Desarrollo de una aplicación móvil mediante algoritmos de recomendación para el monitoreo de plagas en el cultivo de brócoli (brassica oleracia l.var.itálica) en la hacienda San Antonio, parroquia Poaló, del cantón Latacunga.
El presente proyecto de propuesta tecnológica tiene como objetivo el desarrollo de una aplicación móvil innovadora para el control y manejo eficiente de plagas en el cultivo de brócoli en la Hacienda San Antonio, ubicada en la parroquia Poaló. Este desarrollo utiliza las capacidades avanzadas de la...
Gardado en:
| Autor Principal: | |
|---|---|
| Outros autores: | |
| Formato: | bachelorThesis |
| Publicado: |
2024
|
| Subjects: | |
| Acceso en liña: | https://repositorio.utc.edu.ec/handle/123456789/12290 |
| Tags: |
Engadir etiqueta
Sen Etiquetas, Sexa o primeiro en etiquetar este rexistro!
|
Engadir etiqueta | Summary: | El presente proyecto de propuesta tecnológica tiene como objetivo el desarrollo de una aplicación móvil innovadora para el control y manejo eficiente de plagas en el cultivo de brócoli en la Hacienda San Antonio, ubicada en la parroquia Poaló. Este desarrollo utiliza las capacidades avanzadas de la Inteligencia Artificial, combinadas con algoritmos de recomendación, para mejorar significativamente la detección temprana y el control efectivo de plagas. La implementación de esta solución tecnológica busca impactar de manera directa en el aumento de la productividad agrícola. El proceso de desarrollo de la aplicación móvil se llevó a cabo utilizando la metodología Mobile-D, conocida por su enfoque ágil y adaptativo en el desarrollo de aplicaciones móviles. Para el entrenamiento del modelo de Inteligencia Artificial, se aplicó la metodología KDD que permite extraer conocimiento relevante de grandes volúmenes de datos. Google Colab como plataforma de desarrollo, que ofrece un entorno flexible y escalable para el procesamiento de datos y el entrenamiento del modelo. En cuanto al desarrollo de la aplicación, se utilizó Flutter en el entorno de Visual Studio Code, lo que permitió una integración fluida de las funcionalidades de la aplicación. Además, se hizo uso de la biblioteca TensorFlow, junto con técnicas avanzadas de MobileNetV2, para implementar el modelo de Inteligencia Artificial en dispositivos móviles, garantizando así un alto rendimiento y eficiencia en el reconocimiento de plagas. |
|---|