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
Browsing Doctorado en Ingeniería Agrícola y Uso Integral del Agua by Author "Cruz Meza, Pedro"
Results Per Page
Sort Options
-
ItemAnálisis nutricional de suelos con Aprendizaje Automático y Espectroscopía Vis-NIR(Universidad Autónoma Chapingo, 2023-11) Reyes Rivera, Alejandro Eric ; López Canteñs, Gilberto de Jesús ; Cruz Meza, Pedro ; Villaseñor Perea, Carlos Alberto ; Ontiveros Capurata, Ronald ErnestoEl 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.
-
ItemDesarrollo de un sistema inteligente para el control mecánico de maleza en cultivos a hilera(Universidad Autónoma Chapingo, 2023-12) Gaytán Campos, Israel ; Fitz Rodríguez, Efrén ; Cruz Meza, Pedro ; López Canteñs, Gilberto de Jesús ; Guzmán Cabrera. RafaelA 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.