Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación

Descripción del Articulo

La estimación precisa de la producción de cultivos frutales es crucial para mejorar la planificación agrícola, optimizando la cosecha, el almacenamiento y la distribución, y, en última instancia, gestionando de manera más eficiente la cadena de suministro agrícola. Este estudio presenta una revisión...

Descripción completa

Detalles Bibliográficos
Autor: Arcila Diaz, Liliana Nataly
Formato: tesis de grado
Fecha de Publicación:2024
Institución:Universidad Señor de Sipan
Repositorio:USS-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.uss.edu.pe:20.500.12802/13018
Enlace del recurso:https://hdl.handle.net/20.500.12802/13018
Nivel de acceso:acceso abierto
Materia:Fruit production
Production estimation
Machine learning
PRISMA Statement
Precision agriculture
https://purl.org/pe-repo/ocde/ford#2.02.04
id USSS_dcc811baca0f1b40df2e8ad40a790283
oai_identifier_str oai:repositorio.uss.edu.pe:20.500.12802/13018
network_acronym_str USSS
network_name_str USS-Institucional
repository_id_str 4829
dc.title.es_PE.fl_str_mv Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación
title Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación
spellingShingle Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación
Arcila Diaz, Liliana Nataly
Fruit production
Production estimation
Machine learning
PRISMA Statement
Precision agriculture
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación
title_full Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación
title_fullStr Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación
title_full_unstemmed Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación
title_sort Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación
author Arcila Diaz, Liliana Nataly
author_facet Arcila Diaz, Liliana Nataly
author_role author
dc.contributor.advisor.fl_str_mv Mejia Cabrera, Heber Ivan
dc.contributor.author.fl_str_mv Arcila Diaz, Liliana Nataly
dc.subject.es_PE.fl_str_mv Fruit production
Production estimation
Machine learning
PRISMA Statement
Precision agriculture
topic Fruit production
Production estimation
Machine learning
PRISMA Statement
Precision agriculture
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 La estimación precisa de la producción de cultivos frutales es crucial para mejorar la planificación agrícola, optimizando la cosecha, el almacenamiento y la distribución, y, en última instancia, gestionando de manera más eficiente la cadena de suministro agrícola. Este estudio presenta una revisión sistemática sobre el uso de métodos de inteligencia artificial (IA) y machine learning (ML) en la estimación de la producción de cultivos frutales. Aplicando la metodología PRISMA, se identificaron 266 documentos en las bases de datos Scopus y Web of Science, de los cuales se analizaron 21 tras aplicar criterios de inclusión y exclusión. La investigación examina qué cultivos frutales utilizan técnicas de machine learning para la estimación de producción y qué técnicas muestran el mejor desempeño en la estimación o conteo de cultivos. Se identificaron tendencias emergentes, como la integración de variables climáticas, el uso de imágenes multiespectrales y la implementación de sistemas en tiempo real. Se propone una agenda de investigación para abordar las lagunas existentes, enfocándose en el desarrollo de soluciones ligeras y escalables para su implementación práctica en la agricultura.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-09-23T20:27:44Z
dc.date.available.none.fl_str_mv 2024-09-23T20:27:44Z
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/20.500.12802/13018
url https://hdl.handle.net/20.500.12802/13018
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.*.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Perú
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
eu_rights_str_mv openAccess
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 2.5 Perú
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Señor de Sipán
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Repositorio Institucional - USS
dc.source.none.fl_str_mv reponame:USS-Institucional
instname:Universidad Señor de Sipan
instacron:USS
instname_str Universidad Señor de Sipan
instacron_str USS
institution USS
reponame_str USS-Institucional
collection USS-Institucional
dc.source.uri.es_PE.fl_str_mv Repositorio Institucional USS
bitstream.url.fl_str_mv http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/1/Arcila%20Diaz%20Liliana%20Nataly.pdf
http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/2/Autorizaci%c3%b3n%20del%20autor.pdf
http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/3/Informe%20de%20similitud.pdf
http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/4/license_rdf
http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/6/Arcila%20Diaz%20Liliana%20Nataly.pdf.txt
http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/8/Autorizaci%c3%b3n%20del%20autor.pdf.txt
http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/10/Informe%20de%20similitud.pdf.txt
http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/7/Arcila%20Diaz%20Liliana%20Nataly.pdf.jpg
http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/9/Autorizaci%c3%b3n%20del%20autor.pdf.jpg
http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/11/Informe%20de%20similitud.pdf.jpg
http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/5/license.txt
bitstream.checksum.fl_str_mv 44f42da477f61feb7240b3983b66c60d
8755e3f6302b6b5613e7148062da347a
ffe974bc873487fc6ea0985c6c2d729c
3655808e5dd46167956d6870b0f43800
efce8717ff5bb402b01d43278b89ce67
ac1656fcf7393e47f4a064bc21a7d702
1abe1e0ba2f08eb1a329e2d1312a9cc8
3e9c0886750d3e0b705b3082e4cc4fe4
7ec5de7ae47c5644e1a3d4403d6e74eb
2e6981d85eb3f4cf1dda13d3ccaf68c1
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional de la Universidad Señor de Sipán
repository.mail.fl_str_mv repositorio@uss.edu.pe
_version_ 1812272504880758784
spelling Mejia Cabrera, Heber IvanArcila Diaz, Liliana Nataly2024-09-23T20:27:44Z2024-09-23T20:27:44Z2024https://hdl.handle.net/20.500.12802/13018La estimación precisa de la producción de cultivos frutales es crucial para mejorar la planificación agrícola, optimizando la cosecha, el almacenamiento y la distribución, y, en última instancia, gestionando de manera más eficiente la cadena de suministro agrícola. Este estudio presenta una revisión sistemática sobre el uso de métodos de inteligencia artificial (IA) y machine learning (ML) en la estimación de la producción de cultivos frutales. Aplicando la metodología PRISMA, se identificaron 266 documentos en las bases de datos Scopus y Web of Science, de los cuales se analizaron 21 tras aplicar criterios de inclusión y exclusión. La investigación examina qué cultivos frutales utilizan técnicas de machine learning para la estimación de producción y qué técnicas muestran el mejor desempeño en la estimación o conteo de cultivos. Se identificaron tendencias emergentes, como la integración de variables climáticas, el uso de imágenes multiespectrales y la implementación de sistemas en tiempo real. Se propone una agenda de investigación para abordar las lagunas existentes, enfocándose en el desarrollo de soluciones ligeras y escalables para su implementación práctica en la agricultura.Trabajo de investigaciónCiencias de la información como herramientas multidisciplinares y estratégicas en el contexto industrial y de organizacionesInformática y transformación digital en el contexto industrial y organizacional.application/pdfspaUniversidad Señor de SipánPEinfo:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 2.5 Perúhttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/Repositorio Institucional - USSRepositorio Institucional USSreponame:USS-Institucionalinstname:Universidad Señor de Sipaninstacron:USSFruit productionProduction estimationMachine learningPRISMA StatementPrecision agriculturehttps://purl.org/pe-repo/ocde/ford#2.02.04Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigacióninfo:eu-repo/semantics/bachelorThesisSUNEDUUniversidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y UrbanismoBachiller en Ingeniería de SistemasIngeniería de Sistemas41639565https://orcid.org/0000-0002-0007-092848085003612076https://purl.org/pe-repo/renati/level#bachillerhttps://purl.org/pe-repo/renati/type#trabajoDeInvestigacionORIGINALArcila Diaz Liliana Nataly.pdfArcila Diaz Liliana Nataly.pdfapplication/pdf1193912http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/1/Arcila%20Diaz%20Liliana%20Nataly.pdf44f42da477f61feb7240b3983b66c60dMD51Autorización del autor.pdfAutorización del autor.pdfapplication/pdf93468http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/2/Autorizaci%c3%b3n%20del%20autor.pdf8755e3f6302b6b5613e7148062da347aMD52Informe de similitud.pdfInforme de similitud.pdfapplication/pdf1434652http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/3/Informe%20de%20similitud.pdfffe974bc873487fc6ea0985c6c2d729cMD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/4/license_rdf3655808e5dd46167956d6870b0f43800MD54TEXTArcila Diaz Liliana Nataly.pdf.txtArcila Diaz Liliana Nataly.pdf.txtExtracted texttext/plain82716http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/6/Arcila%20Diaz%20Liliana%20Nataly.pdf.txtefce8717ff5bb402b01d43278b89ce67MD56Autorización del autor.pdf.txtAutorización del autor.pdf.txtExtracted texttext/plain2316http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/8/Autorizaci%c3%b3n%20del%20autor.pdf.txtac1656fcf7393e47f4a064bc21a7d702MD58Informe de similitud.pdf.txtInforme de similitud.pdf.txtExtracted texttext/plain68386http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/10/Informe%20de%20similitud.pdf.txt1abe1e0ba2f08eb1a329e2d1312a9cc8MD510THUMBNAILArcila Diaz Liliana Nataly.pdf.jpgArcila Diaz Liliana Nataly.pdf.jpgGenerated Thumbnailimage/jpeg9633http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/7/Arcila%20Diaz%20Liliana%20Nataly.pdf.jpg3e9c0886750d3e0b705b3082e4cc4fe4MD57Autorización del autor.pdf.jpgAutorización del autor.pdf.jpgGenerated Thumbnailimage/jpeg8908http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/9/Autorizaci%c3%b3n%20del%20autor.pdf.jpg7ec5de7ae47c5644e1a3d4403d6e74ebMD59Informe de similitud.pdf.jpgInforme de similitud.pdf.jpgGenerated Thumbnailimage/jpeg7115http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/11/Informe%20de%20similitud.pdf.jpg2e6981d85eb3f4cf1dda13d3ccaf68c1MD511LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.uss.edu.pe//bitstream/20.500.12802/13018/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5520.500.12802/13018oai:repositorio.uss.edu.pe:20.500.12802/130182024-09-24 03:02:20.778Repositorio Institucional de la Universidad Señor de Sipánrepositorio@uss.edu.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
score 13.78462
Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación
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).

Ejemplares Similares