Monitoreo del comportamiento ingestivo de bovinos de pastoreo mediante el desarrollo e implementación de modelos de Machine Learning
Los bovinos de pastoreo son agentes exógenos que contaminan el medio ambiente, ya que como consecuencia de su proceso de ingesta emiten metano. Por ello, es de interés caracterizar, monitorear y realizar estadísticas del tiempo que un bovino rumia y mastica. Debido a esto, el presente proyecto de gr...
- Autores:
-
Rojas Lozano, Daniela del Pilar
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2019
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/44640
- Acceso en línea:
- http://hdl.handle.net/1992/44640
- Palabra clave:
- Sensores remotos
Sistemas de recolección automática de datos
Aprendizaje automático (Inteligencia artificial)
Aplicaciones Web
Bovinos
Tierras de pastoreo
Metano
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
| id |
UNIANDES2_261eb4d32834bb42630fbafb9c5682ca |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/44640 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.es_CO.fl_str_mv |
Monitoreo del comportamiento ingestivo de bovinos de pastoreo mediante el desarrollo e implementación de modelos de Machine Learning |
| title |
Monitoreo del comportamiento ingestivo de bovinos de pastoreo mediante el desarrollo e implementación de modelos de Machine Learning |
| spellingShingle |
Monitoreo del comportamiento ingestivo de bovinos de pastoreo mediante el desarrollo e implementación de modelos de Machine Learning Sensores remotos Sistemas de recolección automática de datos Aprendizaje automático (Inteligencia artificial) Aplicaciones Web Bovinos Tierras de pastoreo Metano Ingeniería |
| title_short |
Monitoreo del comportamiento ingestivo de bovinos de pastoreo mediante el desarrollo e implementación de modelos de Machine Learning |
| title_full |
Monitoreo del comportamiento ingestivo de bovinos de pastoreo mediante el desarrollo e implementación de modelos de Machine Learning |
| title_fullStr |
Monitoreo del comportamiento ingestivo de bovinos de pastoreo mediante el desarrollo e implementación de modelos de Machine Learning |
| title_full_unstemmed |
Monitoreo del comportamiento ingestivo de bovinos de pastoreo mediante el desarrollo e implementación de modelos de Machine Learning |
| title_sort |
Monitoreo del comportamiento ingestivo de bovinos de pastoreo mediante el desarrollo e implementación de modelos de Machine Learning |
| dc.creator.fl_str_mv |
Rojas Lozano, Daniela del Pilar |
| dc.contributor.advisor.none.fl_str_mv |
Segura Quijano, Fredy Enrique |
| dc.contributor.author.none.fl_str_mv |
Rojas Lozano, Daniela del Pilar |
| dc.contributor.jury.none.fl_str_mv |
Nova Manosalva, Omar Ariel |
| dc.subject.armarc.es_CO.fl_str_mv |
Sensores remotos Sistemas de recolección automática de datos Aprendizaje automático (Inteligencia artificial) Aplicaciones Web Bovinos Tierras de pastoreo Metano |
| topic |
Sensores remotos Sistemas de recolección automática de datos Aprendizaje automático (Inteligencia artificial) Aplicaciones Web Bovinos Tierras de pastoreo Metano Ingeniería |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
Los bovinos de pastoreo son agentes exógenos que contaminan el medio ambiente, ya que como consecuencia de su proceso de ingesta emiten metano. Por ello, es de interés caracterizar, monitorear y realizar estadísticas del tiempo que un bovino rumia y mastica. Debido a esto, el presente proyecto de grado tiene como objetivo principal identificar y diferenciar los estados del comportamiento de ingesta en bovinos de pastoreo a partir de movimiento. Por lo tanto, se buscó que un modelo de aprendizaje de máquina fuese capaz de distinguir los movimientos de masticación y rumia en los bovinos. Para ello, se desarrolló un sistema de adquisición de datos con un servidor web, con su correspondiente prototipo. Además, para la verificación de la implementación se tomaron datos en tiempo real en una salida de campo. La Figura 1 muestra que este sistema desarrollado ya fue puesto en prueba y se adquirieron datos del movimiento durante cinco horas de tres bovinos masculinos. Los datos fueron almacenados y posteriormente se utilizaron para el entrenamiento supervisado de los modelos. Como resultado se tienen tres diferentes clasificadores: uno utilizando el algoritmo de random forest, una red neuronal, y una red neuronal convolucional, los cuales son capaces de diferenciar los estados con un rango error. De acuerdo con los indicadores de porcentaje de precisión, los modelos fueron comparados y fue seleccionado como modelo más preciso la red neuronal convolucional con un porcentaje de acierto igual a 83.80%. |
| publishDate |
2019 |
| dc.date.issued.none.fl_str_mv |
2019 |
| dc.date.accessioned.none.fl_str_mv |
2020-09-03T14:57:22Z |
| dc.date.available.none.fl_str_mv |
2020-09-03T14:57:22Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/44640 |
| dc.identifier.pdf.none.fl_str_mv |
u830803.pdf |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/44640 |
| identifier_str_mv |
u830803.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.*.fl_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf |
| 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 |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
18 hojas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.es_CO.fl_str_mv |
