Implementación de un prototipo para la clasificación y el monitoreo de fallas de cercas eléctricas ganaderas usando Machine Learning

The use of electric fences is of vital importance for the agricultural sector worldwide, as they provide security and protection to crops, animals and properties. Its operation is of constant use with exposure to climatic changes, these factors in the long term cause inefficiency in the fence, there...

Full description

Autores:: Perez, Cristian Fabian

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2022

Institución:: Universidad Antonio Nariño

Repositorio:: Repositorio UAN

Idioma:: spa

id	UAntonioN2_4247484b05939e0e93458eb4797946ed
oai_identifier_str	oai:repositorio.uan.edu.co:123456789/6913
network_acronym_str	UAntonioN2
network_name_str	Repositorio UAN
repository_id_str
dc.title.es_ES.fl_str_mv	Implementación de un prototipo para la clasificación y el monitoreo de fallas de cercas eléctricas ganaderas usando Machine Learning
title	Implementación de un prototipo para la clasificación y el monitoreo de fallas de cercas eléctricas ganaderas usando Machine Learning
spellingShingle	Implementación de un prototipo para la clasificación y el monitoreo de fallas de cercas eléctricas ganaderas usando Machine Learning Energizador voltaje algoritmo machine learning Energizer voltaje algorithm machine learning
title_short	Implementación de un prototipo para la clasificación y el monitoreo de fallas de cercas eléctricas ganaderas usando Machine Learning
title_full	Implementación de un prototipo para la clasificación y el monitoreo de fallas de cercas eléctricas ganaderas usando Machine Learning
title_fullStr	Implementación de un prototipo para la clasificación y el monitoreo de fallas de cercas eléctricas ganaderas usando Machine Learning
title_full_unstemmed	Implementación de un prototipo para la clasificación y el monitoreo de fallas de cercas eléctricas ganaderas usando Machine Learning
title_sort	Implementación de un prototipo para la clasificación y el monitoreo de fallas de cercas eléctricas ganaderas usando Machine Learning
dc.creator.fl_str_mv	Perez, Cristian Fabian
dc.contributor.advisor.spa.fl_str_mv	Diaz Salas, Sergio Andres
dc.contributor.author.spa.fl_str_mv	Perez, Cristian Fabian
dc.subject.es_ES.fl_str_mv	Energizador voltaje algoritmo machine learning
topic	Energizador voltaje algoritmo machine learning Energizer voltaje algorithm machine learning
dc.subject.keyword.es_ES.fl_str_mv	Energizer voltaje algorithm machine learning
description	The use of electric fences is of vital importance for the agricultural sector worldwide, as they provide security and protection to crops, animals and properties. Its operation is of constant use with exposure to climatic changes, these factors in the long term cause inefficiency in the fence, therefore, it is of utmost importance to analyze and monitor its performance.
publishDate	2022
dc.date.accessioned.none.fl_str_mv	2022-09-01T19:15:49Z
dc.date.available.none.fl_str_mv	2022-09-01T19:15:49Z
dc.date.issued.spa.fl_str_mv	2022-06-02
dc.type.spa.fl_str_mv	Trabajo de grado (Pregrado y/o Especialización)
dc.type.coar.spa.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion.none.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
format	http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv	http://repositorio.uan.edu.co/handle/123456789/6913
