Publicación:
Determinación de forraje verde de maíz con imágenes multiespectrales de alta resolución y perceptrón multicapa

Vista sencilla de ítem
dc.contributor.authorLópez-Canteñs, Gilberto de Jesús
dc.contributor.authorMuñoz-Bustos, Francisco
dc.contributor.authorLópez-Cruz, Irineo Lorenzo
dc.contributor.authorChávez-Aguilera, Noel
dc.coverage.spatialConcepción, Chile
dc.coverage.temporal2024-10-22
dc.date.accessioned2025-03-10T11:10:43Z
dc.date.available2025-03-10T11:10:43Z
dc.date.issued2024-10-22
dc.descriptionOrganizado y patrocinado por: Federación iberoamericana de Ingeniería Mecánica y Universidad de Concepción - Chile. Departamento de Mecánica, FeIbIm – FeIbEM
dc.description.abstractEl maíz forrajero es parte fundamental en la alimentación del ganado, por lo que se requiere cuantificar la cantidad de materia verde a cosechar para establecer estrategias de ensilado, debido a lo anterior se propone una metodología para estimar biomasa verde de maíz mediante imágenes multiespectrales de alta resolución y una red neuronal artificial. Para ello, se tomaron 80 muestras georreferenciadas de alturas y pesos de las plantas, se obtuvieron los índices de vegetación NDVI, EVI, GNDVI, WDRVI, CIre, RVI, SAVI, VARI, RGBVI, NGRDVI, ExG y el índice de área foliar. Posteriormente, se realizó la matriz de correlación y se aplicó el algoritmo de componentes principales creando una base de datos con seis componentes principales, generándose el modelo predictivo basado en un perceptrón multicapa, que mostró un buen ajuste entre la biomasa real y la estimada, con un 𝑅2= 92.9% y un error absoluto medio de 0.3 kg m-1.es
dc.description.abstractForage corn is a fundamental part of livestock feed, so it is necessary to quantify the amount of green matter to be harvested to establish silage strategies. Therefore, a methodology is proposed to estimate green biomass of corn using high resolution multispectral images and an artificial neural network. For this purpose, 80 georeferenced samples of plant heights and weights were taken and the vegetation indices NDVI, EVI, GNDVI, WDRVI, CIre, RVI, SAVI, VARI, RGBVI, NGRDVI, ExG and the leaf area index were obtained. Subsequently, the correlation matrix was performed and the principal component algorithm was applied creating a database with six principal components, generating the predictive model based on a multilayer perceptron, which showed a good fit between the real and estimated biomass, with a 𝑅2= 92.9% and a mean absolute error of 0.3 kg m-1.en
dc.description.provenanceSubmitted by Emilio Dufeu (edufeu@udec.cl) on 2025-03-09T14:55:05Z workflow start=Step: editstep - action:claimaction No. of bitstreams: 1 6001_Articulo-Aceptado.pdf: 776397 bytes, checksum: 40e90567a53a3d846f115e7a55123124 (MD5)en
dc.description.provenanceStep: editstep - action:editaction Approved for entry into archive by Leticia Garzón San Juan(leticia.garzon@invi.uned.es) on 2025-03-10T11:10:43Z (GMT)en
dc.description.provenanceMade available in DSpace on 2025-03-10T11:10:43Z (GMT). No. of bitstreams: 1 6001_Articulo-Aceptado.pdf: 776397 bytes, checksum: 40e90567a53a3d846f115e7a55123124 (MD5) Previous issue date: 2024-10-22en
dc.description.versionversión publicada
dc.identifier.citation-
dc.identifier.urihttps://hdl.handle.net/20.500.14468/26180
dc.language.isoes
dc.publisherUniversidad Nacional de Educación a Distancia (España), Universidad de Concepción - Chile. Departamento de Ingeniería Mecánica
dc.relation.centerE.T.S. de Ingenieros Industriales
dc.relation.congressXVI Congreso Iberoamericano de Ingeniería Mecánica. Concepción, Chile, 22-24 de octubre de 2024. CIBIM 2024
dc.relation.departmentMecánica
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.subject33 Ciencias Tecnológicas
dc.subject.keywordsdrones
dc.subject.keywordsinteligencia artificiales
dc.subject.keywordsrendimientoes
dc.subject.keywordsagriculturaes
dc.subject.keywordsuaven
dc.subject.keywordsartificial intelligenceen
dc.subject.keywordsyielden
dc.subject.keywordsagricultureen
dc.titleDeterminación de forraje verde de maíz con imágenes multiespectrales de alta resolución y perceptrón multicapaes
dc.typeconference proceedingsen
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
6001_Articulo-Aceptado.pdf
Tamaño:
758.2 KB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
3.62 KB
Formato:
Item-specific license agreed to upon submission
Descripción:
Descargar
Colecciones
Actas y comunicaciones de congresos