| dc.contributor | Murcia Moreno, Harold Fabi?n | |
| dc.creator | Jim?nez Tovar, Daniel Jair | |
| dc.date | 2019-07-31T22:45:48Z | |
| dc.date | 2019-07-31T22:45:48Z | |
| dc.date | 2019 | |
| dc.date.accessioned | 2023-08-31T19:03:35Z | |
| dc.date.available | 2023-08-31T19:03:35Z | |
| dc.identifier | Jim?nez Tovar, D.J. (2019). Aprendizaje automa?tico para toma decisiones en aplicaciones de riego inteligente. [Tesis de pregrado, Universidad de Ibagu?].http://repositorio.unibague.edu.co:80/jspui/handle/20.500.12313/1308 | |
| dc.identifier | http://repositorio.unibague.edu.co:80/jspui/handle/20.500.12313/1308 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8555042 | |
| dc.description | Actualmente se est?n implementando sistemas inteligentes que permiten atender a las necesidades de diferentes aplicaciones. En este caso, en al ?mbito agr?cola existen sistemas de riego inteligente que a partir de estaciones agroclim?ticas definen acciones para la irrigaci?n de cultivos. Los m?todos cl?sicos de riego se basan en el encendido y apagado de los actuadores de irrigaci?n, teniendo en cuenta ?nicamente las variables agroclim?ticas, dejando de lado al agricultor. En el presente proyecto se desarroll? un sistema de soporte de decisiones para la irrigaci?n inteligente en un huerto experimental a partir del dispositivo Agro-sensor (proyecto previo a este trabajo) con el fin de generar una base de datos de reglas de irrigaci?n propuestas. Posteriormente en el lenguaje Python mediante la librer?a de Scikit-learn se implementaron 4 clasificadores supervisados entre los que se encuentran SGDClassifier, MLPClassifier, Adaboost y Gradientboosting los cuales fueron entrenados y validados con los datos registrados en la base de datos, demostrando entre los resultados Aboost fue el clasificador con mejor desempe?o obteniendo una puntuaci?n de F1-score de 84.35%. | |
| dc.description | Currently, intelligent systems are being implemented to meet the needs of different applications. In this case, in the agricultural field there are intelligent irrigation systems that, from agroclimatic stations, define actions for the irrigation of crops. The classic methods of irrigation are based on the switching on and off of the irrigation actuators, taking into account only the agroclimatic variables, leaving aside the farmer. In the present project, a decision support system for intelligent irrigation in an experimental garden was developed from the Agro-sensor device (project prior to this work) in order to generate a database of proposed irrigation rules. Subsequently, in the Python language through the Scikit-learn library, 4 supervised classifiers were implemented, among which are SGDClassifier, MLPClassifier, Adaboost and Gradientboosting, which were trained and validated with the data registered in the database, demonstrating among the results that Aboost was the classifier with the best performance, obtaining an F1-score score of 84.35%. | |
| dc.format | Application/pdf | |
| dc.format | application/pdf | |
| dc.format | application/pdf | |
| dc.language | es | |
| dc.publisher | Universidad de Ibagu? | |
| dc.publisher | Facultad de Ingenier?a | |
| dc.rights | Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License | |
| dc.rights | Manifiesto(amos) que el documento objeto de esta autorizaci?n es de mi(nuestra) exclusiva autor?a, tengo(emos) la titularidad plena sobre ?l y el mismo fue elaborado sin quebrantar ni suplantar los derechos de autor de terceros. En caso de queja o acci?n por parte de un tercero referente a los derechos de autor sobre el mismo, asumir?(mos) la responsabilidad total, y saldr?(mos) en defensa de los derechos aqu? autorizados a la Universidad de Ibagu?; por tanto, para todos los efectos, la Universidad de Ibagu? act?a como un tercero de buena fe.
Esta autorizaci?n no implica renunciar al derecho que tengo(emos) de publicar total o parcialmente el documento. Toda persona que consulte el documento, ya sea en la biblioteca o el medio electr?nico en donde sea reproducido, podr? copiar apartes del texto, siempre y cuando cite la fuente, es decir el t?tulo del documento y a m?(nosotros) como su(s) autor(es). | |
| dc.rights | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Agro-sensor | |
| dc.subject | Aprendizaje de m?quina | |
| dc.subject | Riego inteligente | |
| dc.subject | Clasificaci?n supervisada | |
| dc.subject | Machine learning | |
| dc.subject | Intelligent irrigation | |
| dc.subject | Supervised classification | |
| dc.title | Aprendizaje automa?tico para toma decisiones en aplicaciones de riego inteligente. | |
| dc.type | bachelorThesis | |
| dc.type | Tesis de pregrado | |
