inghggw/vit-frijol

Clasificador de enfermedades en hojas de fríjol

Ejemplo resuelto de la semana 3 del curso SENA "Iniciación a la Inteligencia Artificial" para ADSO (2026). Guía y notebooks: https://github.com/inghggw/iniciacion-ia-adso

Uso previsto

Clasifica una foto de una hoja de fríjol en 3 clases: sana (healthy), mancha angular (angular_leaf_spot) y roya (bean_rust). Sirve para aprender transfer learning y como apoyo para una revisión inicial. No debe usarse para decidir tratamientos ni para otros cultivos o enfermedades: solo conoce estas 3 clases y siempre responde una de ellas.

Datos de entrenamiento

Conjunto AI-Lab-Makerere/beans: 1.295 fotos de hojas tomadas en campo en Uganda, con 3 clases. Dividido en entrenamiento (1.034), validación (133) y prueba (128).

Entrenamiento

• Modelo base: google/vit-base-patch16-224-in21k (Vision Transformer).
• 3 épocas, tasa de aprendizaje 2e-4, lotes de 16 imágenes.
• GPU T4 gratis de Google Colab: unos 56 segundos.

Resultados

• Exactitud en validación: 99,2 % (época 3).
• Exactitud en prueba (imágenes que el modelo no vio): 97,7 %.

Limitaciones y riesgos

• Las fotos son de un solo país y de un tipo de cámara: puede fallar con otra luz, fondo, distancia o variedad de fríjol.
• Si la foto no es de una hoja de fríjol, igual responde una de las 3 clases.
• No reemplaza el diagnóstico de un agrónomo.

Autor

Henry Giovanny González Waltero, instructor SENA, Centro de Comercio y Servicios, Regional Tolima.