Identificación del crecimiento de los Nauplios por medio de Deep Learning

Este estudio se centra en el desarrollo de un modelo Deep Learning (DL) para la identificación de poblaciones y la evaluación de larvas de camarón, usando datos de parámetros críticos como Oxígeno, Saturación y Temperatura. Poder analizar datos, permite tomar decisiones correctas y oportunas enfocadas en la optimización de tiempo y recursos al hacer uso de los avances de la tecnología y el desarrollo de algoritmos DL. Este tipo de herramientas permiten extraer patrones complejos para obtener los resultados deseados, según sea el área de interés en cuanto a predicciones ajustadas basadas en la aplicación de DL. Este enfoque implica la recopilación integral de datos sobre el crecimiento de las larvas de camarón utilizando información detallada sobre cada parámetro de calidad del agua. La integración de tecnologías avanzadas como DL para validar el desarrollo larval, se perfila como una herramienta útil, centrada en la eficiencia y la precisión de predicciones, permitiendo a los productores tomar decisiones rápidas y eficaces para optimizar las condiciones de crecimiento larvario. El desarrollo de esta investigación permitirá comprender mejor la aplicabilidad de algoritmos de aprendizaje profundo, siendo esta una tecnología avanzada utilizada en la predicción de supervivencia a partir de los parámetros críticos en las etapas del desarrollo de las larvas de camarón. El trabajo investigativo contribuye significativamente a las prácticas de la acuicultura inteligente enfocadas en la incorporación de métodos avanzados.

• 1. autor: Silva Guaranda, Erik Andrés (author)
• Format: bachelorThesis
• Język: spa
• Wydane: 2024
• Hasła przedmiotowe: DEEP LEARNING; ANÁLISIS DE DATOS; ACUICULTURA; PARÁMETROS CRÍTICOS
• Dostęp online: http://dspace.ups.edu.ec/handle/123456789/28129