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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/180080

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