dc.identifier.bibliographicCitation.spa.fl_str_mv	AGASYS. (2018). El efecto multiplicador del aprendizaje automático en las empresas. Obtenido de: https://agasys.com.mx/2018/07/13/el-efecto-multiplicador-delaprendizaje-automatico-en-las-empresas/ Ali, A. S. J., Abdullah, L., Musa, M., Yunos, M. A., Ki, N. W. W., Tukiran, Z., ... & Zainuddin, M. H. A. J. (2020, September). Towards IoT-based Notification System for Agriculture Electric Fence. In 2020 IEEE Student Conference on Research and Development (SCOReD) (pp. 269-273). IEEE. Antao, L., Pinto, R., Reis, J., & Gonçalves, G. (2018). Requirements for testing and validating the industrial internet of things. In 2018 IEEE International Conference on Software Testing, Verification and Validation Workshops (ICSTW) (pp. 110-115). IEEE. Balcells, J., Autonell, J., & Barra, V. (2010). Eficiencia en el uso de la energía eléctrica. Marcombo. Banikoi, H., Thapa, S., Bhattarai, N., Kandel, R. C., Chaudhary, S., Timalsina, N., ... & Pokheral, C. P. (2017). Mitigating human-wildlife conflict in Nepal: A case study of fences around Chitwan National Park. International Centre for Integrated Mountain Development (ICIMOD). Bouloukakis, G., Georgantas, N., Ntumba, P., & Issarny, V. (2019). Automated synthesis of mediators for middleware-layer protocol interoperability in the IoT. Future Generation Computer Systems, 101, 1271-1294. Carmona, M. H. C., & Pulgarín, D. E. G. (2010). Una propuesta de sistema de costos para el sector ganadero. Trabajos de Grado Contaduría UdeA, 4(1). Contexto Ganadero. (2014). Las 3 regiones del país más peligrosas para los ganaderos. Obtenido de: https://www.contextoganadero.com/regiones/las-3-regiones-del-paismas-peligrosas-para-los-ganaderos Contexto Ganadero. (2018). Numerosos dispositivos electrónicos se han fabricado para medir y detectar fallas en cercas eléctricas. Obtenido de: https://www.contextoganadero.com/ganaderia-sostenible/su-cerca-electrica-estafallando-aqui-le-contamos-por-que-y-como-resolverlo Gómez, J. E., Castaño, S., Mercado, T., Fernandez, A., & Garcia, J. (2017). Sistema de Internet de las cosas (IoT) para el monitoreo de cultivos protegidos. Ingeniería e Innovación, 5(1).
dc.identifier.instname.spa.fl_str_mv	instname:Universidad Antonio Nariño
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional UAN
dc.identifier.repourl.spa.fl_str_mv	repourl:https://repositorio.uan.edu.co/
url	http://repositorio.uan.edu.co/handle/123456789/6913
identifier_str_mv	AGASYS. (2018). El efecto multiplicador del aprendizaje automático en las empresas. Obtenido de: https://agasys.com.mx/2018/07/13/el-efecto-multiplicador-delaprendizaje-automatico-en-las-empresas/ Ali, A. S. J., Abdullah, L., Musa, M., Yunos, M. A., Ki, N. W. W., Tukiran, Z., ... & Zainuddin, M. H. A. J. (2020, September). Towards IoT-based Notification System for Agriculture Electric Fence. In 2020 IEEE Student Conference on Research and Development (SCOReD) (pp. 269-273). IEEE. Antao, L., Pinto, R., Reis, J., & Gonçalves, G. (2018). Requirements for testing and validating the industrial internet of things. In 2018 IEEE International Conference on Software Testing, Verification and Validation Workshops (ICSTW) (pp. 110-115). IEEE. Balcells, J., Autonell, J., & Barra, V. (2010). Eficiencia en el uso de la energía eléctrica. Marcombo. Banikoi, H., Thapa, S., Bhattarai, N., Kandel, R. C., Chaudhary, S., Timalsina, N., ... & Pokheral, C. P. (2017). Mitigating human-wildlife conflict in Nepal: A case study of fences around Chitwan National Park. International Centre for Integrated Mountain Development (ICIMOD). Bouloukakis, G., Georgantas, N., Ntumba, P., & Issarny, V. (2019). Automated synthesis of mediators for middleware-layer protocol interoperability in the IoT. Future Generation Computer Systems, 101, 1271-1294. Carmona, M. H. C., & Pulgarín, D. E. G. (2010). Una propuesta de sistema de costos para el sector ganadero. Trabajos de Grado Contaduría UdeA, 4(1). Contexto Ganadero. (2014). Las 3 regiones del país más peligrosas