Please use this identifier to cite or link to this item: https://repositorio.utn.edu.ec/handle/123456789/19610
Citar este ítem

Full metadata record
DC FieldValueLanguage
dc.contributor.authorCuzme Rodríguez, Fabián-
dc.contributor.authorDíaz Luna, Juan-
dc.contributor.authorMichilena Calderón, Jaime-
dc.contributor.authorDomínguez Limaico, Mauricio-
dc.contributor.authorSuárez-Zambrano, Luis-
dc.date.accessioned2026-04-15T17:16:51Z-
dc.date.available2026-04-15T17:16:51Z-
dc.date.created2024-03-06-
dc.date.issued2026-04-15-
dc.identifier.issn2367-3370-
dc.identifier.urihttps://repositorio.utn.edu.ec/handle/123456789/19610-
dc.description.abstractEste estudio aborda el desarrollo de un sistema de monitoreo inteligente para la calidad del agua en estanques de cría de trucha arcoíris (Oncorhynchus mykiss). El sistema se basa en la tecnología IoT (Internet de las Cosas) e Inteligencia Artificial, empleando específicamente el algoritmo de lógica difusa. Se utilizan tres sensores electrónicos sumergibles para capturar lecturas e interpretar las condiciones ambientales y los parámetros de calidad del agua. Estos sensores se seleccionaron en función de su relevancia para la producción de la especie, incluyendo los niveles de concentración de pH, los cambios bruscos de temperatura y los niveles de saturación de oxígeno en el agua. Los datos recopilados son recogidos por dos nodos sensores y transmitidos de forma inalámbrica a un nodo coordinador a través de una red de sensores inalámbricos (WSN) basada en el protocolo IEEE 802.15.4. Se emplea una plataforma web para visualizar los datos recopilados, lo que permite al administrador monitorear la calidad del agua en los estanques y recibir alertas en caso de eventos adversos. Para facilitar las notificaciones de eventos, tanto en la plataforma web como a través de Telegram, se implementa un algoritmo de lógica difusa. Este algoritmo incorpora 27 reglas difusas, derivadas de la experiencia de especialistas de laboratorio. El algoritmo demuestra una exactitud del 94,4% y una precisión del 100%, según lo determinado por la matriz de confusión.es_EC
dc.language.isospaes_EC
dc.publisherSpringer Nature Linkes_EC
dc.rightsopenAccesses_EC
dc.rightsAtribución-NoComercial-CompartirIgual 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/*
dc.subjectDESARROLLOes_EC
dc.subjectESTUDIOes_EC
dc.subjectTECNOLOGÍAes_EC
dc.subjectSISTEMAes_EC
dc.titleSistema de monitoreo inteligente para la cría de alevines mediante lógica difusaes_EC
dc.typeArticlees_EC
dc.description.degreeN/Aes_EC
dc.coverageIbarra. Ecuadores_EC
dc.contributor.orcidhttps://orcid.org/0000-0002-2805-0240es_EC
dc.contributor.orcidhttps://orcid.org/0000-0002-8819-8167es_EC
dc.contributor.orcidhttps://orcid.org/0000-0001-6302-3419es_EC
dc.contributor.orcidhttps://orcid.org/0000-0002-8538-2735es_EC
dc.title.enIntelligent monitoring system for fry rearing using fuzzy logices_EC
dc.subject.enDEVELOPMENTes_EC
dc.subject.enSTUDYes_EC
dc.subject.enTECHNOLOGYes_EC
dc.subject.enSYSTEMes_EC
dc.description.abstract-enThis study addresses the development of an intelligent monitoring system for water quality in rainbow trout (Oncorhynchus mykiss) breeding pools. The system is based on IoT (Internet of Things) technology and Artificial Intelligence, specifically employing the fuzzy logic algorithm. Three submersible electronic sensors are utilized to capture readings and interpret environmental conditions and water quality parameters. These sensors were selected based on their relevance to the species’ production, including pH concentration levels, sudden temperature changes, and oxygen saturation levels in the water. The collected data is gathered by two sensor nodes and transmitted wirelessly to a coordinator node through an IEEE 802.15.4 protocol-based wireless sensor network (WSN). A web platform is employed to visualize the collected data, enabling the manager to monitor the water quality in the ponds and receive alerts in case of adverse events. To facilitate event notifications, both on the web platform and via Telegram, a fuzzy logic algorithm is implemented. This algorithm incorporates 27 fuzzy rules, derived from the expertise of laboratory specialists. The algorithm demonstrates an accuracy of 94.4% and a precision of 100% as determined by the confusion matrix.es_EC
dc.identifier.doihttps://link.springer.com/chapter/10.1007/978-3-031-52090-7_27es_EC
Appears in Collections:Artículos

Files in This Item:
There are no files associated with this item.


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons