Doctorado 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 49
-
ItemComportamiento mecánico de los frutos de zapote negro (Diospyros nigra (J.F.Gmel.) Perr. & Perr.) en postcosecha(Universidad Autónoma Chapingo, 2023-11)Los frutos de Zapote negro (Diospyros nigra (J.F.Gmel.) Perr. & Perr.) han enfrentado limitaciones en su comercialización. Por lo tanto, este estudio se enfoca en caracterizar las propiedades mecánicas de los frutos de Zapote negro en su estado de poscosecha, justo después de la cosecha. Además, se examina cómo estas propiedades cambian a lo largo del tiempo durante el almacenamiento, tanto en condiciones ambientales (18.5 °C ± 1.4 °C y HR de 43.7 % ± 3.9 %) como en condiciones de refrigeración comercial (3.6 °C ± 1 °C y HR de 44 % ± 6 %). El estudio también incluye la creación de modelos matemáticos que estiman el peso de los frutos basándose en sus propiedades geométricas.
-
ItemDesarrollo de un sistema inteligente para el control mecánico de maleza en cultivos a hilera(Universidad Autónoma Chapingo, 2023-12)A lo largo de la historia, la maleza ha significado un problema inherente a la producción de alimentos y su control ha estado presente como un reto con constantes búsquedas de para su solución. Tomando en cuenta la situación ambiental y de salud a nivel mundial, y visualizando un panorama futuro a corto plazo, el desarrollo de métodos alternativos a la utilización de controles químicos ofrecerá una luz en el camino para la humanidad al contar con fuentes de producción de alimento con procedencia segura y sin riesgos que pongan en peligro la integridad de quien produce y de quien consume. La inteligencia artificial como área de la tecnología actual ha tenido un gran desarrollo en los últimos años, así como la utilización de sistemas que empleen esta herramienta tecnológica en muchas de las diversas actividades realizadas por el ser humano. El lograr detectar y localizar plantas de cultivos, frutas y maleza representa una gran ventaja en la búsqueda de la automatización de tareas agrícolas, la detección de maleza a su vez permite tomar medidas preventivas y de control para la infestación de malas hierbas por lo que es importante disponer de métodos que cuantifiquen y analicen la distribución de las malezas de forma rápida y precisa. El presente trabajo busca el desarrollo de un sistema inteligente para el control mecánico de cultivos a hilera, con un enfoque de detección en tiempo real a partir de redes neuronales convolucionales profundas que guíen a un sistema de control para la erradicación de malas hierbas al interior de una parcela de producción agrícolas en cultivos sembrados en hilera.
-
ItemSistema automático con visión artificial para detección de malezas en maíz(Universidad Autónoma Chapingo, 2023-11)Entre los desafíos clave en el cultivo de maíz está la interferencia de malezas que compiten por luz, agua, nutrientes y espacio, lo que conduce a pérdidas en la producción. En este trabajo se propuso desarrollar un sistema de detección de malezas en campos de maíz utilizando visión artificial, mediante modelos de aprendizaje profundo y navegación autónoma de un robot para tareas de monitoreo. Para lograrlo se utilizó un conjunto variado de imágenes de maíz y malezas en diversas etapas de crecimiento, ángulos de visión, condiciones climáticas y de iluminación. Posteriormente se propuso una metodología que combina detección de objetos y segmentación semántica procesando imágenes en U-Net y YOLOv5. Además, se probaron métodos de deep learning para compararlos (RetinaNet, U-Net, YOLOv5). Se desarrolló un algoritmo de navegación que integra sensores, como encoder, IMU, RPLIDAR y cámaras en Ubuntu 18.04 con ROS Melodic, para un vehículo terrestre no tripulado (VTNT) creado en la Universidad Autónoma Chapingo, lo que permitió un movimiento autónomo entre hileras de maíz. La metodología propuesta dio los mejores resultados con los siguientes valores de precisión media (mAP): mAP = 0.936 para maíz, mAP = 0.909 para maleza y mAP = 0.9225 para todas las clases, lo que muestra una alta precisión de detección. Además se lograron eficiencias en tiempo de inferencia y tamaño del modelo con 0.0196 segundos y 94.9 MB respectivamente. El Sistema integrado en ROS representó un avance importante en el movimiento autónomo del robot por los campos de maíz. La implementación de este sistema tiene potencial como alternativa para combatir los arvenses cercanos a las plantas cultivadas en la producción de maíz. No obstante, es necesario perfeccionar la adaptabilidad del sistema a las variaciones del entorno mediante la integración de más sensores y la actualización de las librerías y entorno de desarrollo usados.
