Desarrollo de un sistema de visión por computadora e inteligencia artificial para la detección de sigatoka negra, fusarium raza 4 tropical (Foc R4T), cordana, pestalotiopsis y moko bacteriano en banano ecuatoriano

Abstract

Online payment fraud represents a significant challenge for the banking sector, as it involves the unauthorized use of financial information to conduct fraudulent transactions. This results in economic losses and undermines user trust in digital services. The growth of e commerce and digital payment systems has increased the complexity and frequency of these practices, making it necessary to implement advanced detection and prevention mechanisms. The objective of this project is to develop predictive models for online payment fraud detection using data mining and machine learning techniques. To this end, an Agile methodology (Scrum and Kanban) was applied, incorporating stages of data preprocessing, relevant feature selection, supervised learning model training, and evaluation through classification metrics. Additionally, optimization techniques and cross-validation were employed to improve model performance and reduce the risk of overfitting...En Ecuador el cultivo de banano representa un pilar económico y social de alta importancia, sin embargo, su sostenibilidad depende directamente de la supervivencia de las plantas para sobrevivir a enfermedades fitosanitarias que reducen en gran porcentaje su productividad lo que genera pérdidas económicas significativas. El presente trabajo propone un desarrollo de un sistema web basado en visión por computador y aprendizaje profundo para la detección automatizada de enfermedades en las hojas del banano a partir de imágenes. El aplicativo emplea técnicas de deep learning con arquitecturas como YOLOv8 y EfficientNet utilizando imágenes de hojas de banano sanas y con sintomatología asociada a enfermedades como Sigatoka negra, fusarium R4T y moko bacteriano, cordana, pestalotiopsis...