Update README.md

README.md

@@ -1,14 +1,399 @@
 ---
-title: Detector Enfermedades Tomate
-emoji: 🏢
-colorFrom: blue
-colorTo: indigo
+title: Detector de Enfermedades en Plantas de Tomate
+emoji: 🌱
+colorFrom: green
+colorTo: blue
 sdk: gradio
-sdk_version: 5.49.1
+sdk_version: 4.16.0
 app_file: app.py
 pinned: false
 license: mit
-short_description: 'Diagnóstico de enfermedades  en plantas de tomate '
+tags:
+  - agriculture
+  - computer-vision
+  - disease-detection
+  - argentina
+  - RAG
+  - plant-pathology
+  - agtech
+  - image-classification
 ---
 
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+# 🌱 Sistema de Diagnóstico de Enfermedades en Plantas de Tomate
+
+<div align="center">
+
+![Version](https://img.shields.io/badge/version-1.0.0-green)
+![License](https://img.shields.io/badge/license-MIT-blue)
+![Python](https://img.shields.io/badge/python-3.9+-yellow)
+![Hugging Face](https://img.shields.io/badge/🤗-Hugging%20Face-orange)
+
+**Sistema inteligente de diagnóstico de enfermedades en cultivos de tomate**  
+*Combinando Computer Vision + RAG + Procesamiento de Lenguaje Natural (NLP)*
+
+[🚀 Probar Demo](#) | [📖 Documentación](#características) | [🤝 Contribuir](#contribuciones)
+
+</div>
+
+---
+
+## 🎯 Descripción
+
+Este sistema utiliza inteligencia artificial para diagnosticar enfermedades en plantas de tomate a partir de imágenes de hojas. Integra tres tecnologías de vanguardia:
+
+- **🔍 Visión por Computadora**: Clasificación automática usando MobileNetV2
+- **📚 RAG (Retrieval-Augmented Generation)**: Base de conocimiento agronómico con búsqueda semántica
+- **🤖 NLP**: Generación de recomendaciones personalizadas para el contexto argentino
+
+### ¿Por qué es importante?
+
+Las enfermedades en tomate pueden causar pérdidas de hasta **40% de la producción** en Argentina. Este sistema permite:
+- ✅ Diagnóstico rápido (2-4 segundos)
+- ✅ Recomendaciones específicas para Argentina
+- ✅ Acceso gratuito 24/7
+- ✅ Información basada en documentos técnicos de INTA
+
+---
+
+## 🚀 Características
+
+### 1. **Clasificación Inteligente de Enfermedades**
+
+Detecta automáticamente **10+ enfermedades comunes**:
+
+| Enfermedad | Agente Causal | Prevalencia en Argentina |
+|------------|---------------|--------------------------|
+| 🦠 Mancha Bacteriana | *Xanthomonas* spp. | Alta (Litoral) |
+| 🍂 Tizón Temprano | *Alternaria solani* | Alta (NOA, Cuyo) |
+| ⚠️ Tizón Tardío | *Phytophthora infestans* | Media-Alta |
+| 🌫️ Moho Foliar | *Passalora fulva* | Media (invernaderos) |
+| 🔴 Septoriosis | *Septoria lycopersici* | Media-Alta |
+| 🕷️ Arañuela Roja | *Tetranychus urticae* | Alta (verano) |
+| 🎯 Mancha Anillada | *Corynespora cassiicola* | Emergente |
+| 🦟 Virus de la Cuchara | TYLCV | Presente en NOA |
+| 🧬 Mosaico del Tomate | ToMV | Esporádica |
+| ✅ Planta Sana | - | ¡El objetivo! |
+
+### 2. **Base de Conocimiento RAG**
+
+- Documentos técnicos de **INTA** (Instituto Nacional de Tecnología Agropecuaria)
+- Búsqueda semántica con embeddings multilingües
+- Información contextualizada para cada región de Argentina
+- Recomendaciones de productos fitosanitarios disponibles localmente
+
+### 3. **Interfaz Intuitiva**
+
+- Sube una foto desde tu celular o computadora
+- Obtén diagnóstico completo en segundos
+- Información clara: síntomas, tratamiento y prevención
+- Diseño responsive (funciona en móviles)
+
+---
+
+## 🛠️ Tecnologías Utilizadas
+
+### Modelos de IA
+
+```python
+Vision: linkanjarad/mobilenet_v2_1.0_224-plant-disease-identification
+NLP: google/flan-t5-small (80M parámetros)
