Modelo inteligente para monitoreo del desarrollo de plantas de maíz

Smart model for monitoring maize plant development

  • Silvia Soledad Moreno Gutiérrez
  • Jesús Cornejo Álvarez
  • Edgar Abraham Gudiño Olguín
  • Mónica García Munguía
  • Sócrates López Pérez
Palabras clave: Maíz, Redes Neuronales Artificiales, Cambio Climático, Monitoreo, Corn, Artificial Neural Networks, Climate Change, Monitoring

Resumen

La seguridad alimentaria juega un papel crucial para la supervivencia humana, hoy en día se ve amenazada mundialmente por la variabilidad climática y por los efectos adversos que este fenómeno ha ocasionado sobre los cultivos de maíz, que, conjuntamente con el arroz y el trigo conforman el alimento más importante del mundo. Siendo el maíz uno de los cultivos más dañados por el cambio climático, es prioritario monitorear su desarrollo de manera precisa y con mayor frecuencia que la actual. Al respecto, la revisión de la literatura expresa la ausencia de herramientas computacionales de alta precisión y bajo costo que apoyen al agricultor en esta tarea, por ello, se construyó una red neuronal artificial de aprendizaje hibrido capaz de monitorear el desarrollo del cultivo e identificar posibles deficiencias de forma oportuna con una precisión del 98%; de esta forma la propuesta contribuye a reducir pérdidas y apoya la seguridad alimentaria.

Food security plays a crucial role for human survival, today it is threatened globally by climate variability and the adverse effects that this phenomenon has caused corn crops, which, together with rice and Wheat make up the most important food in the world. Corn being one of the crops most damaged by climate change, it is a priority to monitor their development of precise way and more frequently than the current one. In this regard, the literature review expresses the absence of high precision and low cost computational tools that support the farmer in this task, therefore, an artificial neural network of hybrid learning capable of monitoring crop development and identifying possible deficiencies in a timely manner with an accuracy of 98%; in this way the proposal contributes to reducing losses and supports food security

Publicado
2019-08-30