| dc.contributor.advisor |
Velásquez Vargas, Washington, Director |
|
| dc.contributor.author |
Pérez Romero, Andrea Cristina |
|
| dc.contributor.author |
Segovia Narea, Nicolás Fernando |
|
| dc.creator |
ESPOL.FIEC |
|
| dc.date.accessioned |
2024-10-09T04:20:22Z |
|
| dc.date.available |
2024-10-09T04:20:22Z |
|
| dc.date.issued |
2024 |
|
| dc.identifier.citation |
Pérez Romero, A. C. y Segovia Narea, N. F. (2024). Implementación de un módulo de control de calidad automatizado para uvas con IoT. [Proyecto Integrador]. ESPOL.FIEC . |
|
| dc.identifier.uri |
http://www.dspace.espol.edu.ec/handle/123456789/62188 |
|
| dc.description |
La demanda de eficiencia y rapidez en el sector agrícola ha llevado a la incorporación de tecnología para automatizar la mayoría de los procesos, permitiendo avances significativos en la industria. En este caso, se aborda la industria vitivinícola, que busca optimizar la evaluación de la calidad de la uva para su comercialización. Conocer el punto óptimo del producto es fundamental en su selección, ya que evita desperdicios y reduce la cantidad de procesos manuales, que a menudo tienen un gran margen de error. El presente trabajo implementa un módulo que permite el estudio de las variables de madurez y acidez. Mediante el uso de microcontroladores, sensores y un dashboard en la web que mejora la accesibilidad a los datos obtenidos, se busca optimizar los procesos de selección. Al capturar una imagen con un módulo portátil que contiene una cámara y, en conjunto con técnicas de machine learning, se realiza el procesamiento y análisis de los datos recolectados. Además, se mide el pH del racimo de uvas, lo que complementa el criterio de selección del producto. El presente trabajo se encuentra dividido en cinco capítulos. En el capítulo 1 se explica la necesidad del sector agrícola, la justificación, el alcance, las limitaciones, el marco teórico y el Estado del Arte. El capítulo 2 presenta la metodología, incluyendo la arquitectura, los componentes, los materiales y las métricas a medir para validar el trabajo. En el capítulo 3 se describe el desarrollo de la solución y cómo se llevará a cabo la implementación del módulo, que consiste en la toma de datos mediante imágenes y la medición del pH, lo que permite obtener instantáneamente el resultado de la predicción con el modelo previamente entrenado. Estos datos se almacenan en una base de datos y se presentan en un dashboard al que solo pueden acceder los usuarios registrados. El capítulo 4 analiza los resultados obtenidos en el escenario propuesto, es decir, en el laboratorio de sistemas telemáticos con la evaluación por parte de los usuarios, incluyendo las mediciones de consumo de energía, el estrés del servidor, y un análisis de costos. Finalmente, el capítulo 5 detalla las conclusiones, recomendaciones y trabajos futuros relacionados con la propuesta. i Palabras Clave: Vitivinícola, Madurez, Acidez, Machine Learning, Internet de las Cosas |
|
| dc.format |
application/pdf |
|
| dc.format.extent |
63 página |
|
| dc.language.iso |
spa |
|
| dc.publisher |
ESPOL.FIEC |
|
| dc.rights |
openAccess |
|
| dc.subject |
Vitivinícola |
|
| dc.subject |
Madurez |
|
| dc.subject |
Acidez |
|
| dc.subject |
Machine Learning |
|
| dc.subject |
Internet de las Cosas |
|
| dc.title |
Implementación de un módulo de control de calidad automatizado para uvas con IoT |
|
| dc.type |
Ingeniero en Telemática |
|
| dc.identifier.codigoespol |
T-76913 |
|
| dc.description.city |
Guayaquil |
|
| dc.description.degree |
Escuela Superior Politecnica del Litoral |
|
| dc.identifier.codigoproyectointegrador |
INGE-2421 |
|
| dc.description.abstractenglish |
The demand for efficiency and speed in the agricultural sector has led to the incorporation of technology to automate most processes, allowing significant advances in the industry. In this case, we address the wine industry, which seeks to optimize the evaluation of grape quality for marketing. Knowing when the product is at its point is fundamental in its selection, since it avoids waste and reduces the amount of manual processes, which often have a large margin of error. This work implements a module that allows the study of maturity and acidity variables. Through the use of microcontrollers, sensors and a web-based dashboard that improves accessibility to the data obtained, the aim is to optimize the selection processes. By capturing an image with a portable module containing a camera and, in conjunction with machine learning techniques, the processing and analysis of the data collected is carried out. In addition, the pH of the grape bunch is measured, which complements the product selection criteria. This paper is divided into five chapters. Chapter 1 explains the need of the agricultural sector, the justification, scope, limitations, theoretical framework and state of the art. Chapter 2 presents the methodology, including the architecture, components, materials and metrics to be measured to validate the work. Chapter 3 describes the development of the solution and how the implementation of the module will be carried out, which consists of data acquisition through images and pH measurement, which allows instantaneously obtaining the prediction result with the previously trained model. These data are stored in a database and presented on a dashboard that can only be accessed by registered users. Chapter 4 analyzes the results obtained in the proposed scenario, i.e., in the telematics systems laboratory with the evaluation by the users, including energy consumption measurements, server stress, and a cost analysis. Finally, Chapter 5 details the conclusions, recommendations and future work related to the proposal. Keywords:Winegrowing, Maturity, Acidity, Machine Learning, Internet of Things |
|