Mostrar el registro sencillo del ítem
DESARROLLO DE UN ALGORTIMO BASADO EN INTELIGENCIA ARTIFICIAL PARA LA SUGERENCIA DE ACCIONES CON RESPECTO A LA PRODUCCION DE CACAO EN COLOMBIA EMPLEANDO ANALITCA DE DATOS EN LOS PARAMETROS DE TEMPERATURA Y HUMEDAD RELATIVA DEL AIRE
| dc.rights.license | abierto | es_ES |
| dc.contributor.advisor | Nuñez Rodriguez, Rafael Augusto | |
| dc.contributor.author | Ruiz Alava, Oscar Mauricio | |
| dc.contributor.author | Sanchez Medina, Jahir Alfonso | |
| dc.contributor.other | Fandiño Pelayo, Jorge Saul | |
| dc.date.accessioned | 2021-11-23T21:10:20Z | |
| dc.date.available | 2021-11-23T21:10:20Z | |
| dc.identifier.citation | N/A | es_ES |
| dc.identifier.uri | http://repositorio.uts.edu.co:8080/xmlui/handle/123456789/7840 | |
| dc.description.abstract | El presente trabajo de investigación consiste en el desarrollo de una herramienta con inteligencia artificial basada en aprendizaje automático, la cual está conformada por un algoritmo desarrollado en el entorno de Google colaboratory usando la librería de código abierto PyTorch para así acceder al procesamiento de la información. El objetivo principal de este código es incrementar el rendimiento y calidad del cultivo de cacao basado en el monitoreo, registro y control de las variables físicas como temperatura y humedad en cada una de las fases de producción de cacao. A partir de la información suministrada en el entrenamiento del sistema de inteligencia artificial se efectúa el control haciendo la analítica de datos correspondiente a las especificaciones ingresadas por el usuario efectuando su posterior análisis, el cual será considerado en la toma de decisiones permitiendo de esta forma conocer si es posible o no seguir realizando el proceso de cultivo. Con este modelo se busca dejar atrás métodos convencionales de agricultura. Para efectos de estudio se utiliza una metodología con enfoque cualitativo y cuantitativo. Como resultado final tenemos un algoritmo versátil e intuitivo que permite el registro y control de la temperatura y humedad en un cultivo. | es_ES |
| dc.description.sponsorship | N/A | es_ES |
| dc.description.tableofcontents | RESUMEN ......................................................................................................................... 9 INTRODUCCIÓN ............................................................................................................. 10 1. PLANTEAMIENTO DEL TRABAJO DE INVESTIGACIÓN ................................... 11 1.1. DESCRIPCIÓN DEL PROBLEMA ................................................................................. 11 1.2. JUSTIFICACIÓN ....................................................................................................... 13 1.3. OBJETIVO GENERAL ................................................................................................ 13 1.4. OBJETIVOS ESPECÍFICOS ........................................................................................ 13 1.5. ESTADO DEL ARTE .................................................................................................. 14 2. MARCO CONCEPTUAL ....................................................................................... 16 2.1. CACAO ................................................................................................................... 16 2.2. INFORMÁTICA. ........................................................................................................ 18 2.3. INTELIGENCIA ARTIFICIAL ........................................................................................ 20 2.4. MACHINE LEARNING ................................................................................................ 22 2.5. DEEP LEARNING ..................................................................................................... 24 2.6. PYTORCH ............................................................................................................... 24 2.7. DATASET ............................................................................................................. 24 3. DISEÑO DE LA INVESTIGACION ........................................................................ 24 3.1. DESARROLLO DE LA METODOLOGÍA ......................................................................... 24 3.2. DATASET ................................................................................................................ 26 3.2.1. LIBRERÍAS .......................................................................................................... 26 3.2.2. DATOS Y DISTRIBUCIÓN. ...................................................................................... 27 3.2.3. DICCIONARIO DE TÉRMINOS ................................................................................. 28 3.2.4. DATAFRAME ....................................................................................................... 28 3.2.5. RECORRIDO DE COLUMNAS ................................................................................. 30 4. DESARROLLO DEL TRABAJO DE GRADO ....................................................... 