Plantilla Exposición FISME (Autoguardado)

FACULTAD DE INGENIERÍA DE SISTEMAS Y MECÁNICA
ELÉCTRICA
Departamento Académico de Ingeniería
Escuela Profesional de Ingeniería de Sistemas
Metodología de la Investigación Científica

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO
ELÉCTRICA
TÍTULO
“Sistema basado en Inteligencia Artificial para la detección de plagas en el cultivo
de arroz en la región Amazonas.”
ALUMNO: Fiorela Sthefany Estela Ambulay

CARRERA: Ingeniería de Sistemas
2021-01

ELÉCTRICA
TÍTULO: “SISTEMA BASADO EN INTELIGENCIA ARTIFICIAL PARA LA DETECCION DE PLAGAS EN EL CULTIVO DE ARROZ EN LA REGION DE AMAZONAS”
PROBLEMA DE INVESTIGACIÓN
La agricultura es un conjunto de actividades económicas y técnicas relacionadas con el tratamiento de suelo y el cultivo de la tierra para la producción de alimentos.
Sin embargo, en los últimos años la agricultura viene siendo afectada por las diferentes enfermedades y plagas presentadas en las plantas, que cada vez son
mayores, lo que causa pérdidas significativas a los agricultores y amenaza la seguridad alimentaria. Por ello es importante saber identificar los tipos de plagas, en un
estudio de su tipología, podemos encontrar mucha variedad, desde plagas de suelo, insectos, algunas aves y mamíferos, plantas invasoras, babosas, así como
epidemias, enfermedades e incluso virus.

ELÉCTRICA
OBJETIVOS
Objetivo General: Diseñar e implementa un sistema para hacer uso de la inteligencia artificial para
la detección de plagas en cultivo de arroz y mejora de las cosechas en Amazonas.
Objetivo Específico 1: Objetivo Específico 2: Objetivo Específico 3:

Reducir el tiempo promedio utilizado
Incrementar el nivel de información Incrementar el nivel de información del
por el agricultor para la identificación
que se tiene acerca de la plaga o agroquímico que se aplicará según la
de una plaga o enfermedad en el
enfermedad identificada . plaga o enfermedad identificada . cultivo de arroz.

ELÉCTRICA
ANTECEDENTES DE INVESTIGACIÓN
Las soluciones tecnológicas basadas en
Las tecnologías que El estudio propuesto basado en
IA han permitido a los agricultores
comparten la inteligencia inteligencia artificial para la detección de
producir más productos con menos
artificial, ayudan a mejorar plagas en el cultivo de arroz se realizara
insumos e incluso mejorar la calidad de
diferentes campos en el en el distrito de Cajaruro .
los productos, lo que también garantiza
sector agrícola.
una salida al mercado más rápida de los
cultivos obtenidos.
Mejora el rendimiento de En distrito propuesto los agricultores

En Amazonas todavía se sigue utilizando
los cultivos, riego, calidad desarrollan sus cultivos de manera
de suelo, deshierbe y los métodos tradicionales por los
agricultores, muchos de ello todavía no tradicional, tanto para el riego ,mejora del
control de plagas. suelo ,control de pagas etc.
esta familiarizados con las nuevas
tecnologías.
UTILIZAR UN GRÁFICO DE TIEMPO PARA MOSTRAR LOS ESTUDIOS QUE SE HAN REALIZADO A TRAVÉS DEL TIEMPO

ELÉCTRICA
METODOLOGÍA
Concepto Características
Población La población son 243 productores de arroz en el distrito de Cajaruro, registrados en el
padrón de asociados del Comité de Productores de Arroz Utcubamba.
Muestra El subgrupo de la población del cual se recolectarán los datos es una muestra de 66
productores de arroz.
Variables de Estudio Variable Independiente: Sistema basado en inteligencia artificial como indentificador
de plagas del cultivo de arroz.
Variable Dependiente: Proceso de identificación de plagas del cultivo de arroz.
Métodos Identificación
Entrevista
Encuesta.
Análisis de Datos Análisis estadístico con la herramienta SPSS

ELÉCTRICA
PROPUESTA DE SOLUCIÓN DESARROLLO DE ENFERMEDADES

Tiempo
Acciones Humanas
Enfermeda
d
AGROECOSISTEMA:
Ambiente Físico Enfermedades
Cultivo Medio Población Población Hombre
Ambien de de
te hospedaje patógeno
Insectos Malezas
Malezas
ELÉCTRICA
AGRICULTURA(INTELIGENCIA ARTIFICIAL)
PLAN INTEGRADO DE CONTROL DE PLAGAS
,
a : no s
s t s alta R
a
ue s y ob
Sistem Propieda p
s o y P
Re ltiv lidad n t ara ots:
u ó
C ca cci p ata la r
a
- Recursos d de odu os lan mi ins til
U
- -Cultivos r
p gr e s e
tas nt pe iza
tom a e n pa ra
o cc ció
de
.
económicos
ltivos r
in
- -Suelos ió n
a
mejor
de n
.
y
- -Tierra - -Plagas la
: si rv
la cal nes ,para

n
- -Mano de obra
de cu
za
it li bre
toreo
u so
- -Capital se trol
idad
s: n
Moni
o
ne l c o
decisi
- -Administración Cultivos(Pató o e
Monito Dr ra ltivo
la
reo: sec
genos) a
- Factores observa
ciones
uencia p u
de el c
confirm para
Socioculturales de plaga
ar la
existenc
s. ia
- -Experiencia
- -Nivel educativo
- -Incertidumbre y
Plan de manejo
riesgo
- -Preocupaciones de
plagasDE
METODOLOGÍA y daños
LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO
ELÉCTRICA
ESTADO DEL ARTE

TIPOLOGIA Nº PAPER TÌTULO AUTOR AÑO PAÌS FUENTE
Redmond Ramin Shamshiri,
Cornelia, Weltzien
Research and development in agricultural Ibrahim A. Hameed, Ian J.
robotics: A perspective of digital farming Yule Tony E. Grift, Siva K.
Machine learning 01 (Investigación y desarrollo en robótica
agrícola: Una perspectiva de la agricultura
Balasundram,
Pitonakova
Lenka
2018 China International Journal of Agricultural
and Biological Engineering
digital). Desa Ahmad Girish
Chowdhary
Machine Learning in Agriculture: A Review Konstantinos G. Liakos,

(Aprendizaje automático en la agricultura: Patrizia Busato, Dimitrios
Machine learning una revisión). Moshou, Simon Pearson y
02 Dionysis Bochtis. 2018 Suiza Sensors (Switzerland)
Machine learning A comprehensive review on automation in Computer Standards and

03 agriculture using artificial intelligence (Una
Kirtan Jha, Aalap Doshi,
Poojan Patel, Manan Shah 2019 Países bajos Interfaces
revisión completa sobre la automatización
en la agricultura utilizando
inteligencia artificial
Precision agriculture with drones for Barraza, Jorge A, Espinoza,
disease control in the rice plant Eduardo J. Espinos, Alonso
(Agricultura de precisión con drones para el G, Serracín, José
Machine learning control de enfermedades en la planta de Países bajos
04 arroz). 2019 Revista de Iniciación Científica

ELÉCTRICA
ESTADO DEL ARTE

Image processing based rice plant leaves
diseases in Thanjavur, Tamilnadu (La planta
Machine learning 05 de arroz basada en procesamiento de
imágenes deja enfermedades en
T. Gayathri
Neelamegam.
Devi1,
2019 Países bajos Cluster Computing
Thanjavur,Tamilnadu).
Implementation of artificial intelligence in Talaviya, Tanha,Shah,

agriculture for optimisation of irrigation Dhara, Patel,
and application of pesticides and herbicides Nivedita,Yagnik, Hiteshri
(Implementación de inteligencia artificial Shah, Manan
Artificial Intelligence Artificial Intelligence in
Agriculture 06 en agricultura para la optimización de riego
y aplicación de pesticidas y herbicidas)
2020 Países bajos Agriculture
Artificial Intelligence Misbah Pathan,Nivedita

Agriculture Artificial cognition for applications in smart Artificial Intelligence in
07 agriculture: A comprehensive review
Patel,Hiteshri Yagnik,Manan
Shah 2020 Países bajos Agriculture
(Cognición artificial para aplicaciones en
agricultura inteligente: una revisión
completa)
Scaling Up Agricultural Research With Thanh Tam Nguyen ,

Artificial Intelligence (Ampliación de la Thanh Dat Hoang , Minh
Artificial Intelligence investigación agrícola con inteligencia Tam Pham , Tuyet Trinh Vu
Agriculture artificial) ,Thanh Hung Estados Unidos
08 Nguyen,Quyet-Thang 2020 IT Professional
Huynh , Jun Jo .

