Browsing by Subject "Avocado cultivation"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Diseño de una arquitectura de software en la nube mantenible y escalable para optimizar la siembra de aguacate hass en la región andina de Colombia
    (Pontificia Universidad Javeriana Cali, 2024) Toro Echeverria, Edwin David; Giraldo Rendón, Juan Pablo
    El proyecto de grado se centra en el diseño de una arquitectura de software adaptativa, mantenible y escalable para optimizar la siembra de aguacate Hass en la región Andina de Colombia. Este enfoque es de gran importancia debido al crecimiento de la industria del aguacate en el país y la necesidad de cuidar el medio ambiente. La problemática que se aborda es la dificultad que tienen los agricultores para tomar las mejores decisiones al momento de realizar la siembra de aguacate Hass, ya que no cuentan con las suficientes herramientas tecnológicas que les puedan brindar información precisa, como el estado del suelo, fuentes hídricas cercanas, presencia de bacterias en el medio ambiente, etc. Los objetivos del proyecto se enfocan en definir los atributos de calidad, aplicar tácticas y patrones de arquitectura, y diseñar módulos en los cuales se registren datos clave para la siembra del aguacate Hass en la región Andina de Colombia, integrando sistemas de información geográfica. Con esto se espera alcanzar resultados como la escalabilidad, disponibilidad y rendimiento de la arquitectura propuesta en este proyecto.
  • Thumbnail Image
    Item
    Metodología MLOps para la entrega continúa de un modelo de machine learning para el reconocimiento y control de las plagas stenoma catenifer y heilipus lauri en el cultivo de aguacate hass
    (Pontificia Universidad Javeriana Cali, 2024) Rodríguez Torres, Juan Felipe; Arango Londoño, David
    Este estudio se enfocó en la implementación de una metodología MLOps en la agricultura, específicamente en el cultivo del aguacate Hass, que enfrenta desafíos como las plagas. La metodología MLOps se destaca por mantener la operación y el despliegue de modelos de aprendizaje automático mientras se mejora su rendimiento. El objetivo es desarrollar un modelo de Machine Learning para el reconocimiento y control de plagas, utilizando técnicas de preprocesamiento y selección de características. Se propuso la implementación de una metodología MLOps que permitió la integración, automatización y monitoreo del modelo ML, validándola en un entorno controlado. Se creó una herramienta digital para los científicos de datos, facilitando la predicción y prevención de plagas. El proyecto generó un informe detallado del diseño, ejecución y evaluación de la metodología MLOps, así como la creación de una metodología que permita reevaluar continuamente el rendimiento del modelo de Machine Learning. Este enfoque contribuye a la sostenibilidad y productividad del sector agrícola.