Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ELÉCTRICA
Departamento Académico de Ingeniería
Escuela Profesional de Ingeniería de Sistemas
TÍTULO
“Sistema basado en Inteligencia Artificial para la detección de plagas en el cultivo
de arroz en la región Amazonas.”
2021-01
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.
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.
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.
UTILIZAR UN GRÁFICO DE TIEMPO PARA MOSTRAR LOS ESTUDIOS QUE SE HAN REALIZADO A TRAVÉS DEL TIEMPO
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.
Acciones Humanas
Enfermeda
d
AGROECOSISTEMA:
Ambiente Físico Enfermedades
Cultivo Medio Población Población Hombre
Ambien de de
te hospedaje patógeno
Insectos Malezas
Malezas
METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA – 7 CICLO
FACULTAD DE INGENIERÍA DE SISTEMAS Y MECÁNICA
ELÉCTRICA
Departamento Académico de Ingeniería
Escuela Profesional de Ingeniería de Sistemas
TÍTULO: “SISTEMA BASADO EN INTELIGENCIA ARTIFICIAL PARA LA DETECCION DE PLAGAS EN EL CULTIVO DE ARROZ EN LA REGION DE AMAZONAS”
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
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
FACULTAD DE INGENIERÍA DE SISTEMAS Y MECÁNICA
ELÉCTRICA
Departamento Académico de Ingeniería
Escuela Profesional de Ingeniería de Sistemas
TÍTULO: “SISTEMA BASADO EN INTELIGENCIA ARTIFICIAL PARA LA DETECCION DE PLAGAS EN EL CULTIVO DE ARROZ EN LA REGION DE AMAZONAS”
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
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
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