Maestría en Ciencia de Datos

Permanent URI for this collection

https://vitela.javerianacali.edu.co/handle/11522/790

Browse

Browsing Maestría en Ciencia de Datos by Subject "Agricultura"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Desarrollo de un modelo predictivo para el precio de importación de pesticidas en Colombia
    (Pontificia Universidad Javeriana Cali, 2024) Ramírez Méndez, Edisson Miguel; Ramírez Amariz, Luis Felipe; González Gómez, Daniel Enrique
    La agricultura ha sido crucial para la supervivencia y el desarrollo humano, proporcionando los alimentos básicos para la dieta mundial. Sin embargo, en Colombia, la dependencia de insumos importados como insecticidas, fungicidas y herbicidas afecta significativamente los costos de producción agrícola debido a las fluctuaciones del mercado internacional. Este aumento en los precios, reflejado en el Índice de Precios al Consumidor (IPC), impacta en el costo de vida y la calidad de vida en el país. Para abordar este problema, se propone el desarrollo de un modelo predictivo para estimar los precios de estos insumos agrícolas importados. Utilizando datos de la Dirección de Impuestos y Aduanas Nacionales de Colombia (DIAN) desde 2001, el proyecto tiene como objetivo crear una herramienta que permita pronosticar los precios y ayudar a posicionar los productos agrícolas con precios más competitivos. El estudio incluye la introducción, formulación del problema, objetivos, marco de referencia, metodología, análisis de datos, evaluación del modelo, implementación y validación.
  • Thumbnail Image
    Item
    Detección de enfermedades en cultivos de banano con imágenes aéreas utilizando un modelo de Deep Learning
    (Pontificia Universidad Javeriana Cali, 2024) Enríquez Polanco, Jorge Alberto; Rodríguez Reyes, Michael; Tobón Llano, Luis Eduardo
    Este documento presenta un proyecto cuyo objetivo principal es reducir la cantidad de tiempo invertida en el monitoreo de los cultivos de banano, mediante la implementación de modelos de Aprendizaje Profundo (Deep Learning). Estos modelos se han utilizado para detectar y monitorear las enfermedades de Fusarium wilt y Xanthomonas wilt en los cultivos, empleando imágenes de alta resolución en RGB obtenidas por UAV (vehículos aéreos no tripulados). El proyecto se dirige específicamente a pequeños y medianos agricultores, con el propósito de agilizar los procesos de monitoreo de los cultivos de banano y detectar de manera temprana las enfermedades mencionadas. Para lograr este objetivo, se ha desarrollado un prototipo funcional que ha sido probado en cultivos reales. La implementación del prototipo se ha basado en los avances encontrados en el estado del arte relacionado con dispositivos y arquitecturas utilizadas en la implementación de inteligencia artificial en el monitoreo de cultivos. Además, se ha utilizado una base de datos proporcionada por el Centro Internacional de Agricultura Tropical (CIAT), que cuenta con más de 30 mil plantas de banano anotadas y etiquetadas por expertos fitopatólogos. En 3 cuanto a los objetivos cuantitativos, se ha logrado reducir en al menos un 25% el tiempo necesario para el monitoreo de los cultivos de banano, en comparación con los métodos tradicionales utilizados por los agricultores. Para lograr estos objetivos, se ha utilizado la metodología CDIO, que implica comprender inicialmente la situación, necesidad o problema en un contexto específico. A partir de esta comprensión, se ha diseñado una solución que se ha implementado realizando las modificaciones necesarias hasta llegar a la fase operativa del proyecto