Drones adaptados con sensores SVM (NIRS) para la caracterización rápida de suelos en caña de azúcar, una revisión sistemática

Muñoz Varela, Dylan Alejandro

Drones adaptados con sensores SVM (NIRS) para la caracterización rápida de suelos en caña de azúcar, una revisión sistemática

dc.contributor.advisor	Orduña Ortega, Julieth (Directora)
dc.contributor.author	Muñoz Varela, Dylan Alejandro
dc.creator.degree	Trabajo de grado para optar al título de Químico
dc.date.accessioned	2025-05-30T23:03:55Z
dc.date.available	2025-05-30T23:03:55Z
dc.date.issued	2024
dc.description	La necesidad de un análisis de suelo sólido, rápido y preciso utilizando tecnología de inteligencia artificial (IA) presenta un futuro prometedor para las prácticas agrícolas sostenibles y la gestión eficiente de los recursos naturales). Bajo esta premisa el presente artículo examina cómo las tecnologías avanzadas, específicamente los drones y la inteligencia artificial (IA), están revolucionando la agricultura, con un enfoque particular en la producción de caña de azúcar. El objetivo principal es analizar la eficacia de estas tecnologías para mejorar la precisión y la eficiencia en la gestión de cultivos. La metodología empleada consistió en una revisión documental de literatura relevante sobre el uso de drones en la agricultura de precisión, con un enfoque cualitativo en la caracterización del suelo y la supervisión de cultivos. Se realizó un análisis detallado de dos modelos específicos de drones, el DJI Inspire 2 y el DJI Phantom 4 RTK, evaluando sus aplicaciones, ventajas y limitaciones en el contexto agrícola. Los resultados revelaron que el DJI Phantom 4 RTK proporciona datos precisos para la identificación de brechas en los cultivos y la evaluación de la salud de las plantas, mientras que el DJI Inspire 2, aunque útil para capturas dinámicas, presenta limitaciones en tiempo de vuelo y alcance. Además, la integración de técnicas de IA y sensores avanzados (NIRS,) como las Máquinas de Vectores de Soporte (SVM), el sensor GNSS RTK muestra un gran potencial para mejorar la caracterización del suelo y optimizar la gestión agrícola. En conclusión, la combinación de drones y tecnologías avanzadas permite una agricultura más precisa y sostenible, facilitando una toma de decisiones informada y una gestión eficiente de los recursos.
dc.description.abstract	The need for robust, fast and accurate soil analysis using artificial intelligence (AI) technology presents a promising future for sustainable agricultural practices and efficient management of natural resources). Under this premise this article examines how advanced technologies, specifically drones and artificial intelligence (AI), are revolutionizing agriculture, with a particular focus on sugarcane production. The main objective is to analyze the effectiveness of these technologies in improving accuracy and efficiency in crop management. The methodology employed consisted of a documentary review of relevant literature on the use of drones in precision agriculture, with a qualitative focus on soil characterization and crop monitoring. A detailed analysis of two specific drone models, the DJI Inspire 2 and the DJI Phantom 4 RTK, was conducted, evaluating their applications, advantages and limitations in the agricultural context. The results revealed that the DJI Phantom 4 RTK provides accurate data for crop gap identification and plant health assessment, while the DJI Inspire 2, while useful for dynamic captures, has limitations in flight time and range. Furthermore, the integration of AI techniques and advanced sensors (NIRS,) such as Support Vector Machines (SVM), GNSS RTK sensor shows great potential to improve soil characterization and optimize agricultural management. In conclusion, the combination of drones and advanced technologies enables more accurate and sustainable agriculture, facilitating informed decision making and efficient resource management.
dc.format	application/pdf
dc.format.extent	19 páginas
dc.identifier.citation	Muñoz Varela, D. A. (2024). Drones adaptados con sensores SVM (NIRS) para la caracterización rápida de suelos en caña de azúcar, una revisión sistemática. Universidad Santiago de Cali.
dc.identifier.uri	https://repositorio.usc.edu.co/handle/20.500.12421/6919
dc.language.iso	es
dc.publisher	Universidad Santiago de Cali
dc.publisher.faculty	Facultad de Ciencias Básicas
dc.publisher.program	Química
dc.pubplace.city	Cali
dc.pubplace.state	Valle del Cauca
dc.rights.acceso	Acceso Abierto
dc.rights.cc	Reconocimiento 4.0 Internacional (CC BY 4.0)
dc.rights.uri	Reconocimiento 4.0 Internacional (CC BY 4.0)
dc.source.institution	Universidad Santiago de Cali
dc.source.repository	Repositorio Institucional USC
dc.subject	Agricultura de precisión
dc.subject	Drones
dc.subject	Caña de azúcar
dc.subject	SVM
dc.subject	Mapeo de brechas
dc.subject.keyword	Precision agriculture
dc.subject.keyword	Drones
dc.subject.keyword	Sugarcane
dc.subject.keyword	Gap mappin
dc.title	Drones adaptados con sensores SVM (NIRS) para la caracterización rápida de suelos en caña de azúcar, una revisión sistemática
dc.type	Thesis
dc.type.spa	Ensayo