32 4.1. ANÁLISIS DE LAS CONDICIONES CLIMÁTICAS QUE AFECTAN LA PRODUCCIÓN DE CACAO EN COLOMBIA ................................................................................................................... 32 4.1.1. CLASIFICACIÓN BOTÁNICA DEL CACAO ................................................................. 33 4.1.2. CONDICIONES CLIMÁTICAS ................................................................................... 33 4.1.3. LIMITES CRÍTICOS ................................................................................................ 36 4.1.4. BASE DE DATOS .................................................................................................. 36 4.2. IMPLEMENTACIÓN DE LA RED NEURONAL .................................................................. 36 4.2.1. VARIABLES DE ENTRADA ..................................................................................... 36 4.2.2. CONSTANTES DE ÉPOCA...................................................................................... 37 4.2.3. CARGAR DATASET .............................................................................................. 38 4.2.4. DEFINICIÓN DE LA FUNCIÓN DE PRECISIÓN ............................................................ 40 4.2.5. DEFINICIÓN DE CLASE PARA LOS DATOS DE ENTRENAMIENTO ................................ 40 4.2.6. MODELO Y ARQUITECTURA .................................................................................. 43 4.2.7. DEFINICIÓN DE LA SEMILLA .................................................................................. 45 4.3. ENTRENAMIENTO RED NEURONAL ........................................................................... 45 5. RESULTADOS ..................................................................................................... 48 6. CONCLUSIONES ................................................................................................. 50 7. RECOMENDACIONES ......................................................................................... 51 8. REFERENCIAS BIBLIOGRÁFICAS ..................................................................... 52 9. ANEXOS ............................................................................................................... 55 9.1. DATASET ................................................................................................................ 55 9.1.1. LIBRERIAS .......................................................................................................... 55 9.1.2. DEFINICIÓN DE VARIABLES Y LIMITES CRÍTICOS ..................................................... 55 9.1.3. GENERAMOS DATASET A PARTIR DE UNA DISTRIBUCIÓN NORMAL .......................... 56 9.1.4. SE INICIALIZA EL NUMPY Y RECORREMOS LAS COLUMNAS ...................................... 56 9.2. IMPLEMENTACIÓN DE LA RED NEURONAL .................................................................. 56 9.2.1. VARIABLES DE ENTRADA ..................................................................................... 56 9.2.2. CONSTANTES DE ÉPOCA, TAMAÑO DEL LOTE ....................................................... 56 9.2.3. CARGAR DATASET .............................................................................................. 57 9.2.4. NORMALIZAMOS LA DATA .................................................................................... 57 9.2.5. DEFINICIÓN DE LA FUNCIÓN DE PRECISIÓN ............................................................ 57 9.2.6. DEFINICIÓN DE CLASE PARA LOS DATOS DE ENTRENAMIENTO ................................ 57 9.3. PRUEBAS DE ESCRITORIO ....................................................................................... 58 9.3.1. CLASE DE MODELO .............................................................................................. 58 9.3.2. CARGAMOS Y ACTIVAMOS EL MODELO ................................................................. 59 9.3.3. INICIALIZAMOS LOS PARÁMETROS ........................................................................ 59 | es_ES |
| dc.language.iso | es | es_ES |
| dc.publisher | Unidades Tecnológicas de Santander | es_ES |
| dc.subject | Inteligencia artificial; Machine learning; Deep learning; PyTorch, Google Colaboratory. | es_ES |
| dc.title | DESARROLLO DE UN ALGORTIMO BASADO EN INTELIGENCIA ARTIFICIAL PARA LA SUGERENCIA DE ACCIONES CON RESPECTO A LA PRODUCCION DE CACAO EN COLOMBIA EMPLEANDO ANALITCA DE DATOS EN LOS PARAMETROS DE TEMPERATURA Y HUMEDAD RELATIVA DEL AIRE | es_ES |
| dc.type | degree work | es_ES |
| dc.rights.holder | copyright(CC.BY.NC.ND 2.5). | es_ES |
| dc.date.emitido | 2021-11 | |
| dc.dependencia | fcni | es_ES |
| dc.proceso.procesouts | docencia | es_ES |
| dc.type.modalidad | proyecto_de_investigación | es_ES |
| dc.format.formato | es_ES | |
| dc.titulog | Ingeniero Electronico | es_ES |
| dc.educationlevel | Profesional | es_ES |
| dc.contibutor.evaluator | evaluador | es_ES |
| dc.date.aprobacion | 2021-11-18 | |
| dc.description.programaacademico | Ingenieria Electronica | es_ES |
| dc.dependencia.region | bucaramanga | es_ES |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Proyectos de Investigación
Trabajos de Grado en modalidad DTeI, monografía, Investigación