Mostrar el registro sencillo del ítem
Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación
dc.contributor.advisor | Mejia Cabrera, Heber Ivan | |
dc.contributor.author | Arcila Diaz, Liliana Nataly | |
dc.date.accessioned | 2024-09-23T20:27:44Z | |
dc.date.available | 2024-09-23T20:27:44Z | |
dc.date.issued | 2024 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12802/13018 | |
dc.description.abstract | La estimación precisa de la producción de cultivos frutales es crucial para mejorar la planificación agrícola, optimizando la cosecha, el almacenamiento y la distribución, y, en última instancia, gestionando de manera más eficiente la cadena de suministro agrícola. Este estudio presenta una revisión sistemática sobre el uso de métodos de inteligencia artificial (IA) y machine learning (ML) en la estimación de la producción de cultivos frutales. Aplicando la metodología PRISMA, se identificaron 266 documentos en las bases de datos Scopus y Web of Science, de los cuales se analizaron 21 tras aplicar criterios de inclusión y exclusión. La investigación examina qué cultivos frutales utilizan técnicas de machine learning para la estimación de producción y qué técnicas muestran el mejor desempeño en la estimación o conteo de cultivos. Se identificaron tendencias emergentes, como la integración de variables climáticas, el uso de imágenes multiespectrales y la implementación de sistemas en tiempo real. Se propone una agenda de investigación para abordar las lagunas existentes, enfocándose en el desarrollo de soluciones ligeras y escalables para su implementación práctica en la agricultura. | es_PE |
dc.description.uri | Trabajo de investigación | es_PE |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad Señor de Sipán | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ | * |
dc.source | Repositorio Institucional - USS | es_PE |
dc.source | Repositorio Institucional USS | es_PE |
dc.subject | Fruit production | es_PE |
dc.subject | Production estimation | es_PE |
dc.subject | Machine learning | es_PE |
dc.subject | PRISMA Statement | es_PE |
dc.subject | Precision agriculture | es_PE |
dc.title | Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación | es_PE |
dc.type | info:eu-repo/semantics/bachelorThesis | es_PE |
thesis.degree.grantor | Universidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y Urbanismo | es_PE |
thesis.degree.name | Bachiller en Ingeniería de Sistemas | es_PE |
thesis.degree.discipline | Ingeniería de Sistemas | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.04 | es_PE |
renati.advisor.dni | 41639565 | |
renati.advisor.orcid | https://orcid.org/0000-0002-0007-0928 | es_PE |
renati.author.dni | 48085003 | |
renati.discipline | 612076 | es_PE |
renati.level | https://purl.org/pe-repo/renati/level#bachiller | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#trabajoDeInvestigacion | es_PE |
dc.description.lineadeinvestigacion | Ciencias de la información como herramientas multidisciplinares y estratégicas en el contexto industrial y de organizaciones | es_PE |
dc.publisher.country | PE | es_PE |
dc.description.sublineadeinvestigacion | Informática y transformación digital en el contexto industrial y organizacional. | es_PE |