Uso de R y minería de datos para la predicción del estado de cultivos cítricos

Autores
Ehman, Martín; Surraco, Gabriel; Eckert, Karina; Garrán, Sergio; Hochmaier, Vanesa; Taie, Armando
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El estado de sanidad de los cultivos es un factor primordial en la comercialización de cítricos en la región y el ámbito internacional, más aún en este último donde la barrera de entrada es más alta. Por ello es importante implementar estrategias que aseguren calidades óptimas de los cítricos aplicando estrategias de manejo integrado de cultivos. FruTIC es una herramienta inteligente que permite determinar e informar a los productores y técnicos los momentos óptimos para las labores en los cultivos, permitiendo así una utilización eficiente de recursos. Este sistema se basa en el concepto del triángulo de la enfermedad y reúne y provee información sobre las variables meteorológicas, poblaciones de plagas y enfermedades, y etapas de desarrollo de los cultivos. La misma contiene información histórica que ha sido captada a partir del año 2009. La predicción del estado de los cultivos cítricos se realizó mediante técnicas de Minería de Datos (MD) implementadas en lenguaje R bajo el entorno RStudio, con el fin de permitir el conocimiento anticipado del estado de las plantas y posibilitar la realización de acciones puntuales sobre los lotes para minimizar las consecuencias negativas que puedan alcanzar al producto final.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
lenguaje R
Minería de Datos
predicción de estado de cultivos
modelos de predicción de rendimiento
FruTIC
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/72171
Acceder
id SEDICI_7b2521c0e762b2952e0de29e49e13499
oai_identifier_str oai:sedici.unlp.edu.ar:10915/72171
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Uso de R y minería de datos para la predicción del estado de cultivos cítricosEhman, MartínSurraco, GabrielEckert, KarinaGarrán, SergioHochmaier, VanesaTaie, ArmandoCiencias Informáticaslenguaje RMinería de Datospredicción de estado de cultivosmodelos de predicción de rendimientoFruTICEl estado de sanidad de los cultivos es un factor primordial en la comercialización de cítricos en la región y el ámbito internacional, más aún en este último donde la barrera de entrada es más alta. Por ello es importante implementar estrategias que aseguren calidades óptimas de los cítricos aplicando estrategias de manejo integrado de cultivos. FruTIC es una herramienta inteligente que permite determinar e informar a los productores y técnicos los momentos óptimos para las labores en los cultivos, permitiendo así una utilización eficiente de recursos. Este sistema se basa en el concepto del triángulo de la enfermedad y reúne y provee información sobre las variables meteorológicas, poblaciones de plagas y enfermedades, y etapas de desarrollo de los cultivos. La misma contiene información histórica que ha sido captada a partir del año 2009. La predicción del estado de los cultivos cítricos se realizó mediante técnicas de Minería de Datos (MD) implementadas en lenguaje R bajo el entorno RStudio, con el fin de permitir el conocimiento anticipado del estado de las plantas y posibilitar la realización de acciones puntuales sobre los lotes para minimizar las consecuencias negativas que puedan alcanzar al producto final.Sociedad Argentina de Informática e Investigación Operativa2018-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionResumenhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf23-24http://sedici.unlp.edu.ar/handle/10915/72171spainfo:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/LatinR_14.pdfinfo:eu-repo/semantics/altIdentifier/issn/2618-3196info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T16:52:45Zoai:sedici.unlp.edu.ar:10915/72171Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 16:52:45.573SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Uso de R y minería de datos para la predicción del estado de cultivos cítricos
title Uso de R y minería de datos para la predicción del estado de cultivos cítricos
spellingShingle Uso de R y minería de datos para la predicción del estado de cultivos cítricos
Ehman, Martín
Ciencias Informáticas
lenguaje R
Minería de Datos
predicción de estado de cultivos
