Resumen:
El banano representa uno de los productos de mayor exportación en el Ecuador, pues
aporta el 2% al PIB general y cerca del 35% al PIB agrícola. Además, su producción
busca ser sostenible y alcanzar un sistema de mejora continua. Una necesidad en los
campos agrícolas que manejan cultivos extensivos, como el banano, es conocer la
densidad real de plantas. Esta tarea se trata de una actividad laboriosa, costosa en
tiempo y dinero y propensa al error humano cuando se hace de forma manual. El
fortalecimiento de las bananeras implica la adopción de herramientas como la
agricultura de precisión, que integra tecnologías para la explotación eficiente del campo.
El presente proyecto validó la precisión de técnicas SIG y de aprendizaje profundo para
la cuantificación de plantas de banano. Adicionalmente, se determinó el porcentaje de
cobertura de las plantas y se generó mapas de vigor y un análisis relacional mediante
índices de vegetación para el espectro visible, estableciendo que variables estiman con
mayor precisión la cobertura vegetal. En un submuestreo de 50 imágenes bajo
parámetros de densidad de población alta, media y baja, se obtuvo que los resultados
de la aplicación de la técnica SIG (81%) fueron superiores en un 5% en comparación
con los resultados de la aplicación de aprendizaje profundo (76%), correspondiente al
IoU Score. La diferencia radica en que el modelo de aprendizaje profundo no detecta
plantas muy pequeñas o plantas que se visualizan parcialmente, mientras que con SIG
no se detecta plantas con baja vigorosidad.
