Machine Learning para la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano en Paiján
Descripción del Articulo
El estudio se enmarca en el Objetivo de Desarrollo Sostenible (ODS) "Trabajo decente y crecimiento económico" y plantea la aplicación de Machine Learning (ML) para mejorar la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano, una enfermedad que impacta signifi...
| Autor: | |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2024 |
| Institución: | Universidad Cesar Vallejo |
| Repositorio: | UCV-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.ucv.edu.pe:20.500.12692/167003 |
| Enlace del recurso: | https://hdl.handle.net/20.500.12692/167003 |
| Nivel de acceso: | acceso abierto |
| Materia: | Aprendizaje Detección Enfermedad Agronomía Control biológico https://purl.org/pe-repo/ocde/ford#2.02.04 |
| id |
UCVV_8e70b28cdbb9f179baffc00b62ecc8b0 |
|---|---|
| oai_identifier_str |
oai:repositorio.ucv.edu.pe:20.500.12692/167003 |
| network_acronym_str |
UCVV |
| network_name_str |
UCV-Institucional |
| repository_id_str |
3741 |
| dc.title.es_PE.fl_str_mv |
Machine Learning para la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano en Paiján |
| title |
Machine Learning para la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano en Paiján |
| spellingShingle |
Machine Learning para la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano en Paiján Leon Torres, Angel Joselito Aprendizaje Detección Enfermedad Agronomía Control biológico https://purl.org/pe-repo/ocde/ford#2.02.04 |
| title_short |
Machine Learning para la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano en Paiján |
| title_full |
Machine Learning para la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano en Paiján |
| title_fullStr |
Machine Learning para la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano en Paiján |
| title_full_unstemmed |
Machine Learning para la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano en Paiján |
| title_sort |
Machine Learning para la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano en Paiján |
| author |
Leon Torres, Angel Joselito |
| author_facet |
Leon Torres, Angel Joselito |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Cieza Mostacero, Segundo Edwin |
| dc.contributor.author.fl_str_mv |
Leon Torres, Angel Joselito |
| dc.subject.es_PE.fl_str_mv |
Aprendizaje Detección Enfermedad Agronomía Control biológico |
| topic |
Aprendizaje Detección Enfermedad Agronomía Control biológico https://purl.org/pe-repo/ocde/ford#2.02.04 |
| dc.subject.ocde.es_PE.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#2.02.04 |
| description |
El estudio se enmarca en el Objetivo de Desarrollo Sostenible (ODS) "Trabajo decente y crecimiento económico" y plantea la aplicación de Machine Learning (ML) para mejorar la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano, una enfermedad que impacta significativamente la productividad agrícola, siendo la investigación de tipo aplicada con un diseño experimental puro que emplea técnicas cuantitativas para evaluar el impacto del modelo en términos de precisión, tiempo de detección y número de casos identificados. En el análisis descriptivo, el grupo experimental alcanzó una precisión promedio del 91%, frente al 60% obtenido por el grupo de control, mientras que el tiempo promedio de detección fue de 632 segundos, considerablemente menor que los 1648 segundos registrados por el grupo de control, y el número promedio de casos identificados aumentó a 12, en comparación con los 7 casos detectados por el grupo de control. El análisis inferencial evidenció que todas las pruebas realizadas arrojaron diferencias estadísticamente significativas con un valor p < 0.05, lo cual valida la hipótesis alternativa y respalda los beneficios del modelo propuesto. En conclusión, la implementación de ML mejora significativamente la precisión, disminuye el tiempo de detección y aumenta el número de casos identificados, consolidándose como una herramienta innovadora y eficiente para el manejo de enfermedades agrícolas y la promoción del desarrollo sostenible. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2025-07-18T19:28:34Z |
| dc.date.available.none.fl_str_mv |
2025-07-18T19:28:34Z |
| dc.date.issued.fl_str_mv |
2024 |
| dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
bachelorThesis |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12692/167003 |
| url |
https://hdl.handle.net/20.500.12692/167003 |
| dc.language.iso.es_PE.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.fl_str_mv |
SUNEDU |
| dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.uri.es_PE.fl_str_mv |
https://creativecommons.org/licenses/by/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by/4.0/ |
| dc.format.es_PE.fl_str_mv |
application/pdf |
| dc.publisher.es_PE.fl_str_mv |
Universidad César Vallejo |
| dc.publisher.country.es_PE.fl_str_mv |
PE |
| dc.source.es_PE.fl_str_mv |
Repositorio Institucional - UCV Universidad César Vallejo |
| dc.source.none.fl_str_mv |
reponame:UCV-Institucional instname:Universidad Cesar Vallejo instacron:UCV |
| instname_str |
Universidad Cesar Vallejo |
| instacron_str |
UCV |
| institution |
UCV |
| reponame_str |
UCV-Institucional |
| collection |
UCV-Institucional |
| bitstream.url.fl_str_mv |
