Por favor, use este identificador para citar o enlazar este ítem:
http://ciqa.repositorioinstitucional.mx/jspui/handle/1025/704| Modelación del crecimiento y desarrollo del cultivo de pimiento (Capsicum annum L.) en condiciones de invernadero mediante sensores e imágenes digitales | |
| Jonathan Juárez Pelcastre | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Maestría en Ciencias en Agroplasticultura | |
| 335 RESUMEN 336 Los entornos agrícolas complicados acompañados de prácticas hortícolas inconsistentes son 337 el mayor desafío para los sistemas de producción agrícola. Actualmente las tecnologías de la 338 información son una herramienta de gran impacto, tal es el caso de la “agricultura 4.0”, que utiliza 339 diversas estrategias de automatización y control de procesos basado en datos. Esto se ve reflejado 340 en la creciente aparición de empresas que ofrecen servicios de automatización mediante la 341 adquisición de datos al interior de los sistemas de producción, sin embargo, esta tecnología suele 342 ser costosa, de origen extranjero y de difícil adquisición. Además, el análisis de datos generalmente 343 está fuera del alcance técnico y económico de pequeñas explotaciones agrícolas, generando una 344 brecha tecnológica entre pequeños y grandes productores. 345 Por tanto, el presente trabajo busca establecer las bases para la formulación de un sistema de control 346 autónomo para agricultura protegida, donde se utilizó como cultivo modelo al pimiento morrón, y 347 que consistió en formular los algoritmos de predicción que permitan estimar parámetros 348 relacionados con el crecimiento del cultivo a partir de la adquisición de datos del clima con sensores 349 de bajo costo y datos morfológicos del follaje a partir de fotografías digitales. Para lo cual se 350 desarrolló un módulo de adquisición de datos de las variables del clima y la formulación de 351 algoritmos capaces de extraer las características de “forma” y “color” del follaje de la planta a 352 partir de imágenes digitales. Y, que mediante técnicas de aprendizaje automático se formularon los 353 modelos capaces de predecir la cobertura foliar, el tamaño de fruto a cosechar, el rendimiento 354 acumulado, el inicio de floración, la floración acumulada y el índice vegetal de la planta. 355 En los modelos resultantes, en el caso de la estimación de la cobertura foliar se obtuvo un alto 356 coeficiente de determinación (r2 = 0.9703) y una baja probabilidad de error (p-value: 0.0218); para 357 la predicción del tamaño de fruto, la prueba de validación cruzada mostró una precisión de 0.71, 358 para la predicción categórica del rendimiento se obtuvo una precisión 0.74 y para la estimación del 359 índice vegetal, la precisión fue de 0.96; para la estimación del inició la floración, la raíz cuadrado 360 medio del error fue de 0.99 días, en la estimación de la floración acumulada fue de 7.86 flores y 361 para la estimación del rendimiento acumulado fue de 146.67 g. 362 Los modelos de predicción mostraron una precisión mayor al 70 % de acierto y un bajo error de 363 estimación. Por lo tanto, concluimos que fue posible predecir parámetros de crecimiento y 364 desarrollo del pimiento morrón a partir de datos climáticos y fotografías digitales. Los cuales 365 pueden ser utilizados para la programación y fabricación de sistemas autómatas para invernaderos. | |
| 2022 | |
| Tesis de maestría | |
| CIENCIAS AGRARIAS | |
| Aparece en las colecciones: | Tesis de Doctorado |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Tesis MAP Jonathan Juárez Pelcastre.pdf | Tesis MAP Jonathan Juárez Pelcastre | 9.38 MB | Adobe PDF | Visualizar/Abrir |