Show simple item record

dc.contributor.advisorGonzález Acevedo, Hernando
dc.contributor.authorHincapié Melo, Diany Lorena
dc.contributor.authorTriana Ardila, Santiago
dc.coverage.spatialMeta (Colombia)spa
dc.coverage.temporal2020spa
dc.date.accessioned2021-05-27T18:27:56Z
dc.date.available2021-05-27T18:27:56Z
dc.date.issued2020-11-23
dc.identifier.urihttp://hdl.handle.net/20.500.12749/13415
dc.description.abstractEste documento presenta la predicción del crecimiento del ave con relación a las variables ambientales que más influyen en este proceso. Se utilizó redes neuronales recurrentes para realizar el entrenamiento de los datos que se obtuvieron en un determinado tiempo, para ello se instalaron sensores en un galpón adquiriendo los datos de temperatura, Humedad, Velocidad del viento y el peso de las aves de engorde, donde cada hora se enviaban los datos a ThingSpeak para obtener la información en tiempo real, con el fin de abarcar el IoT. Posteriormente se utilizó Python para la realización del algoritmo a partir de redes LSTM para ello se requería de la base de datos de todas las variables, con esto se realizó el procesamiento de esta información con el fin de eliminar los datos atípicos y finalmente trabajar el algoritmo con los valores normalizados. La evaluación del rendimiento del sistema se evaluó a partir del error cuadrático medio (RMSE), donde se pudo observar a partir de los porcentajes obtenidos que el sistema no llegó a estar sobreentrenado debido a que el RMSE nunca fue cero. Finalmente, al obtener el sistema de predicción se creó una página web a partir de Python Y HTML para mostrar la predicción del crecimiento cada cierta cantidad de tiempo, junto con esto se realizaron alarmas a partir de programación para informar a la persona del rendimiento que tenía el galpón en ese momento.spa
dc.description.tableofcontentsIntroducción 11 Objetivos 12 Capítulo 1 13 1.1 Marco conceptual 13 1.1.1 IoT (internet de las cosas) 13 1.1.2 ThingSpeak 13 1.1.3 Factores de crecimiento 15 1.1.4 Técnicas de inteligencia artificial 16 Capítulo 2 19 2.1 Instrumentación e IoT 19 2.1.1 Condiciones generales del galpón 19 2.1.2 Definición del hardware 19 2.1.3 Selección de microcontroladores 20 2.1.4 Selección de sensores 21 2.1.5 Selección de transmisor y receptor 28 2.1.6 Hardware adicional 28 2.1.7 Circuitos de operación 29 2.1.8 Montaje de dispositivos 32 2.1.9 Registro de mediciones 33 2.1.10 Diseño de alarmas 38 Capítulo 3 39 3.1 Incidencia de las variables ambientales en el crecimiento del ave 39 3.1.1 Desarrollo del algoritmo 39 3.1.2 Análisis de las variables ambientales 45 Capítulo 4 58 4.1 Desarrollo de una página web 58 Conclusiones 66 Bibliografía 67 Anexos 70spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.titleDesarrollo de un sistema de análisis de las variables que afectan el crecimiento de las aves de corralspa
dc.title.translatedDevelopment of a system for the analysis of the variables that affect the growth of poultryspa
dc.degree.nameIngeniero Mecatrónicospa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.rights.localAbierto (Texto Completo)spa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.programPregrado Ingeniería Mecatrónicaspa
dc.description.degreelevelPregradospa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de Gradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.subject.keywordsMechatronicspa
dc.subject.keywordsTechnologyspa
dc.subject.keywordsAtmospherespa
dc.subject.keywordsInvestigationspa
dc.subject.keywordsSensorsspa
dc.subject.keywordsIncreasespa
dc.subject.keywordsPoultry industryspa
dc.subject.keywordsProducer qualityspa
dc.subject.keywordsArtificial intelligencespa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.relation.referencesM. Morales, «incipy,» [En línea]. Available: https://www.fundacionseres.org/Lists/Informes/Attachments/987/150923%20interne t-of-things.pdf.spa
