Teledetección y algoritmos de machine learning para la clasificación de aguacate

La teledetección se ha convertido en una herramienta fundamental en la agricultura de precisión, permitiendo el monitoreo y la clasificación de cultivos a gran escala, como el cultivo del aguacate ha despertado un creciente interés debido a su importancia económica y ambiental. Esta tesis de maestría presenta un análisis bibliométrico de algoritmos de clasificación de aprendizaje automático aplicados al monitoreo de cultivos mediante teledetección y revisión sistemática (PRISMA), centrada en el aguacate (Persea americana Mill) mediante técnicas de teledetección y algoritmos de aprendizaje automático. Para analizar la evolución global y las tendencias en los algoritmos de clasificación de cultivos, se utilizaron los softwares Bibliometrix (R) y VOSViewer. La revisión muestra la creciente importancia de las técnicas de aprendizaje automático en el monitoreo agrícola, con 2122 publicaciones en la última década que muestran un crecimiento sostenido. Los resultados resaltan el potencial de las redes neuronales (MLP, ANN), las máquinas de vectores de soporte (SVM) y los bosques aleatorios (RF) para optimizar los procesos de clasificación, con tasas de precisión entre 71% y 100% en aguacate utilizando datos de imágenes satelitales, imágenes RGB, firmas espectrales, imágenes termales y LiDAR, para clasificar la cobertura, evaluar la salud de las plantas, el reconocimiento de la fruta y evaluar la calidad de la fruta. Los hallazgos enfatizan la necesidad de la integración de datos de múltiples fuentes, como firmas satelitales, de drones y espectrales, para mejorar la confiabilidad de los modelos de clasificación. Los hallazgos de esta revisión brindan información valiosa sobre la sinergia de la ciencia agrícola, la teledetección y el aprendizaje automático, ofreciendo una base para futuras investigaciones y aplicaciones prácticas. El estudio contribuye al desarrollo de prácticas agrícolas automatizadas y sostenibles, alineándose con los objetivos de la agricultura de precisión y la competitividad global en la producción de aguacate.

• Autores: Sánchez Chavez, Andrea del Pilar S
• Fecha de publicación: 2025
• Institución: Universidad Católica de Manizales
• Repositorio: Repositorio RI-UCM
• Idioma: spa
• OAI Identifier: oai:repositorio.ucm.edu.co:10839/4730
• Acceso en línea: https://repositorio.ucm.edu.co/handle/10839/4730
• Palabra clave: Teledetección; Aprendizaje Automático,; Algoritmos de Clasificación; Aguacate; Agricultura de Precisión.; Remote Sensing; Machine Learning; Algorithm Classification; Avocado, Precision; Agriculture
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-nd/4.0/