Caracterización de Variables de Fertilización Precisa de Suelos y Praderas para el Diseño de un Software de Recomendación Inteligente (Retractado)
Resumen
Este artículo presenta la caracterización de variables relacionada con la fertilización precisa de suelos y praderas de ganadería de leche, para la construcción de un sistema inteligente de recomendación de planes de fertilización. La caracterización se realizó mediante un estudio de campo que consideró análisis de suelo y determinación de niveles óptimos de macronutrientes en cinco fincas del norte de Antioquia-Colombia. Como principal resultado se logró establecer los conjuntos difusos de entrada y salida, junto con las reglas de producción, que posteriormente se llevaron a un prototipo funcional. A partir de lo anterior, se concluye que el uso de técnicas de inteligencia artificial tiene gran potencial para su integración con software que apoyen las labores relacionadas con la fertilización.
Descargas
Citas
Torres Rozo, J. S. Protocolo sobre la atención del puerperio en el ganado bovino del complejo agroindustrial de Tizayuca en su estado actual, Hidalgo, México (Doctoral dissertation, Universidad Cooperativa de Colombia, Facultad de Ciencias de la Salud, Medicina Veterinaría y Zootecnia, Bucaramanga). 2020.
Rodas, J. L., Olivares, J., Galindo, J. A., & Benavides, D. Hacia el uso de sistemas de recomendación en sistemas de alta variabilidad. XXI Jornadas de Ingeniería del Software y Bases de Datos, 219, 65. 2020.
De, A., & Singh, S. P. (2021). Analysis of fuzzy applications in the agri-supply chain: A literature review. Journal of Cleaner Production, 283, 124577.
Vakilian, K. A., & Massah, J. (2017). A farmer-assistant robot for nitrogen fertilizing management of greenhouse crops. Computers and electronics in agriculture, 139, 153-163.
Heiß, A., Paraforos, D. S., Sharipov, G. M., & Griepentrog, H. W. (2020). Modelling and Simulation of a Fuzzy System for Site-Specific Nitrogen Fertilization. IFAC-PapersOnLine, 53(2), 15790-15795.
Ashraf, A., Akram, M., & Sarwar, M. (2014). Fuzzy decision support system for fertilizer. Neural Computing and Applications, 25(6), 1495-1505.
Godinho, E. Z., de Lima Caneppele, F., & Gasparotto, H. V. (2022). Use of fuzzy logic to optimize fertilizer application on radish. Trends in Horticulture, 5(2).
Pezol, N. S., Adnan, R., & Tajjudin, M. (2020, June). Design of an internet of things (iot) based smart irrigation and fertilization system using fuzzy logic for chili plant. In 2020 IEEE International Conference on Automatic Control and Intelligent Systems (I2CACIS) (pp. 69-73). IEEE.
Wang, H., Cheng, M., Zhang, S., Fan, J., Feng, H., Zhang, F., ... & Xiang, Y. (2021). Optimization of irrigation amount and fertilization rate of drip-fertigated potato based on Analytic Hierarchy Process and Fuzzy Comprehensive Evaluation methods. Agricultural Water Management, 256, 107130.
Jaimes Cruz, L. J., & Correa Cardona, H. J. Balance de nitrógeno, fósforo y potasio en vacas Holstein pastando praderas de kikuyo (Cenchrus clandestinus) en el norte de Antioquia. CES Medicina Veterinaria y Zootecnia, 11(2), 18-41. 2016.
Bagnato. Ejercitación en Python, aprendiendo machine learning. 2020. [Online] Available: https://www.aprendemachinelearning.com/sistemas-de-recomendacion/
Calvo Hernández, O.M. Estimación del costo de producción de un kilogramo de leche y sus variables más influyentes, Rev. e-Agronegocios, 7(2), p. 44 – 62. 2021. Doi: https://doi.org/10.18845/ea.v7i2.5682
Echeverri J., Aristizabal M., Moreno F. y Bedoya Alejandra (2012). Diseño de un sistema difuso para valoración de aportes en sistemas colaborativos. Rev. ing. univ. Medellín 11(20).