Modelo de riego inteligente determinado a través de aprendizaje de máquina

Abstract

La práctica de cultivos urbanos es cada vez más común en las ciudades, pero el uso de métodos de riego imprecisos a menudo resulta en un consumo excesivo de agua y el deterioro de las plantas. Para abordar la problemática del riego en los cultivos urbanos, se propone un modelo inteligente específico para el cultivo de rábanos. Inicialmente, se recopila una base de datos detallada sobre esta hortaliza y se lleva a cabo un proceso exhaustivo de normalización y análisis de datos para determinar las condiciones óptimas de temperatura y humedad. Estos datos serán fundamentales para implementar el algoritmo de etiquetado, el cual proporcionará las etiquetas necesarias para indicar cuándo es necesario regar y cuándo no. Posteriormente, se analizan seis algoritmos de clasificación dentro del campo del aprendizaje automático, con un enfoque en el aprendizaje supervisado para la clasificación de datos. centrándose en la clasificación de datos. Estos algoritmos se evalúan utilizando métricas estándar y se comparan para seleccionar la opción que mejor se adapta a las necesidades de riego del rábano, asegurando una precisión y robustez óptimas. La propuesta busca proporcionar a los cultivadores urbanos una herramienta efectiva para optimizar el riego de sus cultivos. El algoritmo seleccionado debe destacarse por su precisión y robustez, asegurando una gestión eficiente del agua. Este enfoque integrado de aprendizaje de máquina y gestión del agua tiene el potencial de mejorar significativamente la XVI eficiencia de los cultivos urbanos y promover un desarrollo agrícola más sostenible en entornos urbanos.