Sistema autónomo ahuyentador de aves utilizando aprendizaje por transferencia
Autonomous bird repellent system using transfer learningContenido principal del artículo
La producción de mandarina criolla mejorada constituye una fuente económica significativa para numerosos colonizadores en la Colonia Unión Camacho, ubicada en el departamento de La Paz, Bolivia. No obstante, este proceso se ve frecuentemente perturbado por la presencia del ave oropéndola crestada (Psarocolius decumanus). Por lo que el objetivo de la actual investigación desarrollar un sistema autónomo de ahuyentamiento de aves basado en la técnica de aprendizaje por transferencia de Machine Learning (ML). La metodología aplicada en el desarrollo de este sistema fue la Extreme Programming (XP). El sistema ahuyentador se sometió a un proceso de entrenamiento y posterior evaluación utilizando conjuntos de datos de entrenamiento y prueba. Los resultados obtenidos demostraron una satisfactoria capacidad de clasificación de los sonidos emitidos por el ave oropéndola crestada, lo que refleja la alta confiabilidad del sistema propuesto. Por lo que, destaca la capacidad para aprovechar las tecnologías de vanguardia, en particular la Inteligencia Artificial, y aplicarlas al sector agrícola. De esta manera, se contribuye al desarrollo económico y educativo de la comunidad.
The production of improved Creole mandarin constitutes a significant economic source for numerous colonizers in the Colonia Unión Camacho, located in the department of La Paz, Bolivia. However, this process is frequently disturbed by the presence of the crested oriole bird (Psarocolius decumanus). Therefore, the objective of the current research is to develop an autonomous bird scaring system based on the Machine Learning (ML) transfer learning technique. The methodology applied in the development of this system was Extreme Programming (XP). The deterrent system underwent a training process and subsequent evaluation using training and test data sets. The results obtained demonstrated a satisfactory classification capacity of the sounds emitted by the crested oriole bird, which reflects the high reliability of the proposed system. Therefore, the ability to take advantage of cutting-edge technologies, particularly Artificial Intelligence, and apply them to the agricultural sector stands out. In this way, it contributes to the economic and educational development of the community.
Descargas
Detalles del artículo
Agundis-Martínez, A. F. (2023). Evaluación de algoritmo de Aprendizaje Automático mediante Bosques Aleatorios para el seguimiento de variables críticas en un proceso de manufactura. http://51.143.95.221/handle/TecNM/6959
Bauer, M., y Garland, M. (2019). Legate NumPy: Accelerated and distributed array computing. In Proceedings of the International Conference for High Performance Computing, Networking, Storage and Analysis. 1 (23),1-23. https://doi.org/10.1145/3295500.3356175
Brusa, E., Delprete, C., y Di Maggio, L. G. (2021). Deep transfer learning for machine diagnosis: From sound and music recognition to bearing fault detection. Applied Sciences, 11(24), 11663. https://doi.org/10.3390/app112411663
Contreras, I., y Ortíz, F. (2023). Sistema automatizado ahuyentador de aves para las plantaciones de arroz. Universidad Agraria del Ecuador. https://cia.uagraria.edu.ec/Archivos/ORTIZ%20ROBLES%20ALEXANDER%20FRANCISCO.pdf
Letelier, P., y Penadés, M. C. (2012). Métodologías ágiles para el desarrollo de software: eXtreme Programming (XP). Universidad Politécnica de Valencia. https://www.researchgate.net/profile/Patricio-Letelier/publication/28109707_Metodologias_agiles_para_el_desarrollo_de_software_eXtreme_Programming_XP/links/54ad00f10cf2479c2ee86820/Metodologias-agiles-para-el-desarrollo-de-software-eXtreme-Programming-XP.pdf
Montes, N., y Solórzano, A. La comunidad de aves en un cultivo de mandarinas del norte de Venezuela/Bird Community in a Tangerine Field from Northern Venezuela. Revista Venezolana de Ornitología, 2(1), 4-15. https://digitalcommons.usf.edu/cgi/viewcontent.cgi?article=1000&context=rvo
Pedrosa, Á. D., De la Rosa Vargas, J. I., y Valdez, R. R. (2018). Escuchando a la naturaleza: Del reconocimiento de voz a la bioacústica. Pistas Educativas, 38(120). file:///C:/Users/Danis/Downloads/598-1749-2-PB.pdf
Rempel, R. S., Hobson, K. A., Holborn, G., Van Wilgenburg, S. L., y Elliott, J. (2005). Bioacoustic monitoring of forest songbirds: interpreter variability and effects of configuration and digital processing methods in the laboratory. Journal of Field Ornithology, 76(1), 1-11. https://doi.org/10.1648/0273-8570-76.1.1
Rozo, C. E., Cusba, J. E., Medina, L. F., y León, C. J. (2020). Herramientas de analítica para la exploración de datos, 1ra ed., Colombia: Creative Commons, 22-57. https://herramientas.datos.gov.co/sites/default/files/2020-11/Inventario%20herramientas%20anal%C3%ADtica_0.pdf
Scotta, R. R., Canavelli, S. B., y Lutz, A. L. (2018). Percepción del daño causado por aves en frutales y alternativas de manejo en el centro norte santafesino. Fave. Sección ciencias agrarias, 17(1), 45-55. http://www.scielo.org.ar/pdf/fave/v17n1/v17n1a04.pdf
Sheriff, R. (2015). Comparación de dos parcelas con cítricos en sistemas agroforestales con sucesiones vegetales en la comunidad de San Pedro del Zapallar, Monteagudo: Comparison between two citrus plots in successional agroforestry systems in San Pedro del Zapallar, Monteagudo, Bolivia. AGRO-ECOLÓGICA, 2(1), 246-256. https://revistas.usfx.bo/index.php/rae/article/view/108/92
Valle-Barrio, A. (2018). Aplicación de Tensorflow en deep learning. Universidad Politécnica de Madrid, Escuela Técnica Superior de Ingenieros de Telecomunicación. https://oa.upm.es/53815/1/TESIS_MASTER_ALFREDO_VALLE_BARRIO_2018.pdf