Look-up in Google Scholar
Full metadata record
Asto Rodriguez, Emerson Maximo
Carrasco Cervantes, Marcia Carolina
2024-01-30T19:28:43Z
2024-01-30T19:28:43Z
2024-01
https://hdl.handle.net/20.500.14414/20560
En el presente trabajo de investigación se tuvo como objetivo plantear una manera de mejorar la precisión en el proceso de estimación de biomasa haciendo uso de imágenes aéreas y técnicas de Machine Learning, siendo este un trabajo aplicativo-descriptivo. Para esto se recopilaron los valores de precisión obtenidos en trabajos previos y se desarrolló un nuevo sistema de estimación utilizando redes neuronales artificiales, la precisión obtenida en este nuevo sistema se comparó con los valores recopilados para determinar cuál de las técnicas utilizadas es la mejor en términos de precisión. La parte innovadora en el presente trabajo es el uso de redes neuronales convolucionales combinadas con un perceptrón multicapa, ya que esta técnica no ha sido utilizada en la bibliografía revisada. Al finalizar el experimento se obtuvo como resultado un R2=0.597, R=0.772 y RMSE=16.66% haciendo uso de 403 entradas de datos y usando imágenes RGB únicamente, considerando la cantidad de datos analizados y la tecnología utilizada (Dron DJI Phantom 4), se concluyó que los resultados obtenidos representan una mejora respecto a los requerimientos del objeto de estudio y asimismo se acercan bastante a los resultados recopilados de trabajos previos.
In the present research work, the objective was to propose a way to improve the precision in the biomass estimation process using aerial images and Machine Learning techniques, this being an applicative-descriptive work. For this, the precision values obtained in previous works were collected and a new estimation system was developed using artificial neural networks, the precision obtained in this new system was compared with the collected values to determine which of the techniques used is the best in terms precision. The innovative part in the present work is the use of convolutional neural networks combined with a multilayer perceptron, since this technique has not been used in the reviewed bibliography. At the end of the experiment, the result was R2 = 0.597, R = 0.772 and RMSE = 16.66% using 403 data inputs and using RGB images only, considering the amount of data analyzed and the technology used (DJI Phantom 4 Drone), it was concluded that the results obtained represent an improvement with respect to the requirements of the object of study and are also quite close to the results compiled from previous works.
application/pdf
es
Universidad Nacional de Trujillo
info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-nd/4.0/
SOCIAL SCIENCES::Statistics, computer and systems science::Informatics, computer and systems science::Information technology
Estimación de la biomasa de pastizales mediante machine learning aplicado a imágenes aéreas captadas por vehículos aéreos no tripulados para agricultura de precisión
info:eu-repo/semantics/bachelorThesis
Universidad Nacional de Trujillo, Facultad de Ingenieria
Ingenieria Mecatronica
Ingeniero Mecatronico
PE
https://purl.org/pe-repo/ocde/ford#2.00.00
http://purl.org/pe-repo/renati/level#tituloProfesional
70288113
0000-0002-5757-2048
70211324
712046
Alva Alcantara, Jhosmell Henry
Romero Rosales, Christian Franco
Asto Rodriguez, Emerson Maximo
http://purl.org/pe-repo/renati/type#tesis
Pública
info:eu-repo/semantics/publishedVersion



This item is licensed under a Creative Commons License Creative Commons