journalArticle Gómez Carlos Alejandro Ramírez Accuracy Score Decision Tree KNN Machine Learing Smart Agriculture Aplicación del Machine Learning en agricultura de precisión This article proposes a Machine Learning model to predict the state of the harvest from information on the consumption of pesticides and other crop variables. A machine learning methodology is followed, which consists of four steps. At first, a stage of preprocessing and analysis of information, and separation of training, test, and validation data. The final stages include the selection of models and evaluation of hyperparameters of the model from a metric. For this, five classification models are proposed, and the accuracy score is taken as a metric for evaluation. As a result, the hyperparameters for every model are obtained, and the best-performing model is selected. 2020-12-31 es revistas.pascualbravo.edu.co https://revistas.pascualbravo.edu.co/index.php/cintex/article/view/356 2025-02-11 14:42:37 Derechos de autor 2020 Revista CINTEX Number: 2 14-27 25 Revista CINTEX DOI 10.33131/24222208.356 2 ISSN 2422-2208 attachment Full Text PDF https://revistas.pascualbravo.edu.co/index.php/cintex/article/download/356/327 2025-02-11 14:42:42 1 application/pdf webpage Desarrollo de ground truth dataset con análisis de datos fenotípicos y su aplicación en agricultura e investigación https://repositorio.upct.es/entities/publication/bf0aa323-23a5-4752-9c9c-471601b30f58 2025-02-11 14:43:32 attachment Desarrollo de ground truth dataset con análisis de datos fenotípicos y su aplicación en agricultura e investigación https://repositorio.upct.es/entities/publication/bf0aa323-23a5-4752-9c9c-471601b30f58 2025-02-11 14:43:53 1 text/html attachment content.pdf https://dspace.ucacue.edu.ec/server/api/core/bitstreams/03410206-43b7-4bba-9f67-1a71e0cb6a44/content 2025-02-11 14:44:49 1 application/pdf webpage https://dspace.ucacue.edu.ec/server/api/core/bitstreams/03410206-43b7-4bba-9f67-1a71e0cb6a44/content https://dspace.ucacue.edu.ec/server/api/core/bitstreams/03410206-43b7-4bba-9f67-1a71e0cb6a44/content 2025-02-11 14:47:15 webpage Implementación de técnicas de machine learning para la predicción de variables meteorológicas y del suelo que afectan la agricultura https://repositorio.uniandes.edu.co/entities/publication/ee3248e9-57a5-4fbb-a92a-57617962babf 2025-02-11 14:47:36 journalArticle Melgar Mario INTELIGENCIA ARTIFICIAL APLICADA A LA AGRICULTURA This paper presents an overview of the use of Artificial Intelligence in Agriculture. 2020 es Zotero attachment Melgar - 2020 - INTELIGENCIA ARTIFICIAL APLICADA A LA AGRICULTURA.pdf https://cengicana.org/files/20210730085600655.pdf 2025-02-11 14:50:13 1 application/pdf journalArticle Siche Raúl Siche Nikol Siche Raúl Siche Nikol El modelo de lenguaje basado en inteligencia artificial sensible - ChatGPT: Análisis bibliométrico y posibles usos en la agricultura y pecuaria 01/2023 El modelo de lenguaje basado en inteligencia artificial sensible - ChatGPT SciELO http://www.scielo.org.pe/scielo.php?script=sci_abstract&pid=S2077-99172023000100111&lng=es&nrm=iso&tlng=en 2025-02-11 14:52:06 Publisher: Universidad Nacional de Trujillo. Facultad de Ciencias Agropecuarias 111-116 14 Scientia Agropecuaria DOI 10.17268/sci.agropecu.2023.010 1 ISSN 2077-9917 attachment Full Text PDF http://www.scielo.org.pe/pdf/agro/v14n1/2077-9917-agro-14-01-111.pdf 2025-02-11 14:52:09 1 application/pdf journalArticle Valero Ubierna Constantino La evolución de la agricultura de precisión La agricultura está sufriendo un profundo cambio por la aplicación de nuevas tecnologías que están cambiando el paradigma de la producción agrícola, con el uso de diferentes herramientas que conforman la agricultura digital y la agricultura de precisión. El productor actual ha de estar abierto al uso de estos nuevos instrumentos, que le permitirán modernizar su explotación y reducir costes. 