Smart insect-pest management for cotton crops

En esta investigación, abordamos el problema del manejo inteligente de plagas de insectos para cultivos de algodón. Para el estudio de esta problemática nos hemos posicionado en el marco del paradigma de la Agricultura Inteligente. En este contexto, la agricultura inteligente, también conocida como agricultura de precisión o agricultura digital, implica el uso de tecnologías avanzadas para mejorar la productividad, la eficiencia y la sostenibilidad agrícolas. Su objetivo es utilizar enfoques innovadores y basados en datos, para optimizar las prácticas agrícolas y reducir el desperdicio de recursos al tiempo que se garantiza la seguridad alimentaria. El desarrollo de enfoques que ayuden en la toma de decisiones para la gestión inteligente de plagas de insectos para la agricultura es necesario para evitar la propagación masiva de plagas de insectos y el aumento del impacto ambiental. A pesar de la existencia de avances en agricultura inteligente, el manejo integrado de plagas de insectos sigue siendo un desafío. Para abordar este problema, nuestro objetivo fue desarrollar metodologías, modelos y enfoques para apoyar la toma de decisiones relacionadas con el manejo inteligente de plagas de insectos para cultivos de algodón. Para lograr este objetivo se plantearon varios subobjetivos, el primero fue diseñar una arquitectura metacognitiva para el manejo inteligente de plagas del algodón, el segundo fue implementar modelos de conocimiento para el manejo inteligente de plagas del algodón, y el tercero fue implementar novedosos conceptos de Inteligencia Artificial para el desarrollo de modelos de conocimiento. Particularmente, se desarrollaron varios artículos de investigación para cumplir con los objetivos propuestos en esta tesis. Inicialmente se realizó un artículo de revisión sobre las últimas tendencias en Agricultura Inteligente utilizando inteligencia artificial y técnicas de sensado para el manejo de plagas de insectos y enfermedades en algodón. Por otro lado, para el primer subobjetivo se realizó un artículo donde se proponía una arquitectura metacognitiva con tareas metacognitivas (meta-memoria, meta-aprendizaje, meta-razonamiento, meta-comprensión y meta-conocimiento) para la gestión inteligente de plagas. Para cumplir con el segundo subobjetivo se propusieron dos artículos. El primer artículo es un modelo de clasificación de la población del picudo algodonero y el segundo artículo presentó un sistema de clasificación difusa para analizar el rendimiento de la producción de algodón. En cuanto al tercer subobjetivo, se propusieron dos artículos. El primer artículo trata sobre un sistema con ciclos autónomos de análisis de datos para la gestión integrada del algodón. Y el segundo artículo muestra cómo mejorar la clasificación de plagas de insectos en algodón utilizando técnicas de Aprendizaje por Transferencia. En cada artículo, las estrategias/modelos se evaluaron utilizando varios conjuntos de datos. Los resultados mostraron la capacidad de las metodologías y modelos desarrollados para la toma de decisiones en el manejo inteligente de plagas de insectos en cultivos de algodón. Específicamente, nuestras propuestas permiten la predicción de los comportamientos del picudo del algodonero, el diagnóstico/predicción del rendimiento del algodón y la prescripción de estrategias para el manejo del algodón en el marco de una arquitectura metacognitiva, con buenos resultados en las métricas de rendimiento.

• Autores: Toscano Miranda, Raúl Emiro
• Fecha de publicación: 2024
• Institución: Universidad EAFIT
• Repositorio: Repositorio EAFIT
• Idioma: spa
• OAI Identifier: oai:repository.eafit.edu.co:10784/33720
• Acceso en línea: https://hdl.handle.net/10784/33720
• Palabra clave: Inteligencia artificial; Aprendizaje automático; Modelización predictiva; Modelización prescriptiva; Agricultura inteligente; Agricultura de precisión; Algodón; ALGODÓN - ENFERMEDADES Y PLAGAS; PLAGAS AGRÍCOLAS; PATOLOGÍA VEGETAL; PLANTAS - DAÑOS Y LESIONES; Artificial intelligence; Machine learning; Predictive modeling; Prescriptive modeling; Smart agriculture; Precision agriculture; Cotton
• License: Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)