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/1/Leon_TAJ_SD.pdf https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/2/Leon_TAJ-IT.pdf https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/3/Leon_TAJ.pdf https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/4/license.txt https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/5/Leon_TAJ_SD.pdf.txt https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/7/Leon_TAJ-IT.pdf.txt https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/9/Leon_TAJ.pdf.txt https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/6/Leon_TAJ_SD.pdf.jpg https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/8/Leon_TAJ-IT.pdf.jpg https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/10/Leon_TAJ.pdf.jpg |
| bitstream.checksum.fl_str_mv |
48a767704ccb3e7869815e3e426e3713 4a0e377b7507a589bf9e78f750a4f676 539c62d5cdc1aff926e95a4cffd78cb0 8a4605be74aa9ea9d79846c1fba20a33 00d726fa06da34464fb6b43f5ca22ccf 1bda050eac3685b4bad6c793651c8785 5dc476d0d3c3f5460598e8a80bf84e86 2313fda9a59fc606f2c756a58f1b2cd0 aee58b101444e36b8a17ba0b641ed06d 149c4062c9956d303ec6b6de78243206 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio de la Universidad César Vallejo |
| repository.mail.fl_str_mv |
repositorio@ucv.edu.pe |
| _version_ |
1838995550091870208 |
| spelling |
Cieza Mostacero, Segundo EdwinLeon Torres, Angel Joselito2025-07-18T19:28:34Z2025-07-18T19:28:34Z2024https://hdl.handle.net/20.500.12692/167003El estudio se enmarca en el Objetivo de Desarrollo Sostenible (ODS) "Trabajo decente y crecimiento económico" y plantea la aplicación de Machine Learning (ML) para mejorar la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano, una enfermedad que impacta significativamente la productividad agrícola, siendo la investigación de tipo aplicada con un diseño experimental puro que emplea técnicas cuantitativas para evaluar el impacto del modelo en términos de precisión, tiempo de detección y número de casos identificados. En el análisis descriptivo, el grupo experimental alcanzó una precisión promedio del 91%, frente al 60% obtenido por el grupo de control, mientras que el tiempo promedio de detección fue de 632 segundos, considerablemente menor que los 1648 segundos registrados por el grupo de control, y el número promedio de casos identificados aumentó a 12, en comparación con los 7 casos detectados por el grupo de control. El análisis inferencial evidenció que todas las pruebas realizadas arrojaron diferencias estadísticamente significativas con un valor p < 0.05, lo cual valida la hipótesis alternativa y respalda los beneficios del modelo propuesto. En conclusión, la implementación de ML mejora significativamente la precisión, disminuye el tiempo de detección y aumenta el número de casos identificados, consolidándose como una herramienta innovadora y eficiente para el manejo de enfermedades agrícolas y la promoción del desarrollo sostenible.TrujilloEscuela de Ingeniería de SistemasSistema de Información y ComunicacionesDesarrollo sostenible, emprendimientos y responsabilidad social.Desarrollo económico, empleo y emprendimientoTrabajo decente y crecimiento económicoPRESENCIALapplication/pdfspaUniversidad César VallejoPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/Repositorio Institucional - UCVUniversidad César Vallejoreponame:UCV-Institucionalinstname:Universidad Cesar Vallejoinstacron:UCVAprendizajeDetecciónEnfermedadAgronomíaControl biológicohttps://purl.org/pe-repo/ocde/ford#2.02.04Machine Learning para la detección temprana de la podredumbre negra en Vitis vinifera variante Trebbiano en Paijáninfo:eu-repo/semantics/bachelorThesisSUNEDUIngeniería de SistemasUniversidad César Vallejo. Facultad de Ingeniería y ArquitecturaIngeniero de Sistemas45434553https://orcid.org/0000-0002-3520-438375023815612076Bermejo Terrones, Henry PaúlAraujo Vasquez, Eduardo FrancoCieza Mostacero, Segundo Edwinhttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisORIGINALLeon_TAJ_SD.pdfLeon_TAJ_SD.pdfapplication/pdf1251805https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/1/Leon_TAJ_SD.pdf48a767704ccb3e7869815e3e426e3713MD51Leon_TAJ-IT.pdfLeon_TAJ-IT.pdfapplication/pdf3833566https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/2/Leon_TAJ-IT.pdf4a0e377b7507a589bf9e78f750a4f676MD52Leon_TAJ.pdfLeon_TAJ.pdfapplication/pdf1924000https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/3/Leon_TAJ.pdf539c62d5cdc1aff926e95a4cffd78cb0MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/4/license.txt8a4605be74aa9ea9d79846c1fba20a33MD54TEXTLeon_TAJ_SD.pdf.txtLeon_TAJ_SD.pdf.txtExtracted texttext/plain58456https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/5/Leon_TAJ_SD.pdf.txt00d726fa06da34464fb6b43f5ca22ccfMD55Leon_TAJ-IT.pdf.txtLeon_TAJ-IT.pdf.txtExtracted texttext/plain1533https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/7/Leon_TAJ-IT.pdf.txt1bda050eac3685b4bad6c793651c8785MD57Leon_TAJ.pdf.txtLeon_TAJ.pdf.txtExtracted texttext/plain99330https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/9/Leon_TAJ.pdf.txt5dc476d0d3c3f5460598e8a80bf84e86MD59THUMBNAILLeon_TAJ_SD.pdf.jpgLeon_TAJ_SD.pdf.jpgGenerated Thumbnailimage/jpeg4721https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/6/Leon_TAJ_SD.pdf.jpg2313fda9a59fc606f2c756a58f1b2cd0MD56Leon_TAJ-IT.pdf.jpgLeon_TAJ-IT.pdf.jpgGenerated Thumbnailimage/jpeg4335https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/8/Leon_TAJ-IT.pdf.jpgaee58b101444e36b8a17ba0b641ed06dMD58Leon_TAJ.pdf.jpgLeon_TAJ.pdf.jpgGenerated Thumbnailimage/jpeg4719https://repositorio.ucv.edu.pe/bitstream/20.500.12692/167003/10/Leon_TAJ.pdf.jpg149c4062c9956d303ec6b6de78243206MD51020.500.12692/167003oai:repositorio.ucv.edu.pe:20.500.12692/1670032025-07-18 22:32:42.013Repositorio de la Universidad César Vallejorepositorio@ucv.edu.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 |
| score |
13.806414 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
