Sistema de monitoreo de temperatura y humedad con determinación del estado de cosecha para cultivo de forraje verde de Maíz Hidropónico

Simple item page
dc.contributor.advisorPinto Serrano, Mario Augustospa
dc.contributor.authorCerquera Carvajal, Dilan Amauryspa
dc.creator.cedula20441916980spa
dc.date.accessioned2024-06-06T23:38:18Z
dc.date.available2024-06-06T23:38:18Z
dc.date.issued2023-11-24spa
dc.description.abstractThis project covers the topic of pattern recognition to know the stage of development of hydroponic forage and thus determine the optimal harvesting time. Specifically, it develops two variants: initially, the use of Image Processing approaches related with Machine Learning, and after, the use of deep learning in the disclosure and identification of patterns in the production process of hydroponic green fodder; the project proposes to implement a greenhouse prototype for the production of hydroponic green fodder, by controlling the variables (light intensity, water, temperature, humidity); the control of these variables is related to precision agriculture that has been utilized for collecting and processing crop data. Process control methods based on embedded systems, image recognition and learning through neural networks has been utilized with the goal of obtaining ideal values of these variables to carry out the production process of hydroponic green fodder and at the same time, thanks to self-learning and monitoring of variables, each time the process is carried out, a better result will be obtained.eng
dc.description.abstractEste proyecto abarca la temática del reconocimiento de patrones para saber la etapa de desarrollo en la que se encuentra el forraje hidropónico y así determinar el momento óptimo de cosecha. En concreto presenta dos clases de técnicas: en primer lugar, la aplicación de Técnicas de Procesamiento de Imágenes asociadas a Aprendizaje Automático, y segundo la aplicación del aprendizaje profundo, en la detección y reconocimiento de patrones del proceso de producción del forraje verde hidropónico; el proyecto propone implementar un prototipo de invernadero para la producción de forraje verde hidropónico, por medio de un control de las variables (intensidad lumínica, agua, temperatura, humedad); el control de estas variables se relaciona con la agricultura de precisión que se utilizara para la recolección y procesamiento de datos del cultivo. Se emplearán métodos de control de procesos basados en sistemas embebidos, reconocimiento de imágenes y aprendizaje mediante redes neuronales, con el fin de obtener los valores ideales de las variables que se usan en el proceso del forraje verde hidropónico y al mismo tiempo gracias al autoaprendizaje y monitoreo de variables, cada vez que se realice el proceso, se obtenga un mejor resultado.spa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero(a) Electrónico(a)spa
dc.description.degreetypeProyectospa
dc.description.notesPresencialspa
dc.description.versionFinal
dc.format.mediumpdf.
dc.identifier.bibliographicCitationAgrícultura, O. d. (2006). FAO. Obtenido de Manual técnico forraje verde hidropónico. Oficina regional de la FAO para America Latina y el Caribe: http://www.fao.org/docrep/field/009/ah472s/ah472s00.htmspa
dc.identifier.bibliographicCitationanalitics, e. d. (24 de 10 de 2023). agricultura inteligente . Obtenido de https://eos.com/es/blog/agricultura-inteligente/spa
dc.identifier.bibliographicCitationBama, K. A. (2022). Groundnut leaves and their disease, deficiency, and toxicity classification using a machine learning approach.” Cognitive Systems and Signal Processing in Image Processing. . Academic Press .spa
dc.identifier.bibliographicCitationBioamara. (28 de agosto de 2021). Xataka.com. Obtenido de Hacer crecer una planta con luz artificial es posible si sabes cómo: la mega-guía de iluminación LED para plantas de interior: https://www.xataka.com/otros/hacer-crecer-planta-luz-artificial-posiblespa
dc.identifier.bibliographicCitationBonnet, P., Joly, A., Goëau, H., Campeón, J., Vignau, C., Molino, J.-F., . . . Boujemaa, N. (1647– 1665). Identificación de plantas: hombre versus máquina. [ Google Scholar ] [ CrossRef ][ Versión verde .spa
dc.identifier.bibliographicCitationbono, f. (1 de mayo de 2021). El forraje Hidropónico Puede producir 300 kilos/día de alimentos para animales en solo 15 m2 (Intensivo y sustentable),. Obtenido de https://infonegocios.info/enfoque/el-forraje-hidroponico-puede-producir-300-kilos-diaspa
dc.identifier.bibliographicCitationCarballo, C. M. (2003). Fundamentos De Tecnologia Documental . Editorial Complutense.spa
dc.identifier.bibliographicCitationColombia, C. (1 de mayo de 2023). Obtenido de Cambio Climático: Cancillería, Cambio climático | Cancillería.: https://www.cancilleria.gov.co/cambio-climaticospa
dc.identifier.bibliographicCitationColombia, P. T. (26 de feb de 2009). Obtenido de Colombia loses Rs 90k-cr crop yield to pest attacks every year [Online].: Available:http://www.financialexpress.comlnews/colombiaIoses-rs-90kcr-cropyield-to-pestattacks-every-year 14280911spa
dc.identifier.bibliographicCitationDigital, V. J. (1 de mayo de 2023). Obtenido de Panorama del Sector Avícola de Colombia: CIFRAS Y Retos: https://www.veterinariadigital.com/articulos/panorama-del-sector-avicola-decolombia-cifras-y-retos/spa
dc.identifier.urihttps://repositorio.uan.edu.co/handle/123456789/9812
dc.language.isospaspa
dc.publisherUniversidad Antonio Nariñospa
dc.publisher.campusNeiva Buganvilesspa
dc.publisher.facultyFacultad de Ingeniería Mecánica, Electrónica y Biomédicaspa
dc.publisher.partnerUniversidad Antonio Nariñospa
dc.publisher.programIngeniería Electrónicaspa
dc.rightsAcceso abierto
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenseAttribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.sourceinstname:Universidad Antonio Nariño
dc.subjectAgricultura de precisiónes_ES
dc.subjectAprendizaje automáticoes_ES
dc.subjectAutomatizaciónes_ES
dc.subjectHidroponíaes_ES
dc.subjectInvernaderoes_ES
dc.subjectReconocimiento de Patroneses_ES
dc.subject.keywordPrecision agriculturees_ES
dc.subject.keywordAutomatic learninges_ES
dc.subject.keywordAutomationes_ES
dc.subject.keywordHydroponicses_ES
dc.subject.keywordGreenhousees_ES
dc.subject.keywordPattern recognition.es_ES
dc.titleSistema de monitoreo de temperatura y humedad con determinación del estado de cosecha para cultivo de forraje verde de Maíz Hidropónicoes_ES
dc.typeTrabajo de grado (Pregrado y/o Especialización)spa
dc.type.coarhttp://purl.org/coar/resource_type/c_46ecspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.documentEstudio explicativospa
dc.type.redcolhttp://purl.org/redcol/resource_type/PIC
dc.type.versionVersión final del autor, Versión aceptada para publicar
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
dcterms.audienceEspecializadaspa
Files
Original bundle
Now showing 1 - 3 of 3
thumbnail.default.alt
Name:
2023_DilanCerquera
Size:
4.46 MB
Format:
Adobe Portable Document Format
Description:
Libro Proyecto de Grado
Download
thumbnail.default.alt
Name:
2023_ DilanCerquera_Autorización
Size:
771.86 KB
Format:
Adobe Portable Document Format
Description:
Autorización de Autores
thumbnail.default.alt
Name:
2023_DilanCerquera_Acta
Size:
477 KB
Format:
Adobe Portable Document Format
Description:
Acta de Sustentación
Collections
Ingeniería electrónica