Examinando por Autor "Chavez Jalk, Antony"

Mostrando 1 - 3 de 3

Detection of Solanum betaceum Cav fruit maturity using YOLO11-based deep learning
(Frontiers Media S.A., 2026-09-10) Quiñones Huatangari, Lenin; Vásquez Pérez, Héctor Vladimir; Valqui Valqui, Lamberto; Palomino Ojeda, Jose Manuel; Saravia Navarro, David; Bardales Escalante, William; Silva Valqui, Gelver; Chavez Jalk, Antony; Cruz Caro, Omer; Valqui, Leandro
The tree tomato (Solanum betaceum Cav.) is a Solanaceae fruit native to South America with nutritional, functional, and economic value. However, assessing fruit maturity and making harvest-related decisions continue to rely primarily on manual visual inspection, which can be subjective and inconsistent under field conditions. The objective of this study was to evaluate the performance of YOLO11-based object detection models for the automatic detection of the ripeness of Solanum betaceum fruits in a real-world agricultural setting. To this end, a dataset of 200 images captured with smartphones was used, in which 1,361 fruits were annotated with bounding boxes corresponding to green and ripe fruits. The YOLO11n, YOLO11s, and YOLO11m models were trained with an input resolution of 640. For each setting, cross-validation (k = 5) was used, and data augmentation was applied to the training subsets. YOLO11m achieved the best overall performance, as it combined high values for precision, recall, and mAP. On the test set, YOLO11m achieved a precision of 0.9878 ± 0.0055, a recall of 0.9750 ± 0.148, and an mAP50 of 0.9618 ± 0.0188 for green fruit, as well as a precision of 0.9950 ± 0.0041, a recall of 0.9958 ± 0.0039, and an mAP50 of 0.9920 ± 0.0047 for ripe fruits. YOLO11s also demonstrated competitive performance, particularly in the detection of ripe fruits, with an mAP50 of 0.9894 ± 0.0070 and an mAP50–95 of 0.9754 ± 0.0081, positioning it as an efficient alternative given its substantially lower computational cost. In contrast, YOLO11n, the lightest architecture, showed the lowest performance for green fruits (mAP50-95: 0.8557 ± 0.0611), reflecting the limitations of its representational capacity.
Effect of Endophytic Trichoderma sp. Strains on the Agronomic Characteristics of Ecotypes of Theobroma cacao L. under Nursery Conditions in Peru
(Hindawi, 2022-05-24) Chavez Jalk, Antony; Leiva, Santos; Bobadilla Rivera, Leidy Gheraldine; Vigo Mestanza, Carmen Natividad; Arce Inga, Marielita; Oliva Cruz, Manuel
Peru is one of the main producers of fine aroma native cacao, expanding its areas considerably in recent years, which makes it necessary to seek adequate management alternatives to obtain advantageous yields. The present work had the objective of testing the influence of Trichoderma sp. endophytic strains on the agronomic characteristics of ecotypes of Theobroma cacao L. under nursery conditions, Cajaruro district, Utcubamba, Amazonas, Peru. The Trichoderma strains evaluated were Trichoderma breve; T. harzianum; T. longibrachatum; T. afrojarzianum, and Trichoderma sp. which were inoculated on cocoa seedlings of ecotypes CCN51; TCHS565; and nativo fino de aroma. The variables evaluated were chlorophyll indices (at 30, 45, 60, and 70 days after planting), percentage of endophyte colonization, root hair development, trichomes on stems, and agronomic characteristics (plant height, number of leaves, stem diameter, root dry and fresh weight, root size, etc.). The results showed that the application of Trichoderma breve in the fine aroma native cocoa ecotype (T12) presented the highest chlorophyll index at 75 days after planting (DAP) with 43.53 +- 1.59 and 49.77 +- 2.42 for the apex and leaf base, respectively, with a percentage of colonization in the root hairs of 66.67%, and with better characteristics for the number of leaves with 12.00 +- 3.46. T12 showed positive influences for plant height, leaf number, and chlorophyll index. Treatments based on T. harzianum + CCN51 (T5) and T. afroharzianum + TSHS565 (T6) showed 100% colonization of the root hairs and trichomes on stems. Endophytic Trichoderma fungi are an alternative for organic production of fine aroma cocoa in Peru, improving the agronomic characteristics of the crop.
