Look-up in Google Scholar
Full metadata record
Mayhua López, Efrain Tito
Sánchez Mora, Katty Miluska
2018-09-27T21:49:01Z
2018-09-27T21:49:01Z
2018
1063277
https://hdl.handle.net/20.500.12590/15668
La pérdida de los macronutrientes y micronutrientes del suelo agrícola es uno de los procesos que siempre están presentes en la agricultura. Por estas pérdidas se hace necesario el uso de fertilizantes NPK (Nitrógeno, Fósforo y Potasio), para optimizar los rendimientos del cultivo, aumentar la rentabilidad y reducir al mínimo las pérdidas. Entre los fertilizantes NPK, el nitrógeno es el nutriente esencial en el proceso de crecimiento de la planta. Por ello, es que en la agricultura el nitrógeno es aplicado a las plantas durante el riego, por lo que se debe tener cuidado en las cantidades de agua otorgada al cultivo, ya que su exceso conlleva a una pérdida del nitrógeno y otros nutrientes por la lixiviación. Ante esta realidad, se requiere de tecnologías que permitan monitorear y medir los niveles de nitrógeno presentes en el suelo agrícola in-situ y en tiempo real, para que de este modo se pueda otorgar la cantidad necesaria de nutrientes al cultivo. En los últimos años se han propuesto una serie de técnicas y métodos (directos e indirectos) para la medida del nitrógeno. Los métodos directos se pueden realizar en área de cultivo o en laboratorio, pero resultan ser muy caros y/o dependientes a las condiciones del suelo. En cambio, los métodos indirectos pueden estimar los niveles de nitrógeno in-situ y en tiempo real basados en medir otros parámetros, a costa de precisión. Sopesando las ventajas y desventajas, es que se diseñó un método indirecto, basado en algoritmos propios del área del Aprendizaje Máquina (ML), que será capaz de estimar valores de los niveles de nitrógeno en el suelo agrícola, tras aprender un modelo a partir de un conjunto de observaciones. Estas observaciones están dadas por parámetros tales como la conductividad eléctrica, temperatura y humedad del suelo. Los valores de dichos parámetros son adquiridos a través de sensores que existen en el mercado. Para la validación del método se realizaron pruebas experimentales con datos reales que fueron medidos en el fundo Santa Gabriela S.A.C. de Santa Rita de Siguas, Arequipa, Perú. De los resultados obtenidos del estimador se ha podido notar que las variables más influyentes para obtener los niveles de nitrógeno estimados son la conductividad eléctrica y la temperatura, lo que otorga resultados razonables dentro de un intervalo de confianza del 99 % dados por el rango de los niveles permitidos para el cultivo. (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Católica San Pablo (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
https://creativecommons.org/licenses/by/4.0/ (es_PE)
Universidad Católica San Pablo (es_PE)
Repositorio Institucional - UCSP (es_PE)
Nitrógeno (es_PE)
Suelo agrícola (es_PE)
Estimador (es_PE)
Aprendizaje máquina (es_PE)
Diseño de un estimador no lineal para predecir el nivel de nitrógeno en suelo agrícola (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Católica San Pablo. Facultad de Ingeniería y Computación (es_PE)
Ingeniería Electrónica y de Telecomunicaciones (es_PE)
Título Profesional (es_PE)
Ingeniero de Telecomunicaciones (es_PE)
PE (es_PE)
http://purl.org/pe-repo/ocde/ford#2.02.05 (es_PE)
Escuela Profesional de Ingeniería Electrónica y de Telecomunicaciones (es_PE)
Privada asociativa



This item is licensed under a Creative Commons License Creative Commons