Desarrollo de un sistema basado en aprendizaje automático para el sector hortícola
dc.contributor | Cappelletti, Marcelo | |
dc.contributor | Salina, Mauro | |
dc.contributor | Lavigna, Lia | |
dc.contributor.author | Cabral, Sabrina Lourdes | |
dc.date.accessioned | 2024-08-15T20:41:09Z | |
dc.date.available | 2024-08-15T20:41:09Z | |
dc.date.issued | 2023-12-20 | |
dc.date.issued | 2023 | |
dc.description.abstract | En el presente trabajo se desarrolló un sistema basado en aprendizaje automático que permite la optimización y aprovechamiento del suelo para cultivos hortícolas. Para ello, se diseñaron tres modelos de aprendizaje automático, que en base a diversos parámetros del suelo determinó cuál es el cultivo más apropiado a cosechar. Estos modelos abarcaron la regresión logística, la máquina de soporte vectorial y una red neuronal. Por otro lado, se exploraron diversos métodos para analizar el set de datos empleado. Además, se utilizaron técnicas de validación cruzada para estimar el rendimiento de los modelos y se evaluó el comportamiento del mismo ante datos no conocidos a partir de sus métricas. Por otro lado, se diseñó y desarrolló una aplicación para la plataforma Android con el propósito de que los usuarios puedan visualizar diversos parámetros del suelo de su huerta. Esta aplicación, mediante la integración del modelo basado en una red neuronal, ofrece recomendaciones sobre el cultivo más adecuado al suelo, en función de los parámetros anteriormente mencionados. - | |
dc.description.abstract | In this study, a machine learning-based system was developed to optimise and use soil for horticultural crops. To achieve this, three machine learning models were designed, which, based on various soil parameters, determined the most suitable crop for harvesting. These models encompass logistic regression, support vector machines, and a neural network. In addition, various methods were explored to analyse the employed dataset. Cross-validation techniques were employed to estimate the models’ performance, and their behaviour was assessed against unknown data using metrics. Furthermore, an application was designed and developed for the Android platform to enable users to visualise various parameters of their garden soil. This application, through the integration of a neural network-based model, provides recommendations for the most suitable crop based on the soil parameters mentioned earlier. | |
dc.format.extent | 90 p. | |
dc.format.mimetype | application/pdf | |
dc.identifier.citation | Cabral, S. L. (2023). Desarrollo de un sistema basado en aprendizaje automático para el sector hortícola [Práctica Profesional Supervisada, Universidad Nacional Arturo Jauretche]. https://rid.unaj.edu.ar/handle/123456789/2865 | |
dc.identifier.uri | https://rid.unaj.edu.ar/handle/123456789/2865 | |
dc.language | spa | |
dc.publisher | Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía | |
dc.rights.accessrights | accesoabierto | |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/4.0/ | |
dc.subject | Inteligencia artificial | |
dc.subject | Aprendizaje supervisado | |
dc.subject | Clasificación | |
dc.subject | Procesamiento de datos | |
dc.subject | Integración | |
dc.subject | Arquitectura de una aplicación mobile | |
dc.title | Desarrollo de un sistema basado en aprendizaje automático para el sector hortícola | |
dc.type | Práctica Profesional Supervisada | |
unaj.contributor.rol | tutor | |
unaj.contributor.rol | docente | |
unaj.contributor.rol | docente | |
unaj.oai.snrd | No | |
unaj.tituloObtenido | Ingeniería en Informática |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- RIDUNAJ-PPS-20240815-Cabral, S. L.pdf
- Tamaño:
- 3.93 MB
- Formato:
- Adobe Portable Document Format
- Descripción:
Bloque de licencias
1 - 1 de 1
Cargando...
- Nombre:
- license.txt
- Tamaño:
- 308 B
- Formato:
- Item-specific license agreed to upon submission
- Descripción: