Aprendizaje Máquina Aplicado al Pronóstico en Cultivos Agrícolas

Aprendizaje Máquina Aplicado al Pronóstico en Cultivos Agrícolas

¿Qué es el proyecto?

Estudio de algoritmos de computadora que mejoran automáticamente aplicado a enfermedades que afectan a la producción de cultivos.
 
 
 

 

Resumen

 

Un tema que ha ocupado la atención de la humanidad es el de la producción de alimentos y ésta vista desde varias perspectivas: la calidad de la semilla, el proceso de producción, las enfermedades que afectan la productividad, el efecto del clima y el lugar; entre otras perspectivas.  Como un aporte a la situación anterior, este trabajo presenta la aplicación de una de las disciplinas de la inteligencia artificial, conocida como aprendizaje máquina, la cual consiste en el estudio de algoritmos de computadora que mejoran automáticamente a través de la experiencia. Este tipo de aprendizaje ha sido utilizado en aplicaciones desde la minería de datos que descubren las reglas en grandes conjuntos de datos, hasta sistemas de filtración de información que automáticamente aprenden los intereses de los usuarios. Como un caso en particular la Coorporación Bananera Nacional en Costa Rica (Corbana) cuenta con estaciones que miden variables meteorológicas Entre las variables medidas por estas estaciones están: temperatura, precipitación, humedad, velocidad del viento, entre otras. En Corbana están interesados en relacionar esto con la propagación de una enfermedad que afecta su producción, dicha enfermedad es la sigatoka.  Para este fin, la organización registra semanalmente en varias de sus fincas las siguientes variables relacionadas con dicha enfermedad: estado de evolución, severidad Hoja 2, severidad hoja 3, entre otras. Con dicha información y utilizando el aprendizaje máquina se desean realizar predicciones que ayuden a los expertos en la materia a tomar decisiones al respecto. Se han aplicado varios algoritmos de aprendizaje máquina con los datos disponibles y se están obteniendo unas primeras conclusiones que serán afinadas con el pasar del tiempo.

 

Abstract

 

This research proposes new machine learning algorithms capable of inferring from distributed data in space-time, forecasts on the production, diseases and general development of the crops analyzed. As a particular case, those algorithms will be tested on data provided by Corbana (Corporación Bananera Nacional de Costa Rica) captured in stations distributed among its hectares of banana plantations, including meteorological variables as temperature, precipitation, humidity and wind speed. Corbana is interested in relating this information with the spread of the black sigatoka (Mycosphaerella fijiensis), a disease that affects the productivity of these areas. Furthermore, this organization has weekly recorded additional variables related to that particular disease and the crop productivity levels.

 

Objetivos

 

Diseñar una nueva estrategia de aprendizaje máquina capaz de inferir de datos distribuidos en el espacio-tiempo pronósticos de los cultivos analizados, que sean aplicados en el área agronómica.

 

Contacto

 

Luis Alexánder Calvo Valverde, MSc., coordinador

Correo: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Teléfono: 2550-9160

 

Tutor de tesis: Pablo Alvarado Moya, Ph.D.

Correo: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo. .