Introducción
Se presenta el diseño de un sistema de alerta temprana que emplea redes neuronales convolucionales para identificar indicios del gorgojo del chontaduro a partir de fotografías capturadas con teléfonos móviles. La propuesta integra adquisición guiada de imágenes, clasificación local y sincronización diferida para operar en zonas con conectividad limitada. Se plantea una evaluación basada en precisión, sensibilidad, tiempo de respuesta y facilidad de uso con productores rurales de Buenaventura. El trabajo responde a necesidades observables del territorio y articula desarrollo tecnológico, investigación aplicada y participación de los actores involucrados.
Planteamiento del problema
Este proyecto presenta el desarrollo de un prototipo de software que utiliza redes neuronales convolucionales (CNN) para procesar imágenes capturadas por dispositivos móviles en el campo. El sistema identifica de manera temprana las primeras fases de infestación del gorgojo del chontaduro, permitiendo a los agricultores tomar medidas correctivas antes de perder la cosecha. Incluye un módulo de sincronización offline debido a la baja conectividad en las zonas rurales.
Metodología
Se construirá un conjunto de imágenes etiquetadas con acompañamiento de productores y expertos agrícolas. Las imágenes serán normalizadas y divididas en entrenamiento, validación y prueba. El prototipo móvil ejecutará un modelo optimizado y almacenará localmente cada diagnóstico hasta disponer de conexión.
Resultados esperados
Se espera obtener un clasificador capaz de reconocer signos tempranos de infestación y entregar recomendaciones comprensibles. La evaluación incluirá métricas del modelo y pruebas de usabilidad en campo.
Conclusiones
La propuesta establece una ruta de trabajo verificable y pertinente para el contexto regional. Su desarrollo permitirá valorar tanto el desempeño técnico de la solución como su apropiación por los usuarios, procurando decisiones éticas sobre datos, accesibilidad y sostenibilidad.