Simulation implementation of a crop spraying UAV's for machine learning energy-efficient feature detection

El uso eficiente de los recursos en la agricultura es uno de los temas que la agricultura de precisión aborda para resolver a través de la tecnología. El riego preciso de cultivos se puede realizar mediante vehículos aéreos no tripulados (UAV), pero como es necesario optimizar los recursos, nuestro objetivo es reducir el consumo de energía con el diseño de trayectorias que nos permitan minimizarlo. En este documento diseñamos un entorno de simulación de drones donde, mediante la captura de datos de las características durante el vuelo a través de las rutas, analizamos qué características influyen más en el consumo de energía utilizando modelos de Machine Learning (ML). La simulación puede hacer que un dron viaje a través de puntos de referencia aleatorios en los tiempos deseados. Con los datos recopilados, el consumo de energía se puede calcular y alimentar a los modelos ML. Los resultados nos muestran que se diseñó una simulación exitosa con un error de distancia promedio de 0,0746 metros, lo que nos permite capturar las características requeridas con un error bajo. Además, con un modelo de Bagged Trees fue posible predecir los valores de energía con un ????2 de 0.7286. A través de permutaciones que nos permiten conocer la importancia de la características ingresadas al modelo, obtuvimos que el tiempo empleado para viajar a través de la ruta y la velocidad media son las dos características más importantes que afectan el consumo de energía.

• Autores: Granada Ulloque, Salomón
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: eng
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/55583
• Acceso en línea: http://hdl.handle.net/1992/55583
• Palabra clave: Aprendizaje automático (Inteligencia artificial); Vehículos piloteados de forma remota; Drones; Riego; Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf