Desarrollo de una aplicación para estimar el nivel de rendimiento de una leguminosa
- Autores
- Ponti González, Nicanor; D'Amico, María Belén; Calandrini, Guillermo L.
- Año de publicación
- 2024
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- El objetivo de este proyecto es desarrollar una aplicación que permita estimar el rendimiento de la leguminosa Vicia Villosa Roth (VV) utilizando imágenes satelitales proporcionadas por Sentinel 2 y algoritmos de machine learning. Para entrenar y validar el modelo predictivo se cuenta con información recopilada en varios lotes y en varias campañas. El manejo de datos e imágenes se realiza en el entorno de la plataforma Google Earth Engine. Se busca que el modelo obtenido clasifique cada píxel en tres categorías de rendimiento: bajo, medio y alto. Los usuarios tendrían acceso a una interfaz intuitiva que les permitiría seleccionar parámetros, realizar un seguimiento del cultivo a través de un índice de vegetación y construir un mapa con la categoría esperada de rendimiento.
Sociedad Argentina de Informática e Investigación Operativa - Materia
-
Ciencias Informáticas
Aplicación
Predicción
Rendimiento - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/177202
Ver los metadatos del registro completo
id |
SEDICI_00c3baeada2762e855d26718bb9eb747 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/177202 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Desarrollo de una aplicación para estimar el nivel de rendimiento de una leguminosaPonti González, NicanorD'Amico, María BelénCalandrini, Guillermo L.Ciencias InformáticasAplicaciónPredicciónRendimientoEl objetivo de este proyecto es desarrollar una aplicación que permita estimar el rendimiento de la leguminosa Vicia Villosa Roth (VV) utilizando imágenes satelitales proporcionadas por Sentinel 2 y algoritmos de machine learning. Para entrenar y validar el modelo predictivo se cuenta con información recopilada en varios lotes y en varias campañas. El manejo de datos e imágenes se realiza en el entorno de la plataforma Google Earth Engine. Se busca que el modelo obtenido clasifique cada píxel en tres categorías de rendimiento: bajo, medio y alto. Los usuarios tendrían acceso a una interfaz intuitiva que les permitiría seleccionar parámetros, realizar un seguimiento del cultivo a través de un índice de vegetación y construir un mapa con la categoría esperada de rendimiento.Sociedad Argentina de Informática e Investigación Operativa2024-08info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf19-22http://sedici.unlp.edu.ar/handle/10915/177202spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17987info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:47:49Zoai:sedici.unlp.edu.ar:10915/177202Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:47:49.338SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Desarrollo de una aplicación para estimar el nivel de rendimiento de una leguminosa |
title |
Desarrollo de una aplicación para estimar el nivel de rendimiento de una leguminosa |
spellingShingle |
Desarrollo de una aplicación para estimar el nivel de rendimiento de una leguminosa Ponti González, Nicanor Ciencias Informáticas Aplicación Predicción Rendimiento |
title_short |
Desarrollo de una aplicación para estimar el nivel de rendimiento de una leguminosa |
title_full |
Desarrollo de una aplicación para estimar el nivel de rendimiento de una leguminosa |
title_fullStr |
Desarrollo de una aplicación para estimar el nivel de rendimiento de una leguminosa |
title_full_unstemmed |
Desarrollo de una aplicación para estimar el nivel de rendimiento de una leguminosa |
title_sort |
Desarrollo de una aplicación para estimar el nivel de rendimiento de una leguminosa |
dc.creator.none.fl_str_mv |
Ponti González, Nicanor D'Amico, María Belén Calandrini, Guillermo L. |
author |
Ponti González, Nicanor |
author_facet |
Ponti González, Nicanor D'Amico, María Belén Calandrini, Guillermo L. |
author_role |
author |
author2 |
D'Amico, María Belén Calandrini, Guillermo L. |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Aplicación Predicción Rendimiento |
topic |
Ciencias Informáticas Aplicación Predicción Rendimiento |
dc.description.none.fl_txt_mv |
El objetivo de este proyecto es desarrollar una aplicación que permita estimar el rendimiento de la leguminosa Vicia Villosa Roth (VV) utilizando imágenes satelitales proporcionadas por Sentinel 2 y algoritmos de machine learning. Para entrenar y validar el modelo predictivo se cuenta con información recopilada en varios lotes y en varias campañas. El manejo de datos e imágenes se realiza en el entorno de la plataforma Google Earth Engine. Se busca que el modelo obtenido clasifique cada píxel en tres categorías de rendimiento: bajo, medio y alto. Los usuarios tendrían acceso a una interfaz intuitiva que les permitiría seleccionar parámetros, realizar un seguimiento del cultivo a través de un índice de vegetación y construir un mapa con la categoría esperada de rendimiento. Sociedad Argentina de Informática e Investigación Operativa |
description |
El objetivo de este proyecto es desarrollar una aplicación que permita estimar el rendimiento de la leguminosa Vicia Villosa Roth (VV) utilizando imágenes satelitales proporcionadas por Sentinel 2 y algoritmos de machine learning. Para entrenar y validar el modelo predictivo se cuenta con información recopilada en varios lotes y en varias campañas. El manejo de datos e imágenes se realiza en el entorno de la plataforma Google Earth Engine. Se busca que el modelo obtenido clasifique cada píxel en tres categorías de rendimiento: bajo, medio y alto. Los usuarios tendrían acceso a una interfaz intuitiva que les permitiría seleccionar parámetros, realizar un seguimiento del cultivo a través de un índice de vegetación y construir un mapa con la categoría esperada de rendimiento. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-08 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/177202 |
url |
http://sedici.unlp.edu.ar/handle/10915/177202 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17987 info:eu-repo/semantics/altIdentifier/issn/2451-7496 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
dc.format.none.fl_str_mv |
application/pdf 19-22 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844616341389049856 |
score |
13.070432 |