Control de calidad de imágenes para identificación de adversidades en cultivos agrícolas extensivos procesadas con inteligencia artificial
- Autores
- Rozemblum, Guillermo
- Año de publicación
- 2025
- Idioma
- español castellano
- Tipo de recurso
- tesis de grado
- Estado
- versión aceptada
- Colaborador/a o director/a de tesis
- Ferro, Daniel Adalberto
Mur, Matilde - Descripción
- El trabajo final de carrera para obtener el título de ingeniero agrónomo de la Facultad de Ciencias Agrarias y Forestales de la UNLP se realizó bajo la modalidad de práctica profesional. Las actividades realizadas se enmarcaron en un trabajo temporario en la empresa “Taranis”, que se realizó de manera manera remota con la cooperación de profesionales radicados en distintas partes del mundo. La empresa “Taranis” se desempeña en el área de agricultura de precisión, brindando servicios de monitoreo de cultivos a distancia a imágenes de drones y algoritmos entrenados por inteligencia artificial, específicamente mediante el uso de deep learning. Las actividades realizadas consistieron en el procesamiento de imágenes cenitales de cultivos extensivos con el objetivo de evaluar el acierto del algoritmo de la empresa para la detección de adversidades bióticas como malezas, insectos y enfermedades. Además, se realizaron tareas de entrenamiento del algoritmo, donde se manifestaron oportunidades de mejora para la detección de elementos que aún no se consideraban. Durante el procesamiento se logró integrar contenidos desarrollados durante la carrera de agronomía, principalmente aquellos obtenidos en el curso de morfología vegetal, sistemática vegetal, fitopatología, cerealicultura, cultivos regionales y oleaginosas, entre otros. Este trabajo permitió valorar la importancia de la tecnología disponible en inteligencia artificial para el seguimiento de los cultivos extensivos y la importancia de su calibración para generar información que permitan tomar decisiones que colaboren con la sustentabilidad de los sistemas productivos.
Ingeniero Agrónomo
Universidad Nacional de La Plata
Facultad de Ciencias Agrarias y Forestales - Materia
-
Ciencias Agrarias
inteligencia artificial
agricultura de precisión
Imágenes - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/180080
Ver los metadatos del registro completo
id |
SEDICI_7c1223ad3f133abe831a787d4ed47de0 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/180080 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Control de calidad de imágenes para identificación de adversidades en cultivos agrícolas extensivos procesadas con inteligencia artificialRozemblum, GuillermoCiencias Agrariasinteligencia artificialagricultura de precisiónImágenesEl trabajo final de carrera para obtener el título de ingeniero agrónomo de la Facultad de Ciencias Agrarias y Forestales de la UNLP se realizó bajo la modalidad de práctica profesional. Las actividades realizadas se enmarcaron en un trabajo temporario en la empresa “Taranis”, que se realizó de manera manera remota con la cooperación de profesionales radicados en distintas partes del mundo. La empresa “Taranis” se desempeña en el área de agricultura de precisión, brindando servicios de monitoreo de cultivos a distancia a imágenes de drones y algoritmos entrenados por inteligencia artificial, específicamente mediante el uso de deep learning. Las actividades realizadas consistieron en el procesamiento de imágenes cenitales de cultivos extensivos con el objetivo de evaluar el acierto del algoritmo de la empresa para la detección de adversidades bióticas como malezas, insectos y enfermedades. Además, se realizaron tareas de entrenamiento del algoritmo, donde se manifestaron oportunidades de mejora para la detección de elementos que aún no se consideraban. Durante el procesamiento se logró integrar contenidos desarrollados durante la carrera de agronomía, principalmente aquellos obtenidos en el curso de morfología vegetal, sistemática vegetal, fitopatología, cerealicultura, cultivos regionales y oleaginosas, entre otros. Este trabajo permitió valorar la importancia de la tecnología disponible en inteligencia artificial para el seguimiento de los cultivos extensivos y la importancia de su calibración para generar información que permitan tomar decisiones que colaboren con la sustentabilidad de los sistemas productivos.Ingeniero AgrónomoUniversidad Nacional de La PlataFacultad de Ciencias Agrarias y ForestalesFerro, Daniel AdalbertoMur, Matilde2025-05-26info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionTesis de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/180080spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc/4.0/Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:49:08Zoai:sedici.unlp.edu.ar:10915/180080Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:49:09.219SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Control de calidad de imágenes para identificación de adversidades en cultivos agrícolas extensivos procesadas con inteligencia artificial |
title |
Control de calidad de imágenes para identificación de adversidades en cultivos agrícolas extensivos procesadas con inteligencia artificial |
spellingShingle |
Control de calidad de imágenes para identificación de adversidades en cultivos agrícolas extensivos procesadas con inteligencia artificial Rozemblum, Guillermo Ciencias Agrarias inteligencia artificial agricultura de precisión Imágenes |