ELÉCTRICA
ESTADO DEL ARTE

Thanh Tam Nguyen , Thanh
Monitoring agriculture areas with satellite
Artificial Intelligence images and deep learning (Monitoreo de
Dat Hoang , Minh Tam
Applied Soft Computing
Agriculture 09 áreas agrícolas con imágenes satelitales y
Pham , Tuyet Trinh Vu ,Thanh
Hung Nguyen,Quyet-Thang 2020 Países bajos Journal
aprendizaje profundo). Huynh , Jun Jo .
A compilation of UAV applications for Panagiotis,Radoglou,Gram

precision agriculture (Una recopilación de matikis, Panagiotis
Artificial Intelligence aplicaciones de vehículos aéreos no Sarigiannidis, Thomas
Agriculture 10 tripulados para agricultura de precisión). Lagkas Ioannis Moscholios. 2020 Países bajos Computer Networks
Yunhao Gao, Donglin Li,

Dongyang Li, Pengfei Xu,
Kaikai Mao, Yunhua Zhang, Journal of Asia-Pacific
Digital farming. 11 Efficacy of an adhesive nanopesticide on
insect pests of rice in field trials (Eficacia de
Xueying Qin, Tao Tang, Hu
Wan, Jianhong L, Mingcheng
2020 Países bajos Entomology
un nanopesticida adhesivo sobre plagas de Guo, He Shun
insectos del arroz en ensayos de campo).
Impact of Color Spaces and Feature Sets

in Automated Plant Diseases Classifer:
A Comprehensive Review Based on Rice
Plant Images (Impacto de los espacios de
color y conjuntos de características en el
Países bajos Archives of Computational
Digital farming. 12 clasificador automatizado
enfermedades de plantas: una revisión
de Toran Verma, Sipi Dubey.
2020
Methods in Engineering
completa basada en imágenes de plantas
de arroz).

ELÉCTRICA
TIPOLOGIA Nº PAPER TÌTULO ESTADOAUTOR

DEL ARTE AÑO PAÌS FUENTE
SyrAgri: A Recommender System for Diallo A.

Digital farming. Agriculture in Mali (SyrAgri: un sistema Diarra S.O.
13 de recomendación para la agricultura Diarra A.G.
Konate J.
2020 Suiza Information (Switzerland)
en Mali)
A Framework for Agricultural Pest and

Disease Monitoring Based on Internet- Demin Gao, Quan Sun,
of-Things and Unmanned Aerial Bin Hu, y Shuo Zhang.
Vehicles (Un marco para el monitoreo
Digital farming. 14 de plagas y enfermedades agrícolas 2020 Suiza Sensors (Switzerland).
basado en Internet de las cosas y
vehículos aéreos no tripulados).

Precision Rajendra P. Sishodia, Ram
agricultura en 15 Applications of Remote Sensing in
Precision Agriculture: A Review L. Ray, Sudhir K. Singh. 2020 Suiza Remote Sensing
sistema IoT (Aplicaciones de la teledetección en la
agricultura de precisión: una revisión).
Precision
agricultura en Study report on Indian agriculture G. Balakrishna, India International Journal of
sistema IoT 16 with IoT (Informe de estudio sobre
agricultura india con IoT).
Nageswara 2020 Electrical and Computer
RaoMoparth EngineeringI

ELÉCTRICA
TIPOLOGIA Nº PAPER TÌTULO

ESTADOAUTOR
DEL ARTE AÑO PAÌS FUENTE
Review of Novel and Emerging

Precision agricultura
Proximal Soil Moisture Sensors for Use
in Agriculture (Revisión de sensores
Sensors
en sistema IoT 17 proximales de humedad del suelo
Marcus Hardie
2020 Suiza (Switzerland).
nuevos y emergentes para uso en
agricultura).
Esposito, Marco,Mariano
Drone and sensor technology Crimaldi
for sustainable weed management: Valerio Cirillo,Fabrizio Chemical and
Precision agricultura a review (Tecnología de sensores y Sarghini Biological
en sistema IoT 18 drones para el manejo sostenible de Albino Maggio. 2020 Suiza Technologies in
malezas: una revisión)
Agriculture

Precision Farmers’ perspectives on field crop Spykman, O.,Gabriel, Computers and
agricultura en 19 robots – Evidence from Bavaria,
Germany
A.,Ptacek, M.,Gandorfer, 2021 Paises bajos Electronics in
M. Agriculture
sistema IoT
The future of Internet of Things in

Precision agriculture: Plant high-throughput
Fan de Jiangchuan, Ying
Zhang, Weiliang Wen,
agricultura en phenotypic platform (El futuro de Reino Unido Journal of Cleaner
sistema IoT 20 Internet de las cosas en la agricultura: Shenghao Gu, Xianju Lu,
Xinyu Guo
2021 Production
plataforma fenotípica de alto
rendimiento para plantas).