para los ganaderos. Obtenido de: https://www.contextoganadero.com/regiones/las-3-regiones-del-paismas-peligrosas-para-los-ganaderos Contexto Ganadero. (2018). Numerosos dispositivos electrónicos se han fabricado para medir y detectar fallas en cercas eléctricas. Obtenido de: https://www.contextoganadero.com/ganaderia-sostenible/su-cerca-electrica-estafallando-aqui-le-contamos-por-que-y-como-resolverlo Gómez, J. E., Castaño, S., Mercado, T., Fernandez, A., & Garcia, J. (2017). Sistema de Internet de las cosas (IoT) para el monitoreo de cultivos protegidos. Ingeniería e Innovación, 5(1). instname:Universidad Antonio Nariño reponame:Repositorio Institucional UAN repourl:https://repositorio.uan.edu.co/
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.rights.none.fl_str_mv	Acceso abierto
dc.rights.license.spa.fl_str_mv	Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
dc.rights.uri.spa.fl_str_mv	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) Acceso abierto https://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.publisher.spa.fl_str_mv	Universidad Antonio Nariño
dc.publisher.program.spa.fl_str_mv	Ingeniería Electrónica
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingeniería Mecánica, Electrónica y Biomédica
dc.publisher.campus.spa.fl_str_mv	Villavicencio
institution	Universidad Antonio Nariño
bitstream.url.fl_str_mv	https://repositorio.uan.edu.co/bitstreams/20f708c6-fe5d-4e7f-af31-2cf0a0204ba4/download https://repositorio.uan.edu.co/bitstreams/8c9162d9-b409-4089-8913-e5c6ce8b0fd2/download https://repositorio.uan.edu.co/bitstreams/590efd04-e5e3-45d5-8b91-c3de056accc6/download https://repositorio.uan.edu.co/bitstreams/8143c4b3-886c-451f-953f-0f0de0133ebf/download https://repositorio.uan.edu.co/bitstreams/2d71e992-9bd0-45d6-a5da-f4273eb5bb1f/download
bitstream.checksum.fl_str_mv	ae50d5da7a32c5e0e6a591eed65afefe 08f4a5f8034afbbc3ed457785a75be0a 9d6cd88f513afd1e78748500c29b7b22 638d9ecd0a679a7e81b7e21eabca183e 9868ccc48a14c8d591352b6eaf7f6239
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional UAN
repository.mail.fl_str_mv	alertas.repositorio@uan.edu.co
_version_	1812928350355718144
spelling	Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)Acceso abiertohttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Diaz Salas, Sergio AndresPerez, Cristian Fabian204419168462022-09-01T19:15:49Z2022-09-01T19:15:49Z2022-06-02http://repositorio.uan.edu.co/handle/123456789/6913AGASYS. (2018). El efecto multiplicador del aprendizaje automático en las empresas. Obtenido de: https://agasys.com.mx/2018/07/13/el-efecto-multiplicador-delaprendizaje-automatico-en-las-empresas/Ali, A. S. J., Abdullah, L., Musa, M., Yunos, M. A., Ki, N. W. W., Tukiran, Z., ... & Zainuddin, M. H. A. J. (2020, September). Towards IoT-based Notification System for Agriculture Electric Fence. In 2020 IEEE Student Conference on Research and Development (SCOReD) (pp. 269-273). IEEE.Antao, L., Pinto, R., Reis, J., & Gonçalves, G. (2018). Requirements for testing and validating the industrial internet of things. In 2018 IEEE International Conference on Software Testing, Verification and Validation Workshops (ICSTW) (pp. 110-115). IEEE.Balcells, J., Autonell, J., & Barra, V. (2010). Eficiencia en el uso de la energía eléctrica. Marcombo.Banikoi, H., Thapa, S., Bhattarai, N., Kandel, R. C., Chaudhary, S., Timalsina, N., ... & Pokheral, C. P. (2017). Mitigating human-wildlife conflict in Nepal: A case study of fences around Chitwan National Park. International Centre for Integrated Mountain Development (ICIMOD).Bouloukakis, G., Georgantas, N., Ntumba, P., & Issarny, V. (2019). Automated synthesis of mediators for middleware-layer protocol interoperability