Mostrar el registro sencillo del ítem
| dc.contributor.advisor | Calderón Vega, María Fernanda , Director | |
| dc.contributor.advisor | Realpe Robalino, Miguel Andrés, Director | |
| dc.contributor.advisor | Mejía Luna, Jacqueline Narcisa, Director | |
| dc.contributor.advisor | Veloz de la Torre, Freddy Ronald, Director | |
| dc.contributor.author | Merchán Pazmiño, Josué Abraham | |
| dc.contributor.author | Rodríguez Castañeda, Jorge Luis | |
| dc.contributor.author | Marín Calispa, Nicole Ivonne | |
| dc.contributor.author | Calispa Orellana, Jeanneth Ivonne | |
| dc.contributor.author | Sánchez Iñamagua, Magno Antonio | |
| dc.creator | ESPOL | |
| dc.date.accessioned | 2023-10-12T15:38:40Z | |
| dc.date.available | 2023-10-12T15:38:40Z | |
| dc.date.issued | 2023 | |
| dc.identifier.citation | Merchán Pazmiño, J. A., Rodríguez Castañeda, J. L., Marín Calispa, N. I., Calispa Orellana, J. I. y Sánchez Iñamagua, M. A. (2023). Difusión del uso de herramientas tecnológicas para una agricultura sostenible: Predicción de biomasa en maíz (Zea mays) mediante aprendizaje profundo y teledetección. [Proyecto integrador]. ESPOL. FCV . | |
| dc.identifier.uri | http://www.dspace.espol.edu.ec/handle/123456789/58388 | |
| dc.description | El maíz (Zea mays) es el principal cultivo por extensión dentro del territorio nacional ecuatoriano, con una producción promedio anual de 1,38 millones de toneladas. El monitoreo de la biomasa del cultivo es crucial para un oportuno manejo agronómico; sin embargo, los métodos de monitoreos convencionales demandan el uso de recursos económicos, mermando el rendimiento final de los insumos invertidos, afectando a familias de pequeños y medianos agricultores. En el presente proyecto se examinó la respuesta espectral de la biomasa en cultivos de maíz mediante relaciones cuantitativas a partir de técnicas de teledetección y aprendizaje profundo. Usando imágenes multiespectrales se evaluó la correlación entre los índices de vegetación y la biomasa seca, hallándose la correlación más significativa con el índice de vegetación MGRVI con un coeficiente ?2 = 0,83. Además, para el entrenamiento de modelos mediante aprendizaje profundo, se utilizaron imágenes en formato TIFF para las etapas fenológicas V11-V12 y Vt-R1, cada una con 5 bandas (R, G, B, NIR, RE), se preprocesó y normalizó para tratar de evitar sobreajustes en el proceso de entrenamiento. Los resultados fueron consistentes tanto para la biomasa aérea fresca como para la biomasa aérea seca. Hubo un enfoque en los modelos ResNet-50, InceptionV3 y MobileNetV2 utilizados para calcular la biomasa aérea fresca y seca, dando como resultados basados en el MAE y MSE que el mejor modelo que se adapta al contexto es InceptionV3 con una mejor precisión y coste del entrenamiento. Además, se consideró la creación de cápsulas audiovisuales informativas dirigidas a agricultores, destacando el uso de herramientas tecnológicas para la agricultura II sostenible. Las cápsulas creadas condensan información de manera clara, empleando elementos textuales, auditivos y visuales para mejorar la comprensión. El contenido incluye temas como agricultura sostenible, aprendizaje profundo y teledetección, respaldados por entrevistas con expertos. El enfoque de Design Thinking garantiza la accesibilidad. El proyecto, resultado de colaboración interdisciplinaria, llena un vacío en material audiovisual para agricultores. Estas cápsulas pueden utilizarse para la difusión y destacan la importancia de la comunicación efectiva en el uso de tecnologías agrícolas. Por último, se crearon tres productos gráficos (infografías, e-book y aplicación móvil). Se utilizó el enfoque de diseño social y se desmintió la falta de acceso a Internet y teléfonos inteligentes en el campo ecuatoriano. El mapeo de actores destacó la importancia de las directivas en la comunicación con agricultores. Las encuestas confirmaron que las infografías son herramientas efectivas de difusión en versión digital o impresa. | |
| dc.format | application/pdf | |
| dc.format.extent | 156 páginas | |
| dc.language.iso | spa | |
| dc.publisher | ESPOL | |
| dc.rights | openAccess | |
| dc.subject | Biomasa | |
| dc.subject | Infografías educativas | |
| dc.subject | Cápsulas audiovisuales | |
| dc.subject | Respuesta espectra | |
| dc.subject | Teledetección | |
| dc.title | Difusión del uso de herramientas tecnológicas para una agricultura sostenible: Predicción de biomasa en maíz (Zea mays) mediante aprendizaje profundo y teledetección | |
| dc.type | Ingeniero agrícola y biológico | |
| dc.identifier.codigoespol | T-113736 | |
| dc.description.city | Guayaquil | |
| dc.description.degree | Escuela Superior Politécnica del Litoral | |
| dc.identifier.codigoproyectointegrador | MULT072 | |
| dc.description.abstractenglish | Maize (Zea mays) is the main crop by extension within the Ecuadorian national territory, with an average annual production of 1.38 million tons. Crop biomass monitoring is crucial for agronomic management; however, conventional monitoring methods demand the use of economic resources, reducing the overall efficiency of the invested supplies, affecting families of farmers. In this project, we examine the spectral response of biomass in maize crops through quantitative relationships based on remote sensing and deep learning techniques. By using multispectral images, the correlation between the vegetation indices and biomass was evaluated, showing the most significant correlation with the MGRVI vegetation index with a coefficient of ?2 = 0.83. For the training of models through deep learning, images in TIFF format were used for the phenological stages V11-V12 and Vt-R1, each with 5 bands (R, G, B, NIR, RE), which underwent preprocessed and normalized to avoid overfitting in the training process. The results were consistent for both fresh aerial biomass and dry aerial biomass. There was a focus on the ResNet-50, InceptionV3 and MobileNetV2 models used to calculate fresh and dry aboveground biomass, yielding results based on MAE and MSE that the best model fitting the context is InceptionV3 with improved accuracy and training cost. The creation of informative audiovisual capsules aimed at farmers is also considered, highlighting the use of technological tools for sustainable agriculture. The capsules condense information clearly, using textual, auditory, and visual elements to enhance comprehension. Content includes topics such as sustainable agriculture, deep learning, and remote sensing, supported by interviews with experts. The Design Thinking IV approach guarantees accessibility. This project, as a result of interdisciplinary collaboration, fills a gap in audiovisual material for farmers. These capsules can be used for dissemination and highlight the importance of effective communication in the use of agricultural technologies. Finally, three graphic products were created (infographics, e-book and mobile application). The social design approach was used and the lack of Internet access and smartphones in the Ecuadorian countryside was denied. The stakeholder mapping highlighted the importance of directives in communication with farmers. Surveys confirmed that infographics are effective dissemination tools in digital or print formats |
| Ficheros | Tamaño | Formato | Ver |
|---|---|---|---|
|
No hay ficheros asociados a este ítem. |
|||