Maestría en Ingeniería Agrícola y Uso Integral del Agua
Permanent URI for this collection
El posgrado hace énfasis en una sólida formación analítica, lógica y matemática de sus estudiantes, para proponer soluciones formales a problemas del campo mediante la aplicación de métodos estadísticos, modelos matemáticos e inteligencia artificial.
Browse
Recent Submissions
1 - 5 of 61
-
ItemDetección automatizada de florescencia en piña (Ananas comosus) mediante la combinación de aprendizaje profundo y tecnología de drones(Universidad Autónoma Chapingo, 2024-11)La detección precisa de la floración en cultivos de piña es esencial para la planificación de la cosecha y la gestión agrícola. Esta investigación tiene como objetivo implementar un sistema automatizado de detección de floración de piña utilizando drones y redes neuronales profundas, optimizando el monitoreo de cultivos y aumentando la eficiencia en su gestión. Se realizó el vuelo en la localidad de Juan Rodríguez Clara, Veracruz sobre un campo de piña en etapa de floración, utilizando un dron Mavic 3 RGB con una resolución espacial (GSD) de 0.25 cm/píxel. Se obtuvieron ortomosaicos a partir de los cuales se desarrolló una base de datos compuesta por más de 6,000 imágenes y 500,000 etiquetas de floración clasificadas en diversas condiciones lumínicas y climáticas, con el fin de evaluar la robustez de los algoritmos. Para el análisis de las imágenes, se implementó el modelo YOLOv11, que alcanzó una mAP@0.5 de 97.0% y una mAP@0.5:0.95 de 80.47%, con un nivel de confianza de 0.25, lo que indica un rendimiento alto en la detección de flores de piña. Se ajustaron parámetros clave como la tasa de aprendizaje inicial (0.001), el tamaño de lote (16) y el peso de la penalización por regularización (0.0005) para maximizar la precisión y la robustez del modelo. Se evaluaron los rendimientos del modelo YOLOv11 utilizando métricas clave como la precisión y el recall, que alcanzaron valores de 95.1% y 93.4%, respectivamente. El modelo se probó con diferentes umbrales de IoU (Intersección sobre Unión), siendo el óptimo 0.45, y en intervalos de confianza, lo que permitió refinar la capacidad de identificación del modelo en condiciones reales de campo. Los resultados muestran que la combinación de tecnología de drones y algoritmos de aprendizaje profundo, con el modelo YOLOv11 implementado, permite detectar y contar de manera automatizada la floración en piña con una alta precisión, proporcionando información valiosa para la planificación de la cosecha y la toma de decisiones agrícolas.
-
ItemComparación del almacenamiento de agua en dos parcelas experimentales en Tepetlaoxtoc Estado de México(Universidad Autónoma Chapingo, 2024-11)El objetivo principal del estudio fue evaluar la variación estacional del contenido de agua en el suelo mediante un análisis comparativo del balance hídrico a nivel diario en dos parcelas de evaluación, una de pastizal natural y otra intervenida con plantación de nopal (opuntia spp.) en la comunidad de Santo Tomás Apipillhuasco, Tepetlaoxtoc, Edo. Méx., México. Para ello se midieron de manera directa las variables de precipitación (P), temperatura y humedad volumétrica del suelo (en 30 cm y 60 cm de profundidad). La escorrentía superficial (ES) se estimó mediante el método del número de curva (NC). La evapotranspiración de referencia (ETo) se estimó mediante la ecuación Penman-Monteith. La evapotranspiración total (ET) se estimó con el coeficiente Kc de la cobertura vegetal. Durante la temporada de lluvias, la parcela intervenida con nopal retuvo más humedad en el suelo. En cambio, durante la época de estiaje, la parcela de pastizal natural mostró una mayor capacidad de almacenamiento de agua.
-
ItemDetección de fresas con visión artificial y algoritmos de aprendizaje profundo(Universidad Autónoma Chapingo, 2024-11)Dada la importancia comercial de las fresas a nivel mundial, resulta fundamental tener información útil y oportuna sobre el desarrollo y crecimiento del cultivo. Para ello, los sistemas de visión artificial, en conjunto con algoritmos de aprendizaje profundo, han comenzado a dar resultados prometedores en el monitoreo de los cultivos. Al obtener información previa sobre el rendimiento y calidad de las cosechas, a través de la detección y caracterización por grado de madurez de los frutos, se obtiene información útil para la logística de la cosecha y los procesos de postcosecha. En esta investigación se evaluaron algoritmos de aprendizaje profundo, incluyendo las variantes s, n, y en ciertos casos, la variante t de YOLO v8 a v11 para detectar y clasificar según el grado de madurez; y las versiones v8 y v11 para determinar dos puntos clave en los frutos de fresas en cultivos establecidos en camellones bajo macrotúneles. La red YOLOv8n tuvo la mayor velocidad de procesamiento de cuadros por segundo, aunque en las métricas de detección ocupó el tercer lugar, con valores que difieren del primer lugar en menos del 1 %. También se identificaron dos puntos clave en las fresas para determinar su eje, información que resulta necesaria para orientar a un robot en el acercamiento y desprendimiento del fruto, así como permitir el cálculo de su tamaño mediante la información de su longitud y diámetro. La mejor estimación de los puntos clave en un espacio 2D se logró con YOLO11l, mientras que YOLOv8n obtuvo el tercer lugar con valores menores al 2 %, pero con una velocidad superior en un 227.28 %. La red YOLOv8n presentó el mejor desempeño en general, considerando velocidad, precisión, tamaño y la estimación de los puntos clave al detectar y clasificar las fresas.