Variación espacial de la fertilidad del suelo en la EEA Amazonas
(Instituto Nacional de Innovación Agraria (INIA), 2026-07-30) Quispe Matos, Kenyi Rolando; Carbajal Llosa, Carlos Miguel; Mejía Maita, Sharon Yahaira; Mattos Mendoza, Carlos; Ore Valeriano, Ruddy Adely; Chuchon Remon, Rodolfo Juan; Chavez Jalk, Antony; Alva Vasquez, Dangiela Steyscy; Montenegro Acuña, Luis Alberto; Solórzano Acosta, Richard Andi; Cruz Luiz, Juancarlos Alejandro
La degradación del suelo en regiones tropicales constituye una amenaza crítica para la sostenibilidad de la producción agrícola y la provisión de servicios ecosistémicos, debido a su estrecha relación con la pérdida de carbono orgánico, la erosión y la disminución de la productividad. En particular, el cambio de uso del suelo y la intensificación agrícola aceleran los procesos de degradación física y química, afectando el almacenamiento de carbono y la disponibilidad de nutrientes, especialmente en ecosistemas tropicales (Don et al., 2010). En la Amazonía peruana, la deforestación contribuye a la degradación del suelo, ya que las áreas intervenidas suelen destinarse al establecimiento de pastizales que, en muchos casos, se manejan de forma inadecuada, con prácticas como la sobrecarga animal y el sobrepastoreo. Aproximadamente el 70 % de los bosques deforestados han sido convertidos en pastizales para actividades ganaderas (Alegre et al., 2019). La región Amazonas, una de las principales zonas productoras de arroz, café, cacao y frijol, presenta condiciones edafoclimáticas que favorecen una alta heterogeneidad espacial de las propiedades del suelo. La interacción entre precipitaciones intensas, relieve complejo y variabilidad de materiales parentales genera una distribución irregular de nutrientes y del carbono orgánico, lo que condiciona la respuesta de los cultivos y la eficiencia en el manejo de la fertilidad (Ruiz et al., 2026). Cuando esta heterogeneidad no es adecuadamente caracterizada ni gestionada, puede dar lugar a la sobrefertilización en algunos sectores y a deficiencias nutricionales en otros, con implicancias económicas y ambientales, como pérdidas de nutrientes por lixiviación y una baja eficiencia en el uso de fertilizantes (Bhagwan et al., 2025). Con el fin de no agravar la problemática de degradación del suelo en la región Amazonas, es fundamental conocer la variabilidad de sus propiedades fisicoquímicas; para ello, es necesario emplear herramientas que permitan su adecuado diagnóstico y monitoreo. Las tecnologías como los sistemas de posicionamiento global (GPS), la teledetección y los sistemas de información geográfica (SIG) permiten recopilar datos edáficos de manera eficiente y, en muchos casos, en tiempo casi real, lo que facilita la elaboración de mapas de alta resolución sobre la variabilidad de las propiedades del suelo. Estas herramientas han transformado significativamente el monitoreo y la gestión de áreas agronómicas, al posibilitar la delimitación de zonas de manejo homogéneo. En este contexto, métodos de interpolación como el kriging, integrados con SIG, han demostrado ser eficaces para identificar “hotspots” de degradación, orientar la fertilización diferenciada y apoyar la implementación de estrategias de restauración ecológica en zonas críticas (Culman et al., 2021; Chinea-Horta y Rodríguez-Izquierdo, 2021). En este contexto, el presente documento técnico tiene como objetivo evaluar la variación espacial de la fertilidad del suelo en la Estación Experimental Agraria Amazonas mediante el análisis e interpretación de sus propiedades fisicoquímicas y el uso de herramientas de análisis espacial. A partir de la generación de mapas temáticos de fertilidad, se busca identificar zonas con características similares que faciliten la toma de decisiones para un manejo más eficiente de la fertilización y del suelo. Asimismo, se presenta una metodología basada en la modelación de semivariogramas y la interpolación por kriging, la cual puede ser aplicada en otros sistemas agrícolas para contribuir al uso adecuado de los insumos, mejorar la productividad y promover la sostenibilidad del recurso suelo.