Peña Escobar, Blanca Ligia
Sistema inteligente de riego basado en internet de las cosas / Blanca Ligia Peña Escobar, Luis Fernando Enciso Caballero, Pedro Luis Durán Losada; Director Juan Antonio Castro Silva , Datos electrónicos (1 archivos:50588 MG) - 1 CD-ROM (215 páginas); diagramas, fotografías, tablas o cuadros; 12 cm
Tesis
Introducción -- Antecedentes, estado del arte – Marco teórico, activation function, agricultura de precisión, capacidad de campo – CC, deep learning -- DL, evapotranspiración, historia de usuario, inteligencia artificial – IA, internet de las cosas (IoT), machine learning – ML, manifiesto Agile, métricas de evaluación, Pooling layer, punto de marchitez permanente – PMP, product backlog, red neuronal convolucional – CNN, segmentación, segmentación semántica, sistema inteligencia, sistema de riego, trimap -- Justificación -- Formulación del problema, problema planteado, preguntas guía -- Objetivos, general, específicos -- Alcance y limitaciones -- Análisis y diseño, internet de las cosas, ingeniería de software, inteligencia artificial -- Metodología, inteligencia artificial, inferencia, riego, ingeniería de software -- Resultados, ingeniería de software, I o T, inteligencia artificial -- Cronograma-- Recursos, materiales de equipos, software, materiales de riego, costos, financiamiento -- Conclusiones y consideraciones finales
"Las desigualdades en el acceso al agua y Jos fenómenos de sequía cada vez más fuertes ante el cambio climático, convirtieron el riego en una ciencia. El estudio de los aspectos que influyen en él y los avances en sus componentes, han desarrollado un tipo de riego localizado. Este proyecto desarrolla una plataforma web que permite gestionar un prototipo de sistema de riego localizado, en la cual, se puede dividir la zona a regar en sectores, para aplicar un riego diferenciado. Cada uno de ellos contó con componentes independientes, como electroválvulas y emisores (goteo, cinta y microaspersión). Los dispositivos loT utilizados fueron: sensores de humedad del suelo y módulos de radiofrecuencia. Se definió como estrategia de riego, irrigar cuando el déficit hídrico fuera igual al nivel de agotamiento permitido. Para determinar cuánto regar, se tuvieron en cuenta las necesidades hídricas del cultivo según su profundidad radicular y eiiHD de cada t'tpo de suelo. Además, se utilizó Deep Learning con la arquitectura U-Net para entrenar tres modelos de segmentación que detecten arena, limo y arcilla en imágenes de prueba de campo, y así clasificar el tipo de suelo."
Ingeniería de Software--Sistema Inteligente Riego
Ingeniería de Software--Módulos de radiofrecuencia
Th IS 019
Sistema inteligente de riego basado en internet de las cosas / Blanca Ligia Peña Escobar, Luis Fernando Enciso Caballero, Pedro Luis Durán Losada; Director Juan Antonio Castro Silva , Datos electrónicos (1 archivos:50588 MG) - 1 CD-ROM (215 páginas); diagramas, fotografías, tablas o cuadros; 12 cm
Tesis
Introducción -- Antecedentes, estado del arte – Marco teórico, activation function, agricultura de precisión, capacidad de campo – CC, deep learning -- DL, evapotranspiración, historia de usuario, inteligencia artificial – IA, internet de las cosas (IoT), machine learning – ML, manifiesto Agile, métricas de evaluación, Pooling layer, punto de marchitez permanente – PMP, product backlog, red neuronal convolucional – CNN, segmentación, segmentación semántica, sistema inteligencia, sistema de riego, trimap -- Justificación -- Formulación del problema, problema planteado, preguntas guía -- Objetivos, general, específicos -- Alcance y limitaciones -- Análisis y diseño, internet de las cosas, ingeniería de software, inteligencia artificial -- Metodología, inteligencia artificial, inferencia, riego, ingeniería de software -- Resultados, ingeniería de software, I o T, inteligencia artificial -- Cronograma-- Recursos, materiales de equipos, software, materiales de riego, costos, financiamiento -- Conclusiones y consideraciones finales
"Las desigualdades en el acceso al agua y Jos fenómenos de sequía cada vez más fuertes ante el cambio climático, convirtieron el riego en una ciencia. El estudio de los aspectos que influyen en él y los avances en sus componentes, han desarrollado un tipo de riego localizado. Este proyecto desarrolla una plataforma web que permite gestionar un prototipo de sistema de riego localizado, en la cual, se puede dividir la zona a regar en sectores, para aplicar un riego diferenciado. Cada uno de ellos contó con componentes independientes, como electroválvulas y emisores (goteo, cinta y microaspersión). Los dispositivos loT utilizados fueron: sensores de humedad del suelo y módulos de radiofrecuencia. Se definió como estrategia de riego, irrigar cuando el déficit hídrico fuera igual al nivel de agotamiento permitido. Para determinar cuánto regar, se tuvieron en cuenta las necesidades hídricas del cultivo según su profundidad radicular y eiiHD de cada t'tpo de suelo. Además, se utilizó Deep Learning con la arquitectura U-Net para entrenar tres modelos de segmentación que detecten arena, limo y arcilla en imágenes de prueba de campo, y así clasificar el tipo de suelo."
Ingeniería de Software--Sistema Inteligente Riego
Ingeniería de Software--Módulos de radiofrecuencia
Th IS 019