title_short |
Control de calidad de imágenes para identificación de adversidades en cultivos agrícolas extensivos procesadas con inteligencia artificial |
title_full |
Control de calidad de imágenes para identificación de adversidades en cultivos agrícolas extensivos procesadas con inteligencia artificial |
title_fullStr |
Control de calidad de imágenes para identificación de adversidades en cultivos agrícolas extensivos procesadas con inteligencia artificial |
title_full_unstemmed |
Control de calidad de imágenes para identificación de adversidades en cultivos agrícolas extensivos procesadas con inteligencia artificial |
title_sort |
Control de calidad de imágenes para identificación de adversidades en cultivos agrícolas extensivos procesadas con inteligencia artificial |
dc.creator.none.fl_str_mv |
Rozemblum, Guillermo |
author |
Rozemblum, Guillermo |
author_facet |
Rozemblum, Guillermo |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ferro, Daniel Adalberto Mur, Matilde |
dc.subject.none.fl_str_mv |
Ciencias Agrarias inteligencia artificial agricultura de precisión Imágenes |
topic |
Ciencias Agrarias inteligencia artificial agricultura de precisión Imágenes |
dc.description.none.fl_txt_mv |
El trabajo final de carrera para obtener el título de ingeniero agrónomo de la Facultad de Ciencias Agrarias y Forestales de la UNLP se realizó bajo la modalidad de práctica profesional. Las actividades realizadas se enmarcaron en un trabajo temporario en la empresa “Taranis”, que se realizó de manera manera remota con la cooperación de profesionales radicados en distintas partes del mundo. La empresa “Taranis” se desempeña en el área de agricultura de precisión, brindando servicios de monitoreo de cultivos a distancia a imágenes de drones y algoritmos entrenados por inteligencia artificial, específicamente mediante el uso de deep learning. Las actividades realizadas consistieron en el procesamiento de imágenes cenitales de cultivos extensivos con el objetivo de evaluar el acierto del algoritmo de la empresa para la detección de adversidades bióticas como malezas, insectos y enfermedades. Además, se realizaron tareas de entrenamiento del algoritmo, donde se manifestaron oportunidades de mejora para la detección de elementos que aún no se consideraban. Durante el procesamiento se logró integrar contenidos desarrollados durante la carrera de agronomía, principalmente aquellos obtenidos en el curso de morfología vegetal, sistemática vegetal, fitopatología, cerealicultura, cultivos regionales y oleaginosas, entre otros. Este trabajo permitió valorar la importancia de la tecnología disponible en inteligencia artificial para el seguimiento de los cultivos extensivos y la importancia de su calibración para generar información que permitan tomar decisiones que colaboren con la sustentabilidad de los sistemas productivos. Ingeniero Agrónomo Universidad Nacional de La Plata Facultad de Ciencias Agrarias y Forestales |
description |
El trabajo final de carrera para obtener el título de ingeniero agrónomo de la Facultad de Ciencias Agrarias y Forestales de la UNLP se realizó bajo la modalidad de práctica profesional. Las actividades realizadas se enmarcaron en un trabajo temporario en la empresa “Taranis”, que se realizó de manera manera remota con la cooperación de profesionales radicados en distintas partes del mundo. La empresa “Taranis” se desempeña en el área de agricultura de precisión, brindando servicios de monitoreo de cultivos a distancia a imágenes de drones y algoritmos entrenados por inteligencia artificial, específicamente mediante el uso de deep learning. Las actividades realizadas consistieron en el procesamiento de imágenes cenitales de cultivos extensivos con el objetivo de evaluar el acierto del algoritmo de la empresa para la detección de adversidades bióticas como malezas, insectos y enfermedades. Además, se realizaron tareas de entrenamiento del algoritmo, donde se manifestaron oportunidades de mejora para la detección de elementos que aún no se consideraban. Durante el procesamiento se logró integrar contenidos desarrollados durante la carrera de agronomía, principalmente aquellos obtenidos en el curso de morfología vegetal, sistemática vegetal, fitopatología, cerealicultura, cultivos regionales y oleaginosas, entre otros. Este trabajo permitió valorar la importancia de la tecnología disponible en inteligencia artificial para el seguimiento de los cultivos extensivos y la importancia de su calibración para generar información que permitan tomar decisiones que colaboren con la sustentabilidad de los sistemas productivos. |
publishDate |
2025 |
dc.date.none.fl_str_mv |
2025-05-26 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/acceptedVersion Tesis de grado http://purl.org/coar/resource_type/c_7a1f info:ar-repo/semantics/tesisDeGrado |
format |
bachelorThesis |
status_str |
acceptedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/180080 |
url |
http://sedici.unlp.edu.ar/handle/10915/180080 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc/4.0/ Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) |
dc.format.none.fl_str_mv |
application/pdf |
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_ |
1844616352864665600 |
score |
13.070432 |