Identificación y clasificación de enfermedades foliares en el cultivo de Aguacate Fuerte en el cantón Quito

El presente estudio aborda el problema del diagnóstico tardío de las enfermedades foliares que afectan al cultivo de aguacate en el cantón Quito, una situación que incide negativamente en la productividad y sostenibilidad del sector agrícola. La investigación se orienta a la aplicación de técnicas de inteligencia artificial (IA) para mejorar los procesos fitosanitarios mediante la identificación automatizada de patologías foliares. En este contexto, se propone una alternativa tecnológica que busca superar las limitaciones del diagnóstico visual tradicional, ofreciendo un enfoque más preciso, eficiente y accesible para productores y técnicos agrícolas. El objetivo general del trabajo fue desarrollar y validar un sistema inteligente capaz de identificar con alta precisión las principales enfermedades foliares del aguacate a partir del análisis de imágenes digitales. La metodología se estructuró bajo el enfoque CRISP-DM e incluyó la recopilación de imágenes reales, su preprocesamiento, la construcción del modelo y su evaluación mediante métricas estándar. Los resultados evidencian que el modelo entrenado alcanzó una precisión del 98%, lo que demuestra su viabilidad como herramienta de apoyo para el monitoreo fitosanitario. Asimismo, el sistema logró identificar enfermedades como antracnosis, manchado rojizo y ojo de gallo, proporcionando diagnósticos confiables en tiempo real. Finalmente, se plantea como trabajo futuro la ampliación del conjunto de datos, la incorporación de nuevas enfermedades, la exploración de modelos más ligeros para dispositivos móviles y la evaluación del sistema en distintas zonas productivas del país.