Ingeniería Electrónica |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
| dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
| instname_str |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| reponame_str |
Repositorio Institucional Séneca |
| collection |
Repositorio Institucional Séneca |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/22e78aed-7450-46ee-a6c3-2dda3044e684/download https://repositorio.uniandes.edu.co/bitstreams/4c431ee9-f4ee-4e34-b0d4-5672bd971d4f/download https://repositorio.uniandes.edu.co/bitstreams/d142b187-257f-425e-aacf-37bf2f8e9542/download |
| bitstream.checksum.fl_str_mv |
d0d7d4d00ebb1d83f658a4fd299dd328 195e8920d7cc7f9c11ccc31e7b0d09ca 8695d8979ece48fc01693c5a306c08ca |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1812133938428116992 |
| spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Segura Quijano, Fredy Enriquevirtual::8836-1Rojas Lozano, Daniela del Pilar1ec78c54-4bbe-4c25-9cf9-a196ecd85637500Nova Manosalva, Omar Ariel2020-09-03T14:57:22Z2020-09-03T14:57:22Z2019http://hdl.handle.net/1992/44640u830803.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Los bovinos de pastoreo son agentes exógenos que contaminan el medio ambiente, ya que como consecuencia de su proceso de ingesta emiten metano. Por ello, es de interés caracterizar, monitorear y realizar estadísticas del tiempo que un bovino rumia y mastica. Debido a esto, el presente proyecto de grado tiene como objetivo principal identificar y diferenciar los estados del comportamiento de ingesta en bovinos de pastoreo a partir de movimiento. Por lo tanto, se buscó que un modelo de aprendizaje de máquina fuese capaz de distinguir los movimientos de masticación y rumia en los bovinos. Para ello, se desarrolló un sistema de adquisición de datos con un servidor web, con su correspondiente prototipo. Además, para la verificación de la implementación se tomaron datos en tiempo real en una salida de campo. La Figura 1 muestra que este sistema desarrollado ya fue puesto en prueba y se adquirieron datos del movimiento durante cinco horas de tres bovinos masculinos. Los datos fueron almacenados y posteriormente se utilizaron para el entrenamiento supervisado de los modelos. Como resultado se tienen tres diferentes clasificadores: uno utilizando el algoritmo de random forest, una red neuronal, y una red neuronal convolucional, los cuales son capaces de diferenciar los estados con un rango error. De acuerdo con los indicadores de porcentaje de precisión, los modelos fueron comparados y fue seleccionado como modelo más preciso la red neuronal convolucional con un porcentaje de acierto igual a 83.80%."Grazing cattle are exogenous agents that pollute the environment, due to the fact that as a result of their intake process they emit methane. Therefore, it is important to characterize, monitor and carry out statistics on the time that a bovine ruminates and chews. Due to this, the present degree project has as main objective to identify and differentiate the states of the intake behavior in grazing cattle using only the signals of movement. Consequently, a machine learning model able to distinguish the movements of chewing and rumination in cattle was developed. To do this, a data acquisition system was created with a web server. In addition, real-time data was taken on a field trip to verify the implementation. Figure 1 shows that this developed system was already tested and data was acquired for five hours from three male bovines. The data was stored and subsequently used for the supervised training of the models. As a result, there are three different classifiers: one using the random forest algorithm, a neural network, and a convolutional neural network. According to the accuracy percentage indicators, the models were compared and the convolutional neural network was selected as the most accurate model with a success rate equal to 83.80%."--Tomado del Formato de Documento de Grado.Ingeniero ElectrónicoPregrado18 hojasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y Electrónicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaMonitoreo del comportamiento ingestivo de bovinos de pastoreo mediante el desarrollo e implementación de modelos de Machine LearningTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPSensores remotosSistemas de recolección automática de datosAprendizaje automático (Inteligencia artificial)Aplicaciones WebBovinosTierras de pastoreoMetanoIngenieríaPublicationhttps://scholar.google.es/citations?user=xw2k1CIAAAAJvirtual::8836-10000-0001-7757-1432virtual::8836-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000051497virtual::8836-17684cb09-6991-4ac4-aff9-b29fe065439fvirtual::8836-17684cb09-6991-4ac4-aff9-b29fe065439fvirtual::8836-1THUMBNAILu830803.pdf.jpgu830803.pdf.jpgIM Thumbnailimage/jpeg11492https://repositorio.uniandes.edu.co/bitstreams/22e78aed-7450-46ee-a6c3-2dda3044e684/downloadd0d7d4d00ebb1d83f658a4fd299dd328MD55TEXTu830803.pdf.txtu830803.pdf.txtExtracted texttext/plain41573https://repositorio.uniandes.edu.co/bitstreams/4c431ee9-f4ee-4e34-b0d4-5672bd971d4f/download195e8920d7cc7f9c11ccc31e7b0d09caMD54ORIGINALu830803.pdfapplication/pdf1055490https://repositorio.uniandes.edu.co/bitstreams/d142b187-257f-425e-aacf-37bf2f8e9542/download8695d8979ece48fc01693c5a306c08caMD511992/44640oai:repositorio.uniandes.edu.co:1992/446402024-03-13 13:46:57.047https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |