1
Recolección
PlantVillage y fotografías tomadas en parcelas del Carchi.
2
Preparación
Depuración, anotación mediante cajas y aumento del conjunto de entrenamiento.
3
Experimentación
Comparación de variantes YOLO y RT-DETR.
4
Selección
YOLO-26-N, experimento E12, BoxGain y resolución de 1024 píxeles.
5
Despliegue
Exportación a TensorFlow Lite.
6
Producto
Integración en Flutter y publicación en Google Play.
7
Evolución
Nuevas versiones, mejoras y ampliación futura de funcionalidades.
Producto y tecnología
Qué permite hacer
✓Diagnóstico mediante cámara o galería
✓Inferencia local
✓Historial de diagnósticos
✓Gestión de parcelas
✓Clima semanal
✓Precio de la papa
✓Recomendaciones
✓Autenticación y sincronización
Con qué se construyó
Aplicación móvil
Flutter
Dart
Riverpod
GoRouter
Inteligencia artificial
Python
YOLO-26-N
RT-DETR
PyTorch
TensorFlow Lite
OpenCV
Roboflow
EigenCAM
Servicios
Firebase Authentication
Firestore
Cloud Functions
Express
Open-Meteo
Resultados verificables
Evaluación experimental
98,89 %mAP@50
98,05 %mAP@50–95
96,99 %Precisión
95,76 %Recall
Validación móvil y con usuarios
559,95 ± 30,91 msInferencia media en el dispositivo evaluado
4,77/5Eficacia percibida
4,78/5Eficiencia percibida
ISO/IEC 25010Dimensiones utilizadas en la evaluación
5,06 ms corresponde al entorno experimental con GPU; 559,95 ms a la inferencia media de TensorFlow Lite en el dispositivo Android evaluado; y 10,43 s al flujo total medio desde confirmar la imagen hasta visualizar completamente el resultado.
Un producto que continúa creciendo
CultivoScan no concluyó con el proyecto de titulación. La aplicación continúa evolucionando mediante nuevas versiones, mejoras del sistema de diagnóstico, ampliación del dataset, difusión entre productores y desarrollo de nuevas herramientas de apoyo agrícola.
Hoy
→Publicada en Google Play
→Más de 100 descargas
→Diagnóstico individual
→Herramientas agrícolas integradas
En desarrollo
→Mejoras de validación
→Optimización de la experiencia
→Revisión del artículo científico
→Difusión y adopción
Próxima evolución
→Detección de varias hojas
→Ampliación del dataset
→Evaluación en más condiciones de campo
→Nuevas funcionalidades definidas con usuarios agrícolas
