“Rendimiento de Redes Convolucionales y de Auto-atención en el Reconocimiento de Enfermedades de Cacao, Omaya - Cusco, 2025”

Abstract

El cacao (Theobroma cacao L.), es originario de las selvas amazónicas de América del Sur, es una planta de gran valor económico y cultural, cuyas semillas se utilizan para la producción de chocolate. Actualmente, Perú ocupa el octavo lugar en la producción mundial de cacao, siendo este cultivo una fuente importante de ingresos para más de 90,000 familias en regiones amazónicas como Cusco, Ayacucho y Junín. El Valle de los Ríos Apurímac, Ene y Mantaro (VRAEM) desempeña un papel importante en esta producción, especialmente en zonas como Omaya, Cusco. A pesar de su relevancia económica, la productividad del cacao en la región del VRAEM es baja (594 kg/hectáreas), debido a enfermedades y plagas como la pudrición parda (Phytophthora palmivora), la moniliasis (Moniliophthora roreri), la escoba de bruja (Moniliophthora perniciosa) y el mazorquero (Carmenta foraseminis). Estas enfermedades pueden ocasionar pérdidas de hasta el 100% de la producción, afectando directamente la economía local. Ante esta problemática, la inteligencia artificial, en especial los modelos de aprendizaje profundo, se presenta como una herramienta eficaz para la detección temprana y clasificación de enfermedades a partir de imágenes. Esto permite una intervención rápida, reduciendo el impacto de las enfermedades y optimizando el monitoreo de cultivos. El presente estudio tiene como objetivo evaluar y comparar el rendimiento de Redes Neuronales Convolucionales (CNN) y de Auto-Atención (Self-Attention) para el reconocimiento de enfermedades en frutos de cacao en imágenes provenientes de Omaya, Cusco, 2025. El propósito es identificar el modelo que presente la mayor tasa de detección y clasificación de enfermedades para ser utilizado en el desarrollo de sistemas de detección automática de enfermedades. Así, esta investigación contribuye al desarrollo de sistemas inteligentes que mejoren la capacidad de los agricultores para detectar enfermedades de forma oportuna, permitiendo una producción más sostenible y de mejor calidad. Los resultados de este estudio podrán servir como base para futuras investigaciones y aplicaciones tecnológicas en otras regiones cacaoteras del país y del mundo, apoyando la sostenibilidad agrícola y la seguridad alimentaria global.