-
ItemDesarrollo de un implemento robótico para el control de maleza con láser(Universidad Autónoma Chapingo, 2024-11)Actualmente, uno de los mayores desafíos en la agricultura es el control de maleza cuya presencia disminuye hasta un 60% la producción del cultivo de maíz. Por consiguiente, se han desarrollado diversos métodos de eliminación, destacando entre ellas los mecánicos y químicos. El uso de herbicidas (principalmente el glifosato) ha sido vinculado a diversas enfermedades, como el cáncer. Una solución a este problema es la robótica. Por lo anterior el objetivo de este trabajo fue diseñar un brazo robótico SCARA con un láser de 80 W, para la eliminación de maleza en etapa temprana de crecimiento. El brazo tiene dos grados de libertad, controlados mediante dos motores a pasos (nema 23 y 17). El prototipo cuenta con sistema de enganche, dando un grado de libertad adicional permitiendo mayor movimiento al brazo, como implemento en el robot Voltan y tiene una longitud de 470 mm del origen del brazo al actuador final, cubriendo un área de trabajo de 0.24 m2. Se llevaron a cabo pruebas de corte con 7, 10 y 15 días de edad con diámetros promedio de 2.3, 3 y 3.4 mm, respectivamente. Se ajustó la altura del láser con un rango de 2-150 mm sobre el suelo. Ya construido el prototipo se realizó una calibración del sistema de visión con una cámara Logitech C920 que detecta las coordenadas (x, y) de la maleza y las envía a un Arduino realizando el movimiento de los motores y dirigiendo el actuador final. Los datos obtenidos se compararon con la posición de visión y la posición real física. El resultado de las pruebas con malezas, se obtuvo el error medio absoluto (MAE) de (x=0.000584mm) y (y=0.00141mm). Esta solución responde a la necesidad de reducir el uso de herbicidas, y también ofrece una alternativa sustentable.
-
ItemEnfoques de modelación matemática de la geometría del bulbo húmedo en riego por goteo(Universidad Autónoma Chapingo, 2024-11)El riego por goteo es una de las técnicas más eficientes para la gestión del agua en la agricultura, especialmente en regiones con recursos hídricos limitados. Este sistema permite una aplicación precisa de agua directamente en la zona radicular, minimizando pérdidas por evaporación y escorrentía. No obstante, la predicción del comportamiento del agua en el suelo sigue representando un desafío, ya que la forma y extensión del bulbo húmedo varían significativamente según las condiciones de riego y ambientales. El objetivo general de la presente Tesis fue desarrollar un modelo matemático para estimar la geometría del bulbo húmedo en riego por goteo superficial a partir de distintos enfoques de modelación matemática, considerando diferentes tipos de suelo y condiciones de riego, además de implementar el modelo en un programa computacional de uso accesible, con el fin de optimizar el uso del agua y prevenir el estrés hídrico en los cultivos. El modelo matemático se desarrolló utilizando distintos enfoques y experiencias de diversos autores, realizando una regresión no lineal múltiple a la base de datos que fue integrada por la información de tres estudios con distintas texturas de suelo y condiciones de riego, posteriormente se evaluó las capacidades predictivas del modelo y se hizo un análisis de sensibilidad de las variables utilizadas. El software se implementó en Visual Studio y Python con el modelo propuesto. El modelo empírico desarrollado permitió calcular las dimensiones de mojado del bulbo húmedo a diferentes tiempos y condiciones de riego, de igual manera estimó de forma aceptable el radio de mojado a distintas profundidades. Se logró implementar el modelo matemático en un programa computacional, donde las estimaciones se obtuvieron de una manera gráfica y tuvieron una mayor exactitud en el radio de mojado a menor profundidad, en general, las predicciones fueron satisfactorias. De esta manera se obtuvo una herramienta práctica y eficiente para el diseño y operación del riego por goteo superficial.