Ponente
Descripción
La presente ponencia aborda el potencial del software de código abierto en particular PyTorch como herramienta fundamental para el diseño, entrenamiento y despliegue de redes neuronales convolucionales (CNN) aplicadas a la agricultura de precisión. Se introduce brevemente qué es una CNN y cómo su arquitectura permite realizar tareas de clasificación de imágenes y detección de objetos con alto rendimiento, mostrando su utilidad para analizar cultivos mediante imágenes RGB y multiespectrales.
Asimismo, se explica el concepto de agricultura de precisión como un enfoque tecnológico que utiliza sensores, imágenes aéreas, algoritmos y plataformas de análisis para optimizar la toma de decisiones en el manejo agrícola. Se presentan casos de estudio reales en cultivos como chile, durazno, agave y piña, donde el uso de técnicas de visión por computadora ha permitido detectar plantas, estimar biomasa, identificar estrés, clasificar etapas de crecimiento y apoyar tareas de monitoreo productivo.
Finalmente, se destaca cómo el acceso a herramientas abiertas como PyTorch reduce las barreras de entrada para investigadores, productores y estudiantes, promoviendo innovaciones locales y soluciones escalables que fortalecen el desarrollo tecnológico del sector agrícola.
