Modelo basado en aprendizaje de máquina para la predicción de textura de suelos

Autores
Gutiérrez, Julián; Trillini, Mariano; Vallese, Federico Danilo; de Oliveira Ramos, Railson; Vanzolini, Juan Ignacio; de Almeida, Valber Elias; de Brito Neto, José Felix; Santos, Rodrigo; Pistonesi, Marcelo Fabián
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En el ámbito de las ciencias del suelo, el análisis de textura del suelo es esencial, ya que proporciona información crucial sobre la composición y las propiedades físicas del mismo. Por ello, su estudio, cálculo e interpretación son fundamentales. Se propone un modelo basado en aprendizaje de máquina para predecir la textura del suelo, utilizando datos de área de píxeles de las partículas de arena, limo y arcilla obtenidos a través de imágenes digitales. Adicionalmente, datos de materia orgánica y conductividad eléctrica se integrarán al modelo como atributos. El conjunto de datos se organizará incluyendo variables objetivo como el porcentaje de arena, el porcentaje de limo y la clasificación de la textura del suelo, basada en el método de Bouyoucos, que sirve como referencia estándar de laboratorio. El desarrollo de este trabajo busca simplificar los tiempos operativos, reducir tamaño de muestra y lograr una determinación sencilla y no destructiva de la granulometría del suelo.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Textura de suelos
Aprendizaje de máquina
Bosques aleatorios
Análisis de datos
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:10915/176979
Acceder
id SEDICI_2a9b7a619481bd534804ebd23e01b4b7
oai_identifier_str oai:sedici.unlp.edu.ar:10915/176979
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Modelo basado en aprendizaje de máquina para la predicción de textura de suelosGutiérrez, JuliánTrillini, MarianoVallese, Federico Danilode Oliveira Ramos, RailsonVanzolini, Juan Ignaciode Almeida, Valber Eliasde Brito Neto, José FelixSantos, RodrigoPistonesi, Marcelo FabiánCiencias InformáticasTextura de suelosAprendizaje de máquinaBosques aleatoriosAnálisis de datosEn el ámbito de las ciencias del suelo, el análisis de textura del suelo es esencial, ya que proporciona información crucial sobre la composición y las propiedades físicas del mismo. Por ello, su estudio, cálculo e interpretación son fundamentales. Se propone un modelo basado en aprendizaje de máquina para predecir la textura del suelo, utilizando datos de área de píxeles de las partículas de arena, limo y arcilla obtenidos a través de imágenes digitales. Adicionalmente, datos de materia orgánica y conductividad eléctrica se integrarán al modelo como atributos. El conjunto de datos se organizará incluyendo variables objetivo como el porcentaje de arena, el porcentaje de limo y la clasificación de la textura del suelo, basada en el método de Bouyoucos, que sirve como referencia estándar de laboratorio. El desarrollo de este trabajo busca simplificar los tiempos operativos, reducir tamaño de muestra y lograr una determinación sencilla y no destructiva de la granulometría del suelo.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/pdf99-103http://sedici.unlp.edu.ar/handle/10915/176979spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17965info: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:UNLP2025-09-03T11:19:40Zoai:sedici.unlp.edu.ar:10915/176979Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:19:41.143SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
title Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
spellingShingle Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
Gutiérrez, Julián
Ciencias Informáticas
Textura de suelos
Aprendizaje de máquina
Bosques aleatorios
Análisis de datos
title_short Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
title_full Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
title_fullStr Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
title_full_unstemmed Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
title_sort Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
dc.creator.none.fl_str_mv Gutiérrez, Julián
Trillini, Mariano
Vallese, Federico Danilo
de Oliveira Ramos, Railson
Vanzolini, Juan Ignacio
de Almeida, Valber Elias
de Brito Neto, José Felix
Santos, Rodrigo
Pistonesi, Marcelo Fabián
author Gutiérrez, Julián
author_facet Gutiérrez, Julián
Trillini, Mariano
Vallese, Federico Danilo
de Oliveira Ramos, Railson
Vanzolini, Juan Ignacio
de Almeida, Valber Elias
de Brito Neto, José Felix
Santos, Rodrigo
Pistonesi, Marcelo Fabián
author_role author
author2 Trillini, Mariano
Vallese, Federico Danilo
de Oliveira Ramos, Railson
Vanzolini, Juan Ignacio
de Almeida, Valber Elias
de Brito Neto, José Felix
Santos, Rodrigo
Pistonesi, Marcelo Fabián
author2_role author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Textura de suelos
Aprendizaje de máquina
Bosques aleatorios
Análisis de datos
topic Ciencias Informáticas
Textura de suelos
Aprendizaje de máquina
Bosques aleatorios
Análisis de datos
dc.description.none.fl_txt_mv En el ámbito de las ciencias del suelo, el análisis de textura del suelo es esencial, ya que proporciona información crucial sobre la composición y las propiedades físicas del mismo. Por ello, su estudio, cálculo e interpretación son fundamentales. Se propone un modelo basado en aprendizaje de máquina para predecir la textura del suelo, utilizando datos de área de píxeles de las partículas de arena, limo y arcilla obtenidos a través de imágenes digitales. Adicionalmente, datos de materia orgánica y conductividad eléctrica se integrarán al modelo como atributos. El conjunto de datos se organizará incluyendo variables objetivo como el porcentaje de arena, el porcentaje de limo y la clasificación de la textura del suelo, basada en el método de Bouyoucos, que sirve como referencia estándar de laboratorio. El desarrollo de este trabajo busca simplificar los tiempos operativos, reducir tamaño de muestra y lograr una determinación sencilla y no destructiva de la granulometría del suelo.
Sociedad Argentina de Informática e Investigación Operativa
description En el ámbito de las ciencias del suelo, el análisis de textura del suelo es esencial, ya que proporciona información crucial sobre la composición y las propiedades físicas del mismo. Por ello, su estudio, cálculo e interpretación son fundamentales. Se propone un modelo basado en aprendizaje de máquina para predecir la textura del suelo, utilizando datos de área de píxeles de las partículas de arena, limo y arcilla obtenidos a través de imágenes digitales. Adicionalmente, datos de materia orgánica y conductividad eléctrica se integrarán al modelo como atributos. El conjunto de datos se organizará incluyendo variables objetivo como el porcentaje de arena, el porcentaje de limo y la clasificación de la textura del suelo, basada en el método de Bouyoucos, que sirve como referencia estándar de laboratorio. El desarrollo de este trabajo busca simplificar los tiempos operativos, reducir tamaño de muestra y lograr una determinación sencilla y no destructiva de la granulometría del suelo.
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/10915/176979
url http://sedici.unlp.edu.ar/handle/10915/176979
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/17965
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
99-103
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_ 1842260703133564928
score 13.13397

Publicaciones similares