modelos de predicción de rendimiento
FruTIC
title_short Uso de R y minería de datos para la predicción del estado de cultivos cítricos
title_full Uso de R y minería de datos para la predicción del estado de cultivos cítricos
title_fullStr Uso de R y minería de datos para la predicción del estado de cultivos cítricos
title_full_unstemmed Uso de R y minería de datos para la predicción del estado de cultivos cítricos
title_sort Uso de R y minería de datos para la predicción del estado de cultivos cítricos
dc.creator.none.fl_str_mv Ehman, Martín
Surraco, Gabriel
Eckert, Karina
Garrán, Sergio
Hochmaier, Vanesa
Taie, Armando
author Ehman, Martín
author_facet Ehman, Martín
Surraco, Gabriel
Eckert, Karina
Garrán, Sergio
Hochmaier, Vanesa
Taie, Armando
author_role author
author2 Surraco, Gabriel
Eckert, Karina
Garrán, Sergio
Hochmaier, Vanesa
Taie, Armando
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
lenguaje R
Minería de Datos
predicción de estado de cultivos
modelos de predicción de rendimiento
FruTIC
topic Ciencias Informáticas
lenguaje R
Minería de Datos
predicción de estado de cultivos
modelos de predicción de rendimiento
FruTIC
dc.description.none.fl_txt_mv El estado de sanidad de los cultivos es un factor primordial en la comercialización de cítricos en la región y el ámbito internacional, más aún en este último donde la barrera de entrada es más alta. Por ello es importante implementar estrategias que aseguren calidades óptimas de los cítricos aplicando estrategias de manejo integrado de cultivos. FruTIC es una herramienta inteligente que permite determinar e informar a los productores y técnicos los momentos óptimos para las labores en los cultivos, permitiendo así una utilización eficiente de recursos. Este sistema se basa en el concepto del triángulo de la enfermedad y reúne y provee información sobre las variables meteorológicas, poblaciones de plagas y enfermedades, y etapas de desarrollo de los cultivos. La misma contiene información histórica que ha sido captada a partir del año 2009. La predicción del estado de los cultivos cítricos se realizó mediante técnicas de Minería de Datos (MD) implementadas en lenguaje R bajo el entorno RStudio, con el fin de permitir el conocimiento anticipado del estado de las plantas y posibilitar la realización de acciones puntuales sobre los lotes para minimizar las consecuencias negativas que puedan alcanzar al producto final.
Sociedad Argentina de Informática e Investigación Operativa
description El estado de sanidad de los cultivos es un factor primordial en la comercialización de cítricos en la región y el ámbito internacional, más aún en este último donde la barrera de entrada es más alta. Por ello es importante implementar estrategias que aseguren calidades óptimas de los cítricos aplicando estrategias de manejo integrado de cultivos. FruTIC es una herramienta inteligente que permite determinar e informar a los productores y técnicos los momentos óptimos para las labores en los cultivos, permitiendo así una utilización eficiente de recursos. Este sistema se basa en el concepto del triángulo de la enfermedad y reúne y provee información sobre las variables meteorológicas, poblaciones de plagas y enfermedades, y etapas de desarrollo de los cultivos. La misma contiene información histórica que ha sido captada a partir del año 2009. La predicción del estado de los cultivos cítricos se realizó mediante técnicas de Minería de Datos (MD) implementadas en lenguaje R bajo el entorno RStudio, con el fin de permitir el conocimiento anticipado del estado de las plantas y posibilitar la realización de acciones puntuales sobre los lotes para minimizar las consecuencias negativas que puedan alcanzar al producto final.
publishDate 2018
dc.date.none.fl_str_mv 2018-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Resumen
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/10915/72171
url http://sedici.unlp.edu.ar/handle/10915/72171
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/LatinR_14.pdf
info:eu-repo/semantics/altIdentifier/issn/2618-3196
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
dc.format.none.fl_str_mv application/pdf
23-24
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_ 1846783100290334720
score 12.982451

Publicaciones similares