Técnicas de minería de datos para la reducción de costos en la automatización del proceso de cultivo de tilapia.

Autores/as

  • Manuel Alejandro Coronado Arjona Instituto Tecnológico Nacional de México
  • Miguel Ángel Perera Collí Perera Collí Instituto Tecnológico Nacional de México
  • Víctor Manuel Bianchi Rosado Instituto Tecnológico Nacional de México
  • Mariano de Jesús Matú Sansores Instituto Tecnológico Nacional de México
  • Miguel Ángel Cohuo Ávila Instituto Tecnológico Nacional de México

DOI:

https://doi.org/10.29105/mdi.v7i09.208

Palabras clave:

Arduino, Automatización, Calidad del agua, Minería de datos

Resumen

La inversión económica en tecnología dificulta la automatización de los procesos de las personas dedicadas a actividades agrícolas, ganaderas o pesqueras, debido principalmente al precio elevado de algunos sensores utilizados. En las instalaciones del Centro de Bachillerato Tecnológico Agropecuario No. 14 se realizó la automatización del proceso de cultivo de tilapia con el objetivo de evaluar la ganancia en el peso y tamaño de esta especie usando un sistema mecanizado frente al sistema tradicional. Las variables físicas y químicas que influyen en el desarrollo biológico de estos peces son diversas; sin embargo, el oxígeno disuelto (OD) es el factor que mayor relevancia tiene en el proceso de cultivo.
Desafortunadamente, el costo del sensor requerido para este proceso es caro. Por esta razón se utilizaron técnicas de minería de datos con el fin de determinar un modelo que permita predecir los niveles de oxígeno disuelto a partir de los valores obtenidos por los sensores de turbidez, temperatura y potencial de hidrógeno (pH). Las técnicas utilizadas para este estudio fueron los algoritmos de perceptrón multicapa, M5P y regresión lineal. El modelo matemático que se obtenga permitirá pronosticar el grado del OD sin la necesidad de contar con el sensor correspondiente. El impacto radica en que el modelo podría ser extrapolado a otros proyectos de automatización similares reduciendo con ello sus costos de inversión.

Biografía del autor/a

Manuel Alejandro Coronado Arjona, Instituto Tecnológico Nacional de México

Instituto Tecnológico de Tizimín      

Miguel Ángel Perera Collí Perera Collí, Instituto Tecnológico Nacional de México

Instituto Tecnológico de Tizimín

Víctor Manuel Bianchi Rosado, Instituto Tecnológico Nacional de México

Instituto Tecnológico de Tizimín

Mariano de Jesús Matú Sansores, Instituto Tecnológico Nacional de México

Docente del Instituto Tecnológico de Tizimín

 

 

Miguel Ángel Cohuo Ávila, Instituto Tecnológico Nacional de México

Docente del Instituto Tecnológico Nacional de México

Citas

Bautista, J. y Ruiz, J. (2011). Calidad del agua para el cultivo de tilapia en estanques de geomembrana. Recuperado el 5 de Diciembre de 2018, de http://fuente.uan.edu.mx/publicaciones/03-08/2.pdf

Borrás, J., Delegido, J. Pezzola, A., Pereira, M., Morassi, G. y Camps, G. (2017). Clasificación de usos del suelo a partir de imágenes Sentinel-2. Recuperado el 6 de Diciembre de 2018, de https://riunet.upv.es/bitstream/handle/10251/83604/7133-28392-1-PB.pdf?sequence=1 DOI: https://doi.org/10.4995/raet.2017.7133

FAO (s.f.). Mejora de la calidad del agua en los estanques. Recuperado el 5 de Diciembre de 2018, de http://www.fao.org/fishery/static/FAO_Training/FAO_Training/General/x6709s/x6709s02.htm

Flórez, R. y Fernández, J. (2008). Las redes neuronales artificiales. Fundamentos teóricos y aplicaciones prácticas. España: Netbiblo

Guisande, C., Barreiro, A., Maneiro, I., Riveiro, I., Vergara, A. y Vaamonde, A. (2006). Tratamiento de datos. España: Ediciones Díaz de Santos

Hernández, J., Ramírez, M. y Ferri, C. (2004). Introducción a la minería de datos. España: Pearson

Hornick, M., Marcadé, E. y Venkayala, S. (2007). Java Data Mining. Strategy, Standard, and practice. A practical guide for architecture, design and implementation. E.E.U.U.: Morgan Kaufmann publications DOI: https://doi.org/10.1016/B978-012370452-8/50031-1

Mendiburu, H. (2003). Automatización medioambiental. Recuperado el 5 de Diciembre de 2018, de http://www.liceus.com/cgi-bin/ac/pu/AutomatizacionMedioambiental.pdf

Pérez, C. y Satín, D. (2007). Minería de datos. Técnicas y herramientas. España: Paraninfo

Riquelme, J., Ruiz, R. y Gilbert, K. (2006). Minería de datos. Conceptos y tendencias. Recuperado el 6 de Diciembre de 2018, de https://www.redalyc.org/html/925/92502902/

Robertson, D. (2017). An Evaluation of Fast Multi-Layer Perceptron Training Techniques for Games. Recuperado el 6 de Diciembre de 2018, de https://rke.abertay.ac.uk/ws/portalfiles/portal/14242051/Robertson_AnEvaluationOfFastMultiLayerPerceptron_Published_2017.pdf

SEDER (2014). Calidad del agua en la acuacultura. Recuperado el 5 de Diciembre de 2018, de https://seder.jalisco.gob.mx/fomento-acuicola-y-pesquero-e-inocuidad/519

Vinuesa, P. (2016). Correlación: teoría y práctica. Recuperado el 6 de Diciembre de 2018, de http://www.ccg.unam.mx/~vinuesa/R4biosciences/docs/Tema8_correlacion.pdf

Viscanino, P. (2008). Aplicación de técnicas de inducción de árboles de decisión a problemas de clasificación mediante el uso de weka (waikato environment for knowledge analysis). Recuperado el 5 de Diciembre de 2018, de http://www.konradlorenz.edu.co/images/stories/suma_digital_sistemas/2009_01/final_paula_andrea.pdf

Descargas

Publicado

2023-12-14

Cómo citar

Coronado Arjona, M. A., Perera Collí, M. Ángel P. C., Bianchi Rosado, V. M., Matú Sansores, M. de J., & Cohuo Ávila, M. Ángel. (2023). Técnicas de minería de datos para la reducción de costos en la automatización del proceso de cultivo de tilapia. Multidisciplinas De La Ingeniería, 7(09), 1–9. https://doi.org/10.29105/mdi.v7i09.208