ELÉCTRICA
REFERENCIAS BIBLIOGRÁFICAS
Shamshiri, R. R., Weltzien, C., Hameed, I. A., Yule, I. J., Grift, T. E., Balasundram, S. K., Pitonakova, L., Ahmad, D., & Chowdhary, G. (2018). Research and development in agricultural robotics: A perspective
of digital farming. International Journal of Agricultural and Biological Engineering , 11(4), 1–14. https://doi.org/10.25165/IJABE.V11I4.4278
Spykman, O., Gabriel, A., Ptacek, M., & Gandorfer, M. (2021). Farmers’ perspectives on field crop robots – Evidence from Bavaria, Germany. Computers and Electronics in Agriculture , 186.
https://doi.org/10.1016/j.compag.2021.106176
Talaviya, T., Shah, D., Patel, N., Yagnik, H., & Shah, M. (2020). Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides. Artificial
Intelligence in Agriculture , 4, 58–73. https://doi.org/10.1016/j.aiia.2020.04.002
Verma, T., & Dubey, S. (2020). Impact of Color Spaces and Feature Sets in Automated Plant Diseases Classifier: A Comprehensive Review Based on Rice Plant Images. Archives of Computational Methods in
Engineering, 27(5), 1611–1632. https://doi.org/10.1007/s11831-019-09364-6
Barraza, J. A., Espinoza, E. J., Espinos, A. G., & Serracin, J. (2019). Agricultura de precisión con drones para control de enfermedades en la planta de arroz. Revista de Iniciación Científica , 5(Rev. Iniciación
Científica), 41–47. https://doi.org/10.33412/rev-ric.v5.0.2368
Bestelmeyer, B. T., Marcillo, G., McCord, S. E., Mirsky, S., Moglen, G., Neven, L. G., Peters, D., Sohoulande, C., & Wakie, T. (2020). Scaling up Agricultural Research with Artificial Intelligence. IT Professional,
22(3), 33–38. https://doi.org/10.1109/MITP.2020.2986062
Esposito, M., Crimaldi, M., Cirillo, V., Sarghini, F., & Maggio, A. (2021). Drone and sensor technology for sustainable weed management: a review. In Chemical and Biological Technologies in Agriculture (Vol.
8, Issue 1). Springer Science and Business Media Deutschland GmbH. https://doi.org/10.1186/s40538-021-00217-8
Gao, D., Sun, Q., Hu, B., & Zhang, S. (2020). A framework for agricultural pest and disease monitoring based on internet-of-things and unmanned aerial vehicles. Sensors (Switzerland), 20(5).
https://doi.org/10.3390/s20051487

ELÉCTRICA

ELÉCTRICA

Plantilla Exposición FISME (Autoguardado)

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Plantilla Exposición FISME (Autoguardado)

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE INGENIERÍA DE SISTEMAS Y MECÁNICA

Metodología de la Investigación Científica

ALUMNO: Fiorela Sthefany Estela Ambulay

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO

Objetivo Específico 1: Objetivo Específico 2: Objetivo Específico 3:

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO

Mejora el rendimiento de En distrito propuesto los agricultores

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO

Análisis de Datos Análisis estadístico con la herramienta SPSS

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO

PROPUESTA DE SOLUCIÓN DESARROLLO DE ENFERMEDADES

la cal nes ,para

ESTADO DEL ARTE

Machine Learning in Agriculture: A Review Konstantinos G. Liakos,

Machine learning A comprehensive review on automation in Computer Standards and

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO

ESTADO DEL ARTE

Implementation of artificial intelligence in Talaviya, Tanha,Shah,

Artificial Intelligence Misbah Pathan,Nivedita

Scaling Up Agricultural Research With Thanh Tam Nguyen ,

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO

ESTADO DEL ARTE

A compilation of UAV applications for Panagiotis,Radoglou,Gram

Yunhao Gao, Donglin Li,

Impact of Color Spaces and Feature Sets

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO

TIPOLOGIA Nº PAPER TÌTULO ESTADOAUTOR

SyrAgri: A Recommender System for Diallo A.

A Framework for Agricultural Pest and

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO

TIPOLOGIA Nº PAPER TÌTULO

Review of Novel and Emerging

The future of Internet of Things in

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO

METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO

También podría gustarte