-
ItemProceso de fermentación y aprovechamiento de antocianinas de frutos de Ardisia compressa Kunt(Universidad Autónoma Chapingo, 2023-11-15)Los frutos de Ardisia compressa han sido objeto de estudio por su capacidad antioxidante, contenido de antocianinas y otros flavonoides. Comúnmente utilizados para la preparación de mermeladas, atole y licores, dicho procesamiento de los frutos puede impactar negativamente en su potencial antioxidante; sin embargo, es necesario debido a que son perecederos y de producción estacional. El objetivo de esta investigación fue estudiar el aprovechamiento de frutos de Ardisia compressa para agregar valor a este recurso. En una primera etapa se evaluó el proceso de fermentación alcohólica de los frutos, monitoreando la variación de compuestos, se comparó levadura comercial (SC) y nativa (LN). Además, se usó modelación matemática para el seguimiento de la cinética de fermentación y determinar cuál levadura proporciona mejores resultados. Una segunda etapa se enfocó en la separación de antocianinas de los frutos atendiendo la reducción de azúcares, por medio de un sistema acuoso bifásico (SAB) constituido de Na3Cit y acetona, así como ácido cítrico (HCit), adicionado para controlar el pH. Los resultados indicaron que el contenido de alcohol del producto fermentado fue de 73.6 y 95.9 gL-1 con SC y LN, respectivamente, mientras que los fenoles solubles totales, antocianinas y actividad antioxidante fueron 2,367.0 m gL-1, 215.5 m gL-1 y 16,832.0 μmolL-1 con SC y 2213.0 m gL-1, 287,4 m gL-1 y 18.614,0 μmolL-1 con LN, respectivamente. Además, con el SAB basado en 14.02 % Na3Cit, 7.42 % HCit y 27.60 % acetona fue posible recuperar el 91 % de las antocianinas en la fase superior (acetona agua). Se concluyó que la levadura nativa fue la mejor opción para preparar una bebida fermentada con mejor color y propiedades antioxidantes. Además, el SAB con ácido cítrico permitió la separación adecuada de compuestos bioactivos de los frutos, los cuales se pueden utilizar como agentes de pigmentación bajo condiciones controladas.
-
ItemAnálisis nutricional de suelos con Aprendizaje Automático y Espectroscopía Vis-NIR(Universidad Autónoma Chapingo, 2023-11)El presente trabajo de tesis se centra en la aplicación de técnicas de Aprendizaje Automático (ML por Machine Learning) y Espectroscopia visible y de infrarrojo cercano (Vis-NIR) para mejorar el análisis nutricional de suelos en un contexto de la agricultura de precisión. El objetivo principal es estudiar y aportar en la mejora de la precisión y eficiencia en la predicción de nutrientes del suelo, en particular el nitrógeno. Se abordan dos enfoques esenciales en la tesis: la selección de variables y la calibración de algoritmos ML. Por un lado, se explora la efectividad de tres métodos de selección de longitudes de onda claves en la predicción de nitrógeno total y pH del suelo, mediante el uso de datos espectrales Vis-NIR y métodos de búsqueda y optimización, incluyendo algoritmos genéticos y bio-inspirados. Por otro lado, se profundiza en la evaluación de métodos de calibración para la predicción de nitrógeno en el suelo, empleando la espectroscopia NIR y modelos con diferentes enfoques de aprendizaje, incluyendo vectores de soporte y arboles de decisión. Donde también se investiga el uso del aprendizaje profundo, con la implementación de redes generativas adversarias para aumentar la cantidad y calidad de los datos disponibles para entrenamiento de los modelos, lo que potencialmente mejora la precisión de las predicciones. Los resultados obtenidos a través de los experimentos realizados con estas técnicas y enfoques sustentan a este trabajo académico como una contribución al conocimiento en la intersección de tecnología y agricultura, al demostrar cómo la integración de técnicas avanzadas de análisis puede revolucionar la manera en que se gestionan los nutrientes del suelo para una producción agrícola más eficiente y sostenible.