Desarrollo de un modelo de machine learning en la nube para mejorar la producción de una plantación de rosas.
El objetivo del presente proyecto es mejorar la producción de una plantación de rosas, para optimizar la calidad del producto y brindar más capacidad de ventas en mercados nacionales e internacionales, mediante un modelo de machine learning y un sistema embebido, para el desarrollo se utiliza el ent...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Médium: | masterThesis |
| Jazyk: | spa |
| Vydáno: |
2022
|
| Témata: | |
| On-line přístup: | http://dspace.ups.edu.ec/handle/123456789/24255 |
| Tagy: |
Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
|
Přidat tag | Shrnutí: | El objetivo del presente proyecto es mejorar la producción de una plantación de rosas, para optimizar la calidad del producto y brindar más capacidad de ventas en mercados nacionales e internacionales, mediante un modelo de machine learning y un sistema embebido, para el desarrollo se utiliza el entorno de programación Python, con compatibilidad con la plataforma thethings.iO y librerías existentes, se obtiene datos por medio de sensores logrando adquirir información sobre el comportamiento de la nave florícola, esta información será almacenada y procesada para una post evaluación, permitiendo entrenar a un conjunto de datos, los mismos que dependiendo de su estado y el entrenamiento del modelo accionan los actuadores dentro de la nave. El modelo de Regresión Lineal trabaja conjuntamente con el sistema embebido para obtener datos enfocados a una mejora dentro del sistema de desarrollo, al tener determinado el modelo, se lleva a cabo un estudio de datos obtenidos, en humedad del ambiente, temperatura y humedad del suelo mediante históricos, siendo estos visualizados en la plataforma thethings.iO en tiempo real. Los resultados evidencian el buen desarrollo de la planta de rosas en la etapa de crecimiento y floración, a los 50 días de plantada la rosa, mediante el método tradicional, el tallo es fino, flexible y semi erecto, de aproximadamente 70 cm de altura, algunas hojas con manchas, botones ciegos y rosas relativamente pequeñas con escasos pétalos, utilizando el modelo de regresión lineal, las características son mejoradas en un 30 %, el tallo es grueso, rígido y erecto, de aproximadamente 95 cm de altura, hojas verdes sin manchas, sin botones ciegos y rosas grandes con abundantes pétalos. Finalmente, se realizan pruebas de campo, arrojando los siguientes resultados; utilizando el modelo de machine learning, se mejora la producción aproximadamente un 50 %, en comparación con el método tradicional, debido al control apropiado de humedad del ambiente, temperatura y humedad del suelo, logrando mantener los umbrales adecuados; humedad del ambiente, entre 70- 85 % de forma constante, temperatura 20-22 °C durante el día y 14°C como mínimo durante la noche y humedad del suelo entre 300-700 %, en base a estas variables, se garantiza que la planta de rosas a sus 50 días esté en las mejores condiciones, generando así competitividad y beneficios económicos. |
|---|