Resumen de Análisis de suelos utilizando redes neuronales en las florícolas de Rosas del Sector Norte de la Provincia de Cotopaxi

Rubén Darío Escobar Iza, Daniel Steven Maliza Bedon, José Augusto Cadena Moreano

• español

  El presente artículo muestra la utilización de inteligencia artificial (IA) para ser más específico redes neuronales, en el análisis del estado de los suelos que poseen los invernaderos del sector norte de la provincia de Cotopaxi, esto con el uso de un sistema informático y sensores con los cuales se obtuvieron datos para verificar si el suelo donde se producen las rosas es apto para su respectivo sembrío. El objetivo de este trabajo es obtener datos del estado del suelo dentro de invernaderos para su análisis con la utilización de redes neuronales. Enfocándose en los resultados obtenidos en (Segovia, Rojas, & Quishpe, 2021), se evidencia la variación de resultados con respecto a los rangos de un suelo óptimo. Siendo redes neuronales más estable para la medición de estado de los suelos. Este análisis permite sacar conclusiones y toma de decisiones acertadas para el mantenimiento y control del suelo. La técnica utilizada resultó muy eficiente por cuanto coincide con el rango establecido por el sector agrícola.

• English

  This article shows the use of artificial intelligence (AI) to be more specific neural networks, in the analysis of the state of the soils that the greenhouses have in the northern sector of the province of Cotopaxi, this with the use of a computer system and sensors with which data were obtained to verify if the soil where the roses are produced is suitable for their respective sowing. The objective of this work is to obtain data on the state of the soil inside greenhouses for analysis with the use of neural networks. This analysis allows to draw conclusions and make the right decisions for the maintenance and control of the soil. The technique used was very efficient as it coincides with the range established by the agricultural sector. Focusing on the results obtained in (Segovia, Rojas, & Quishpe, 2021), the variation of results with respect to the ranges of an optimal soil is evidenced. Being more stable neural networks for measuring the state of soils.