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...
- 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
| id |
UNIANDES2_93dd088b395a2e4d83ad8db2141cee11 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/55583 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.eng.fl_str_mv |
Simulation implementation of a crop spraying UAV's for machine learning energy-efficient feature detection |
| title |
Simulation implementation of a crop spraying UAV's for machine learning energy-efficient feature detection |
| spellingShingle |
Simulation implementation of a crop spraying UAV's for machine learning energy-efficient feature detection Aprendizaje automático (Inteligencia artificial) Vehículos piloteados de forma remota Drones Riego Ingeniería |
| title_short |
Simulation implementation of a crop spraying UAV's for machine learning energy-efficient feature detection |
| title_full |
Simulation implementation of a crop spraying UAV's for machine learning energy-efficient feature detection |
| title_fullStr |
Simulation implementation of a crop spraying UAV's for machine learning energy-efficient feature detection |
| title_full_unstemmed |
Simulation implementation of a crop spraying UAV's for machine learning energy-efficient feature detection |
| title_sort |
Simulation implementation of a crop spraying UAV's for machine learning energy-efficient feature detection |
| dc.creator.fl_str_mv |
Granada Ulloque, Salomón |
| dc.contributor.advisor.spa.fl_str_mv |
Giraldo Trujillo, Luis Felipe |
| dc.contributor.author.spa.fl_str_mv |
Granada Ulloque, Salomón |
| dc.contributor.jury.none.fl_str_mv |
Zambrano Jacobo, Andrés Felipe Medaglia González, Andrés |
| dc.subject.keyword.none.fl_str_mv |
Aprendizaje automático (Inteligencia artificial) Vehículos piloteados de forma remota Drones Riego |
| topic |
Aprendizaje automático (Inteligencia artificial) Vehículos piloteados de forma remota Drones Riego Ingeniería |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
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. |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2022-02-22T20:05:47Z |
| dc.date.available.none.fl_str_mv |
2022-02-22T20:05:47Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| 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 |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/55583 |
| dc.identifier.pdf.spa.fl_str_mv |
26202.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/1992/55583 |
| identifier_str_mv |
26202.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.spa.fl_str_mv |
eng |
| language |
eng |
| 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.spa.fl_str_mv |
21 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Electrónica |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.spa.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/987c879e-469c-4e61-8d90-629fa748d8e3/download https://repositorio.uniandes.edu.co/bitstreams/b2b9ac2a-3328-4544-9f6c-4af31ea081c7/download https://repositorio.uniandes.edu.co/bitstreams/4d25aea5-d3ab-453b-90d0-4aa2a70413e2/download |
| bitstream.checksum.fl_str_mv |
6b2ccd0bacc8520c314da7b538b3810f be8e01f411a0b7383452a10f4425aaac 71bee0653baae2c17d6af6b00276e556 |
| 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_ |
1812133953888321536 |
| 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_abf2Giraldo Trujillo, Luis Felipeff134203-cbb6-440b-b50c-2f1df4dba962400Granada Ulloque, Salomón809ae968-0b0d-4596-b7f9-441c1376106b500Zambrano Jacobo, Andrés FelipeMedaglia González, Andrés2022-02-22T20:05:47Z2022-02-22T20:05:47Z2021http://hdl.handle.net/1992/5558326202.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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.Efficient usage of resources in agriculture is one of the problems precision agriculture addresses to resolve using technology. Precise crop irrigation can be done using Unmanned Aerial Vehicles (UAV), but as resources need to be optimized our goal is to reduce energy consumption with the design of trajectories that allow us to minimize it. In this paper we design a UAV simulation environment where, by capturing data of the features during the flight through paths, we analyze which features influence the most in energy consumption using Machine Learning (ML) models. The simulation can get a UAV to travel through random waypoints in desired times. With the data collected energy consumption can be calculated and fed to the ML models. Results show us that a successful simulation was designed with an average distance error of 0.0746m, allowing us to capture the required features with low error. In addition, with a Bagged Trees model we could predict the values with an ????2 of 0.7286. Through permutation feature importance we got that time employed to travel through the path and mean velocity are the two most important features that affect energy consumption.Ingeniero ElectrónicoPregrado21 páginasapplication/pdfengUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaSimulation implementation of a crop spraying UAV's for machine learning energy-efficient feature detectionTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPAprendizaje automático (Inteligencia artificial)Vehículos piloteados de forma remotaDronesRiegoIngeniería201729636PublicationTHUMBNAIL26202.pdf.jpg26202.pdf.jpgIM Thumbnailimage/jpeg8707https://repositorio.uniandes.edu.co/bitstreams/987c879e-469c-4e61-8d90-629fa748d8e3/download6b2ccd0bacc8520c314da7b538b3810fMD53ORIGINAL26202.pdfapplication/pdf673741https://repositorio.uniandes.edu.co/bitstreams/b2b9ac2a-3328-4544-9f6c-4af31ea081c7/downloadbe8e01f411a0b7383452a10f4425aaacMD51TEXT26202.pdf.txt26202.pdf.txtExtracted texttext/plain50512https://repositorio.uniandes.edu.co/bitstreams/4d25aea5-d3ab-453b-90d0-4aa2a70413e2/download71bee0653baae2c17d6af6b00276e556MD521992/55583oai:repositorio.uniandes.edu.co:1992/555832023-10-10 17:44:27.788https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |