000			nam a22 7a 4500
999			_c48331 _d48331
005			20230529071703.0
008			230512e2022 ck o|||fsm||| 00| 0 spa d
040			_aCO-NeUS _bspa _erda
041			_aspa
100	1		_9154581 _aPeña Escobar, Blanca Ligia _eaut
245	1	0	_aSistema inteligente de riego basado en internet de las cosas / _cBlanca Ligia Peña Escobar, Luis Fernando Enciso Caballero, Pedro Luis Durán Losada; Director Juan Antonio Castro Silva
256			_aDatos electrónicos (1 archivos:50588 MG)
264	1		_aNeiva: _bUniversidad Surcolombiana, _c2022
300			_a1 CD-ROM (215 páginas); _bdiagramas, fotografías, tablas o cuadros; _c12 cm
336			_2rdacontent _atxt _btxt
337			_2rdamedia _ac _bcd
338			_2rdacarrier _acd _bcd
347			_2rda _atexto _bpdf
502			_aTesis _bIngeniero del Software _cUniversidad Surcolombiana. Facultad de Ingeniería. Ingeniería del Software _d2022
505			_aIntroducción -- 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
520			_a"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."
700	1		_9154582 _aEnciso Caballero, Luis Fernando _eaut
700	1		_9154583 _aDurán Losada, Pedro Luis
700	1		_9146454 _aCastro Silva, Juan Antonio, _edrt
082	0	4	_221 _aTh IS 019
650		0	_9154584 _aIngeniería de Software _xSistema Inteligente Riego
650		0	_9154585 _aIngeniería de Software _xMódulos de radiofrecuencia
942			_2Local _cCD _hTh IS 019 _kTh