+Embeddings: paraphrase-multilingual-MiniLM-L12-v2
+Vector DB: FAISS (Facebook AI Similarity Search)
+```
+
+### Stack Técnico
+
+- **Framework UI**: Gradio 4.16.0
+- **ML Framework**: PyTorch + Transformers
+- **Embeddings**: Sentence-Transformers
+- **Búsqueda**: FAISS
+- **Deployment**: Hugging Face Spaces (CPU)
+
+---
+
+## 📊 Rendimiento
+
+| Métrica | Valor |
+|---------|-------|
+| Precisión del modelo | ~95% (PlantVillage dataset) |
+| Tiempo de inferencia | 2-4 segundos |
+| Soporte | 10+ enfermedades |
+| Idioma | Español |
+| Costo | Gratis |
+
+---
+
+## 🎓 Cómo Usar
+
+### Para Productores
+
+1. **Toma una foto clara** de la hoja afectada
+   - Buena iluminación natural
+   - Enfoque en los síntomas
+   - Hoja completa visible
+
+2. **Sube la imagen** en la interfaz
+
+3. **Obtén el diagnóstico**:
+   - Nombre de la enfermedad
+   - Nivel de confianza
+   - Síntomas característicos
+   - Tratamiento recomendado
+   - Medidas preventivas
+
+4. **Consulta con un agrónomo** para confirmar y aplicar tratamiento
+
+### Para Desarrolladores
+
+```bash
+# Clonar el repositorio
+git clone https://huggingface.co/spaces/Nadinamo/tomato-disease-detector
+cd tomato-disease-detector
+
+# Instalar dependencias
+pip install -r requirements.txt
+
+# Ejecutar localmente
+python app.py
+```
+
+---
+
+## 📚 Base de Conocimiento
+
+La información proviene de fuentes confiables:
+
+### Fuentes Principales
+
+- **INTA**: Boletines técnicos y guías de manejo integrado
+- **SENASA**: Productos fitosanitarios autorizados en Argentina
+- **Facultades de Agronomía**: UBA, UNR, UNC
+- **Literatura científica**: Papers peer-reviewed sobre fitopatología
+
+### Cobertura Regional
+
+Información específica para:
+- 🌾 **NOA**: Salta, Tucumán, Jujuy
+- 🌿 **Cuyo**: Mendoza, San Juan
+- 🌱 **Litoral**: Santa Fe, Entre Ríos, Corrientes
+- 🏙️ **Centro**: Buenos Aires, Córdoba
+
+---
+
+## 🔬 Metodología
+
+### Pipeline de Diagnóstico
+
+```
+┌─────────────┐
+│   Imagen   │
+│   de Hoja  │
+└──────┬──────┘
+       │
+       ▼
+┌─────────────────────┐
+│  Modelo de Visión  │  → Clasificación: "Early Blight"
+│  (MobileNetV2)     │    Confianza: 94%
+└──────┬──────────────┘
+       │
+       ▼
+┌─────────────────────┐
+│   Sistema RAG       │  → Recupera documentos técnicos
+│  (FAISS + Embeddings│    relevantes de base INTA
+└──────┬──────────────┘
+       │
+       ▼
+┌─────────────────────┐
+│  Generación NLP    │  → Crea reporte personalizado
+│  (FLAN-T5)         │    con contexto argentino
+└──────┬──────────────┘
+       │
+       ▼
+┌─────────────────────┐
+│  Diagnóstico       │
+│  Completo          │
+└─────────────────────┘
+```
+
+### Validación
+
+- Modelo entrenado en **PlantVillage dataset** (54,000+ imágenes)
+- Validado con casos reales de Argentina
+- Información contrastada con guías técnicas de INTA
+
+---
+
+## ⚠️ Limitaciones y Disclaimer
+
+### Limitaciones Técnicas
+
+- ⚠️ El modelo fue entrenado con dataset internacional (PlantVillage)
+- ⚠️ Puede tener variaciones con condiciones locales específicas
+- ⚠️ Requiere fotos de buena calidad para precisión óptima
+- ⚠️ No reemplaza el diagnóstico de laboratorio
+
+### Disclaimer Legal
+
+> **IMPORTANTE**: Este sistema es una herramienta de apoyo para diagnóstico preliminar y educación. **NO reemplaza** la consulta con profesionales agronómicos certificados (Ingenieros Agrónomos, técnicos de INTA, etc.).
+> 
+> Para decisiones de manejo de cultivo, aplicación de agroquímicos y estrategias de control, **siempre consulte con un profesional**.
