Monitoreo de riego de cultivos y detección de anomalías con machine learning
El presente trabajo resume la experiencia de desarrollo de un sistema de detección automática de anomalías en el riego de cultivos. Este proyecto se circunscribe al marco de un Trabajo Práctico Profesional de la carrera de Ingeniería en Informática de la Facultad de Ingeniería de la UBA. Los estudia...
Guardado en:
Autores principales: | , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2021
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/140911 http://50jaiio.sadio.org.ar/pdfs/est/EST-06.pdf |
Aporte de: |
id |
I19-R120-10915-140911 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas Detección de anomalías Riego de cultivos Redes neuronales Procesamiento masivo de datos IoT |
spellingShingle |
Ciencias Informáticas Detección de anomalías Riego de cultivos Redes neuronales Procesamiento masivo de datos IoT Etchanchú, Facundo Bouvier, Juan Manuel Bert, Tomás Monitoreo de riego de cultivos y detección de anomalías con machine learning |
topic_facet |
Ciencias Informáticas Detección de anomalías Riego de cultivos Redes neuronales Procesamiento masivo de datos IoT |
description |
El presente trabajo resume la experiencia de desarrollo de un sistema de detección automática de anomalías en el riego de cultivos. Este proyecto se circunscribe al marco de un Trabajo Práctico Profesional de la carrera de Ingeniería en Informática de la Facultad de Ingeniería de la UBA. Los estudiantes trabajaron con la aprobación de la agtech Ponce Automations para asistir en su misión de brindar un mejor monitoreo del estado del riego de los cultivos de sus clientes. Se describe el diseño, implementación y despliegue productivo de una arquitectura capaz de procesar datos distribuidos en forma de series temporales y su clasificación a través de una red neuronal. La solución fue implantada en producción haciendo uso de una infraestructura IoT. Los dispositivos y sensores se comunican con un satélite y vuelcan los resultados telemétricos en la nube, donde se ejecutan pipelines de procesamiento de flujo masivo de datos para clasificar cada medición y detectar potenciales anomalías. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Etchanchú, Facundo Bouvier, Juan Manuel Bert, Tomás |
author_facet |
Etchanchú, Facundo Bouvier, Juan Manuel Bert, Tomás |
author_sort |
Etchanchú, Facundo |
title |
Monitoreo de riego de cultivos y detección de anomalías con machine learning |
title_short |
Monitoreo de riego de cultivos y detección de anomalías con machine learning |
title_full |
Monitoreo de riego de cultivos y detección de anomalías con machine learning |
title_fullStr |
Monitoreo de riego de cultivos y detección de anomalías con machine learning |
title_full_unstemmed |
Monitoreo de riego de cultivos y detección de anomalías con machine learning |
title_sort |
monitoreo de riego de cultivos y detección de anomalías con machine learning |
publishDate |
2021 |
url |
http://sedici.unlp.edu.ar/handle/10915/140911 http://50jaiio.sadio.org.ar/pdfs/est/EST-06.pdf |
work_keys_str_mv |
AT etchanchufacundo monitoreoderiegodecultivosydetecciondeanomaliasconmachinelearning AT bouvierjuanmanuel monitoreoderiegodecultivosydetecciondeanomaliasconmachinelearning AT berttomas monitoreoderiegodecultivosydetecciondeanomaliasconmachinelearning |
bdutipo_str |
Repositorios |
_version_ |
1764820458156326912 |