2019-03 spa oa.upm.es http://fruticultura.quatrebcn.es/fruticultura-068 2025-02-11 14:53:46 (c) Editor/Autor Publisher: E.T.S. de Ingeniería Agronómica, Alimentaria y de Biosistemas (UPM) 30-39 68 Revista de Fruticultura ISSN 2013-5742 attachment Full Text PDF https://oa.upm.es/56889/1/Fruticultura_N_68_pags_30_39.pdf 2025-02-11 14:54:06 1 application/pdf journalArticle Object object Agricultura 4.0: uso de tecnologías de precisión y aplicación para pequeños productores The concept of agriculture 4.0 has emerged as an evolution of precision agriculture (PA) through the spread of the Internet of Things (IoT) and machine learning data analytics, which have been applied throughout the value chain of the agricultural sector. However, the challenges facing agriculture today go far beyond merely technological ones. Achieving the Zero-Hunger goal by 2030 will require the use of Science, Technology, and Innovation (STI) applications, essential for the primary sector to become a driver of economic and sustainable development. This article presents the concept of agriculture 4.0, the contexts of use, its technologies, their application in the agricultural sector, and the benefits to present the trends in the use of technologies at a global level. For this, English-language papers published in the last 5 years were considered, considering both review articles and research ones. Internet of Things, data analytics, artificial intelligence, and cloud computing, among others, have been identified as the most studied technologies in both agricultural systems. The range of opportunities opens to continue reviewing innovations that are specific to the regions and their communities.El concepto de agricultura 4.0 ha emergido como una evolución de la agricultura de precisión (AP) a través de la difusión del Internet de las cosas (IoT), la analítica de datos, y el machine learning, que han sido aplicados en toda la cadena de valor del sector agropecuario. Sin embargo, los desafíos que enfrenta la agricultura hoy en día van mucho más allá de los meramente tecnológicos. El logro de la meta Hambre Cero de aquí a 2030 exigirá que se utilicen aplicaciones de Ciencia, Tecnología e Innovación (CTI), primordiales para que el sector primario se convierta en impulsor del desarrollo económico y sostenible. En el presente artículo se presenta el concepto de agricultura 4.0, los contextos particulares de su uso, así como sus beneficios y principales tecnologías aplicadas en el sector, con el fin de evidenciar las tendencias de uso a nivel global. Para ello, se tomaron en cuenta artículos en idioma inglés, publicados en los últimos 5 años, tanto de revisión como de investigación. El Internet de las cosas, la analítica de datos, la inteligencia artificial y la computación en la nube, entre otras, han sido identificadas como las tecnologías más estudiadas en sistemas agrícolas. Se abre un abanico de oportunidades para seguir revisando innovaciones que sean específicas para las regiones y sus comunidades Agricultura 4.0 core.ac.uk https://core.ac.uk/reader/588299670 2025-02-11 14:54:23 attachment Full Text PDF https://core.ac.uk/download/588299670.pdf 2025-02-11 14:54:24 1 application/pdf journalArticle Repositorio Institucional - USS Arcila Diaz Liliana Nataly Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación La estimación precisa de la producción de cultivos frutales es crucial para mejorar la planificación agrícola, optimizando la cosecha, el almacenamiento y la distribución, y, en última instancia, gestionando de manera más eficiente la cadena de suministro agrícola. Este estudio presenta una revisión sistemática sobre el uso de métodos de inteligencia artificial (IA) y machine learning (ML) en la estimación de la producción de cultivos frutales. Aplicando la metodología PRISMA, se identificaron 266 documentos en las bases de datos Scopus y Web of Science, de los cuales se analizaron 21 tras aplicar criterios de inclusión y exclusión. La investigación examina qué cultivos frutales utilizan técnicas de machine learning para la estimación de producción y qué técnicas muestran el mejor desempeño en la estimación o conteo de cultivos. Se identificaron tendencias emergentes, como la integración de variables climáticas, el uso de imágenes multiespectrales y la implementación de sistemas en tiempo real. Se propone una agenda de investigación para abordar las lagunas existentes, enfocándose en el desarrollo de soluciones ligeras y escalables para su implementación práctica en la agricultura. 2024 spa Uso de Machine Learning para estimar la producción de cultivos frutales repositorio.uss.edu.pe https://repositorio.uss.edu.pe/handle/20.500.12802/13018 2025-02-11 14:54:38 info:eu-repo/semantics/openAccess Accepted: 2024-09-23T20:27:44Z Publisher: Universidad Señor de Sipán attachment Full Text PDF https://repositorio.uss.edu.pe/bitstream/20.500.12802/13018/1/Arcila%20Diaz%20Liliana%20Nataly.pdf 2025-02-11 14:54:41 1 application/pdf