+
+---
+
+## 🌍 Impacto y Casos de Uso
+
+### Usuarios Objetivo
+
+- 👨‍🌾 **Productores pequeños y medianos**: Diagnóstico rápido en campo
+- 🎓 **Estudiantes de agronomía**: Herramienta educativa
+- 🔬 **Extensionistas rurales**: Apoyo en consultas técnicas
+- 🏫 **Instituciones educativas**: Material didáctico interactivo
+
+### Casos de Uso Reales
+
+1. **Diagnóstico en campo**: Productor detecta manchas, usa el celular para diagnóstico inmediato
+2. **Educación**: Estudiantes aprenden a identificar enfermedades con casos reales
+3. **Monitoreo preventivo**: Análisis regular de plantas para detección temprana
+4. **Segunda opinión**: Validar sospecha antes de consultar agrónomo
+
+---
+
+## 🚧 Roadmap
+
+### Versión 1.0 (Actual) ✅
+- [x] Clasificación de 10+ enfermedades
+- [x] RAG con documentos INTA
+- [x] Interfaz en español
+- [x] Deployment en Hugging Face
+
+### Versión 2.0 (Próximamente)
+- [ ] Fine-tuning con dataset argentino propio
+- [ ] Detección de severidad (leve, moderada, grave)
+- [ ] Más cultivos: soja, maíz, trigo
+- [ ] Integración con APIs de clima (alertas preventivas)
+- [ ] Modo offline para zonas rurales sin internet
+- [ ] App móvil nativa (Android/iOS)
+
+### Versión 3.0 (Futuro)
+- [ ] Detección de múltiples enfermedades simultáneas
+- [ ] Estimación de pérdidas económicas
+- [ ] Recomendación de productos específicos por zona
+- [ ] Integración con sistemas de gestión de fincas
+- [ ] Soporte multiidioma (inglés, portugués)
+
+---
+
+## 🤝 Contribuciones
+
+¡Las contribuciones son bienvenidas! Especialmente valiosas:
+
+### Áreas de Contribución
+
+- 📸 **Imágenes**: Dataset de enfermedades en condiciones argentinas
+- 📄 **Documentación**: Guías técnicas actualizadas de INTA
+- 🐛 **Bugs**: Reportar errores o comportamientos inesperados
+- 💡 **Features**: Sugerir nuevas funcionalidades
+- 🌍 **Traducciones**: Otros idiomas (portugués, guaraní)
+- 🧪 **Testing**: Validación con casos reales
+
+### Cómo Contribuir
+
+1. Fork este Space
+2. Crea una rama para tu feature (`git checkout -b feature/AmazingFeature`)
+3. Commit tus cambios (`git commit -m 'Add: AmazingFeature'`)
+4. Push a la rama (`git push origin feature/AmazingFeature`)
+5. Abre un Pull Request
+
+O simplemente abre un **Discussion** en este Space con tu idea.
+
+---
+
+## 📖 Recursos Adicionales
+
+### Datasets
+
+- **PlantVillage**: [Kaggle Dataset](https://www.kaggle.com/datasets/emmarex/plantdisease)
+- **PlantDoc**: [GitHub Repository](https://github.com/pratikkayal/PlantDoc-Dataset)
+- **DeepWeeds**: Para malezas (futuro)
+
+### Documentación Técnica
+
+- [INTA - Publicaciones Técnicas](https://inta.gob.ar/documentos)
+- [SENASA - Fitosanitarios](https://www.argentina.gob.ar/senasa)
+- [FAO - Manejo Integrado de Plagas](http://www.fao.org/agriculture/crops/core-themes/theme/pests/ipm/es/)
+
+### Papers Relevantes
+
+- [Plant Disease Detection using Deep Learning (2019)](https://arxiv.org/abs/1904.12175)
+- [Transfer Learning for Plant Disease Recognition (2020)](https://www.nature.com/articles/s41598-020-76442-2)
+
+---
+
+## 👥 Créditos
+
+### Desarrollado por
+
+Nadina Mokryj - https://github.com/nadinamo - https://www.linkedin.com/in/nadina-mokryj/
+
+### Agradecimientos
+
+- **Hugging Face**: Por la plataforma y modelos pre-entrenados
+- **INTA Argentina**: Por la documentación técnica pública
+- **PlantVillage**: Por el dataset de imágenes
+- **Comunidad open-source**: Bibliotecas y frameworks utilizados
+
+---
+
+## 📄 Licencia
+
+Este proyecto está bajo la Licencia MIT - ver el archivo [LICENSE](LICENSE) para detalles.
+
+```
+MIT License - Copyright (c) 2025
+```
+
+Esto significa que puedes:
+- ✅ Usar comercialmente
+- ✅ Modificar el código
+- ✅ Distribuir
+- ✅ Uso privado
+
+Con la condición de mantener el aviso de copyright y licencia.
+
+---
+
+## 📧 Contacto
+
+¿Preguntas? ¿Sugerencias? ¿Colaboraciones?
+
+- 💬 **Discussions**: Usa la pestaña "Community" de este Space
+- 📧 **Email**: [email protected]
+- 🐙 **GitHub**: nadinamo
+- 💼 **LinkedIn**: nadina-mokryj
+
+---
+
+## 🌟 Apóyanos
+
+Si este proyecto te resultó útil:
+
+- ⭐ Dale una estrella en Hugging Face
+- 🔄 Compártelo con productores y estudiantes
+- 💬 Deja tu feedback en Discussions
+- 🤝 Contribuye con mejoras
+
+---
+
+<div align="center">
+
+**🌱 Ayudando a los productores argentinos con tecnología de vanguardia 🇦🇷**
+
+[![Hugging Face](https://img.shields.io/badge/🤗-Hugging%20Face-orange)](https://huggingface.co/)
+[![Made with Python](https://img.shields.io/badge/Made%20with-Python-blue)](https://www.python.org/)
+[![Powered by INTA](https://img.shields.io/badge/Powered%20by-INTA-green)](https://inta.gob.ar/)
+
+---
+
+*Última actualización: Octubre 2025*
+
+</div>