Desarrollo de un modelo de machine learning en la nube para mejorar la producción de una plantación de rosas.
Para citar o enlazar este item, por favor use el siguiente identificador:
http://dspace.ups.edu.ec/handle/123456789/24255| Título : | Desarrollo de un modelo de machine learning en la nube para mejorar la producción de una plantación de rosas. |
| Autor : | Albán Bautista, Jhony Fernando Zabala Chico, Diego Mauricio |
| Director de Tesis: | Jaya Duche, Manuel Rafael |
| Resumen traducido: | The objective of this project is to improve the production of a rose plantation, to optimize the quality of the product and provide more sales capacity in national and international markets, through a machine learning model and an embedded system, for the development is used the Python programming environment, with compatibility with the platform thethings. iO platform, existing libraries, data is obtained through sensors, acquiring information about the behavior of the flower ship, this information will be stored and processed for a post evaluation, allowing to train a set of data, which depending on their status and the training of the model, activate the actuators inside the ship. The Linear Regression model works together with the embedded system to obtain data focused on an improvement within the development system. Once the model is determined, a study of the data obtained is carried out, in environmental humidity, temperature and soil humidity by means of historical data, which are visualized in the thethings.iO platform in real time. The results show the good development of the rose plant in the growth and flowering stage, 50 days after planting the rose, using the traditional method, the stem is thin, flexible and semi erect, approximately 70 cm high, some leaves with spots, using the linear regression model, the characteristics are improved by 30 %, the stem is thick, stiff and erect, approximately 95 cm tall, green leaves without spots, no blind buds and large roses with abundant petals. Finally, field tests are conducted, yielding the following results; using the machine learning model, production is improved by approximately 50 %, compared to the traditional method, due to the appropriate control of ambient humidity, temperature and soil moisture, managing to maintain the appropriate thresholds; Ambient humidity, between 70-85 % constantly, temperature 20-22°C during the day and 14°C at least during the night and soil humidity between 300-700 %, based on these variables, it is guaranteed that the rose plant at its 50 days is in the best conditions, thus generating competitiveness and economic benefits. |
| Resumen : | El objetivo del presente proyecto es mejorar la producción de una plantación de rosas, para optimizar la calidad del producto y brindar más capacidad de ventas en mercados nacionales e internacionales, mediante un modelo de machine learning y un sistema embebido, para el desarrollo se utiliza el entorno de programación Python, con compatibilidad con la plataforma thethings.iO y librerías existentes, se obtiene datos por medio de sensores logrando adquirir información sobre el comportamiento de la nave florícola, esta información será almacenada y procesada para una post evaluación, permitiendo entrenar a un conjunto de datos, los mismos que dependiendo de su estado y el entrenamiento del modelo accionan los actuadores dentro de la nave. El modelo de Regresión Lineal trabaja conjuntamente con el sistema embebido para obtener datos enfocados a una mejora dentro del sistema de desarrollo, al tener determinado el modelo, se lleva a cabo un estudio de datos obtenidos, en humedad del ambiente, temperatura y humedad del suelo mediante históricos, siendo estos visualizados en la plataforma thethings.iO en tiempo real. Los resultados evidencian el buen desarrollo de la planta de rosas en la etapa de crecimiento y floración, a los 50 días de plantada la rosa, mediante el método tradicional, el tallo es fino, flexible y semi erecto, de aproximadamente 70 cm de altura, algunas hojas con manchas, botones ciegos y rosas relativamente pequeñas con escasos pétalos, utilizando el modelo de regresión lineal, las características son mejoradas en un 30 %, el tallo es grueso, rígido y erecto, de aproximadamente 95 cm de altura, hojas verdes sin manchas, sin botones ciegos y rosas grandes con abundantes pétalos. Finalmente, se realizan pruebas de campo, arrojando los siguientes resultados; utilizando el modelo de machine learning, se mejora la producción aproximadamente un 50 %, en comparación con el método tradicional, debido al control apropiado de humedad del ambiente, temperatura y humedad del suelo, logrando mantener los umbrales adecuados; humedad del ambiente, entre 70- 85 % de forma constante, temperatura 20-22 °C durante el día y 14°C como mínimo durante la noche y humedad del suelo entre 300-700 %, en base a estas variables, se garantiza que la planta de rosas a sus 50 días esté en las mejores condiciones, generando así competitividad y beneficios económicos. |
| Palabras clave : | ELECTRÓNICA Y AUTOMATIZACIÓN SISTEMA EMBEBIDO ALGORITMO APRENDIZAJE AUTOMÁTICO |
| Fecha de publicación : | 2022 |
| URI : | http://dspace.ups.edu.ec/handle/123456789/24255 |
| Idioma: | spa |
| Pertenece a las colecciones: | Posgrado |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| MSQ511.pdf | Texto completo | 8,31 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
