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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/177202

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