Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.utc.edu.ec/handle/27000/8457
Tipo de Material: bachelorThesis
Título : Desarrollo de aplicativo web basado en máquinas de vectores de soporte(svm) de aprendizaje supervisado para la predicción en la recomendación de cultivos mediante datos ambientales para fincas agroecológicas del cantón La Maná, provincia de Cotopaxi.
Autor : Coppiano Marín, Alex David
Herrera Vargas, Cristopher José
Director de Tesis: Rodríguez Sánchez, Edel Ángel
Descriptores: MODELOS
API
CULTIVOS
VARIABLES AMBIENTALES
MACHINE LEARNING
Fecha de publicación : 2022
Ciudad: Editorial: Ecuador : La Mana : Universidad Técnica de Cotopaxi (UTC)
Citación : Coppiano Marín Alex David, Herrera Vargas Cristopher José, (2022); Desarrollo de aplicativo web basado en máquinas de vectores de soporte(svm) de aprendizaje supervisado para la predicción en la recomendación de cultivos mediante datos ambientales para fincas agroecológicas del cantón La Maná, provincia de Cotopaxi. UTC. La Mana. 106 p.
metadata.dc.format.extent: 106 paginas
Resumen : En la actualidad, la inteligencia artificial aplicada en el campo agrícola sigue una tendencia de gran éxito en varias áreas dentro de la agricultura por precisión lo cual incluyen como la detección de enfermedades de las plantas y predicción de siembras, para lograr estos objetivos se debe contar con datos e información de alta precisión y se requiere métodos eficaces para una evaluación de los estados de suelo. Existe elementos que se deben tener en cuenta, como las variables ambientales, elementos del suelo y PH; convirtiéndose así de gran importancia que existe grandes cantidades de cultivos para como son los frutos y vegetales, lo cual pueden reproducirse con mayor intensidad en base a la descripción y características del suelo para esa siembra. El presente proyecto de investigación tiene como objetivo realizar predicciones de siembra de cultivos en fincas agroecológicas mediante técnicas machine learning de aprendizaje supervisado y modelos de inteligencia artificial como las máquinas de vectores de soporte (SVM) , lo que permitirá mediante una API procesar el ingreso de datos ambientales para predecir si el suelo donde se va realizar la siembra es el indicado para un determinado cultivo mediante una aplicación web que contiene modelos de inteligencia artificial de tipo SVM. Gracias al desarrollo de esta aplicación web se contribuye con tecnología al agricultor para que ejecute de manera correcta la siembra de su producción que requiera a futuro.
Descripción : At present, artificial intelligence applied in the agricultural field follows a very successful trend in several areas within precision agriculture, including the detection of plant diseases and the prediction of plantations, to achieve these goals high-precision data and information and effective methods for an assessment of soil states are required. There are elements that must be taken into account, such as environmental variables, soil elements and PH; thus, becoming of great importance since there are large quantities of crops such as fruits and vegetables, which can reproduce with greater intensity depending on the description and characteristics of the soil for that planting. The present research project aims to make predictions of crop planting on agro ecological farms using supervised learning machine learning techniques and artificial intelligence models such as vector support machines (SVM), which will allow through an API to process the entry of environmental data to predict if the soil where the planting will take place is suitable for a certain crop through a web application which contains SVM models. Thanks to the development of this web application, technology is provided to the farmer to correctly execute the planting of his production that he requires in the future.
Aparece en las colecciones: Tesis - Ingeniería en Sistemas de Información

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
UTC-PIM-000398.pdfPROYECTO DE GRADO A TEXTO COMPLETO4,58 MBAdobe PDFVisualizar/Abrir


Los ítems de Repositorio UTC están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.