in the IoT. Future Generation Computer Systems, 101, 1271-1294.Carmona, M. H. C., & Pulgarín, D. E. G. (2010). Una propuesta de sistema de costos para el sector ganadero. Trabajos de Grado Contaduría UdeA, 4(1).Contexto Ganadero. (2014). Las 3 regiones del país más peligrosas para los ganaderos. Obtenido de: https://www.contextoganadero.com/regiones/las-3-regiones-del-paismas-peligrosas-para-los-ganaderosContexto Ganadero. (2018). Numerosos dispositivos electrónicos se han fabricado para medir y detectar fallas en cercas eléctricas. Obtenido de: https://www.contextoganadero.com/ganaderia-sostenible/su-cerca-electrica-estafallando-aqui-le-contamos-por-que-y-como-resolverloGómez, J. E., Castaño, S., Mercado, T., Fernandez, A., & Garcia, J. (2017). Sistema de Internet de las cosas (IoT) para el monitoreo de cultivos protegidos. Ingeniería e Innovación, 5(1).instname:Universidad Antonio Nariñoreponame:Repositorio Institucional UANrepourl:https://repositorio.uan.edu.co/The use of electric fences is of vital importance for the agricultural sector worldwide, as they provide security and protection to crops, animals and properties. Its operation is of constant use with exposure to climatic changes, these factors in the long term cause inefficiency in the fence, therefore, it is of utmost importance to analyze and monitor its performance.E l uso de las cerca s eléctricas es de vital importancia para el sector de la agricultura en todo el mundo, ya que brindan seguridad y protección a los cultivos, animales y propiedades. Su funcionamiento es de uso constante con exposición a cambios climáticos, estos factores a largo plazo ocasionan ineficiencia en el cercado, por lo tanto, es de suma importancia analizar y monitorear su funcionamiento.Ingeniero(a) Electrónico(a)PregradoPresencialProyectospaUniversidad Antonio NariñoIngeniería ElectrónicaFacultad de Ingeniería Mecánica, Electrónica y BiomédicaVillavicencioEnergizadorvoltajealgoritmomachine learningEnergizervoltajealgorithmmachine learningImplementación de un prototipo para la clasificación y el monitoreo de fallas de cercas eléctricas ganaderas usando Machine LearningTrabajo de grado (Pregrado y/o Especialización)http://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85EspecializadaORIGINAL2022_CristianFabianPerez2022_CristianFabianPerezProyecto finalapplication/pdf3118039https://repositorio.uan.edu.co/bitstreams/20f708c6-fe5d-4e7f-af31-2cf0a0204ba4/downloadae50d5da7a32c5e0e6a591eed65afefeMD512022_CristianFabianPerez2022_CristianFabianPerezRev. Turnitinapplication/pdf3048723https://repositorio.uan.edu.co/bitstreams/8c9162d9-b409-4089-8913-e5c6ce8b0fd2/download08f4a5f8034afbbc3ed457785a75be0aMD522022_CristianFabianPerez_Autorización2022_CristianFabianPerez_AutorizaciónAutorización de autoresapplication/pdf152418https://repositorio.uan.edu.co/bitstreams/590efd04-e5e3-45d5-8b91-c3de056accc6/download9d6cd88f513afd1e78748500c29b7b22MD532022_CristianFabianPerez_Acta2022_CristianFabianPerez_ActaActa de sustentaciónapplication/pdf428354https://repositorio.uan.edu.co/bitstreams/8143c4b3-886c-451f-953f-0f0de0133ebf/download638d9ecd0a679a7e81b7e21eabca183eMD54CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.uan.edu.co/bitstreams/2d71e992-9bd0-45d6-a5da-f4273eb5bb1f/download9868ccc48a14c8d591352b6eaf7f6239MD55123456789/6913oai:repositorio.uan.edu.co:123456789/69132024-10-09 23:06:23.16https://creativecommons.org/licenses/by-nc-nd/4.0/Acceso abiertoopen.accesshttps://repositorio.uan.edu.coRepositorio Institucional UANalertas.repositorio@uan.edu.co

Implementación de un prototipo para la clasificación y el monitoreo de fallas de cercas eléctricas ganaderas usando Machine Learning

Publicaciones similares