dc.relation.referencesJ. Salazar y S. Silvestre, «Techpedia,» 2015. [En línea]. Available: https://upcommons.upc.edu/bitstream/handle/2117/100921/LM08_R_ES.pdf.spa
dc.relation.references«ThingSpeak,» [En línea]. Available: https://thingspeak.com/channels/1175894/private_show.spa
dc.relation.references«Dane,» 06 2015. [En línea]. Available: https://www.dane.gov.co/files/investigaciones/agropecuario/sipsa/Bol_Insumos_jun_ 2015.pdf.spa
dc.relation.references«aviagen,» 2009. [En línea]. Available: http://es.aviagen.com/assets/Tech_Center/BB_Foreign_Language_Docs/Spanish_Te chDocs/smA-Acres-Guia-de-Manejo-del-Pollo-Engorde-2009.pdf.spa
dc.relation.referencesA. Obiols, «inLab FIB,» 19 05 2017. [En línea]. Available: https://inlab.fib.upc.edu/es/blog/que-es-la-visualizacion-de-datos-dataviz.spa
dc.relation.references«sinnexus busineess intelligence,» [En línea]. Available: https://www.sinnexus.com/business_intelligence/datamining.aspx.spa
dc.relation.referencesW. B. Roush, W. A. Dozier y S. L. Branton, «Comparison of Gompertz and nEural Network Models of Broiler Growth,» Poultry Science, vol. 85, nº 4, pp. 794-797, 2006.spa
dc.relation.references«IEEE,» 2018. [En línea]. Available: https://ieeexplore-ieee- org.aure.unab.edu.co/stamp/stamp.jsp?tp=&arnumber=8847061.spa
dc.relation.references«Medium,» [En línea]. Available: https://medium.com/@amarbudhiraja/https- medium-com-amarbudhiraja-learning-less-to-learn-better-dropout-in-deep-machine- learning-74334da4bfc5.spa
dc.relation.references«Tdx,» [En línea]. Available: https://www.tdx.cat/bitstream/handle/10803/6281/Capitulo_6a.PDF?sequence=9&is Allowed=y.spa
dc.relation.references«Vincent Blog,» [En línea]. Available: https://vincentblog.xyz/posts/conceptos- basicos-sobre-redes-neuronales.spa
dc.relation.references«Machine Learning,» [En línea]. Available: https://machinelearningmastery.com/adam-optimization-algorithm-for-deep- learning/.spa
dc.relation.references«MATLAB,» [En línea]. Available: https://es.mathworks.com/help/deeplearning/ref/narxnet.html.spa
dc.relation.referencesL. Galeano Vasco y M. Cerón Muñóz, «Modelación del crecimiento de pollitas Lohmann LSL con redes neuronales y modelos de regresión no lineal,» Revista MVZ Córdoba, vol. 18, nº 3, pp. 3861-3867, 2013.spa
dc.relation.referencesJ. E. Gómez Cuello, Factores zootécnicos que determinan el ciclo productivo de gallinas comerciales White leghorn l33 en Ciego de Ávila, Cuba, La Habana: Editorial Universitaria, 2017, p. 166.spa
dc.relation.referencesH. A. Ahmad, «Poultry growth modeling using neural networks and simulated data,» The Journal of Applied Poultry Research, vol. 18, nº 3, pp. 440-446, 2009.spa
dc.relation.referencesD. F. Ávila Pesántez y M. F. Vásconez Barrera, «Diseño de un sistema de control gerencial de plantas avícolas utilizando redes de sensores inalámbricos con tecnología open hardware,» Pontificia Universidad Católica del Ecuador Sede Ambato, Ambato, 2015.spa
dc.relation.referencesR. J. Sánchez Mesa y O. M. Rueda Tristancho, «Implementación de la red de sensores inalámbricos para la monitorización de variables físicas en un galpón avícola,» Facultad de Ingenierías Fisicomecánicas, Bucaramanga, 2010.spa
dc.relation.referencesN. D. Haviluddin, «Comparison of SARIMA, NARX and BPNN Models,» IEEE, pp. 1-5, 2016.spa
dc.relation.referencesE. Andreo, «aviNews,» 06 Julio 2017. [En línea]. Available: https://avicultura.info/los-efectos-del-estres-calorico-las-aves-2/.spa
dc.relation.referencesC. J. Nicol, «Organización de las Naciones Unidas para la Alimentación y la Agricultura,» [En línea]. Available: http://www.fao.org/3/al723s/al723s00.pdf. [Último acceso: 2019].spa
dc.relation.referencesF. S. Carlile, «universidad autonoma de Barcelona,» [En línea]. Available: https://ddd.uab.cat/pub/selavi/selavi_a1985m1v27n1@reavicultura/selavi_a1985m1v 27n1p3@reavicultura.pdf. [Último acceso: 2019].spa
dc.relation.referencesC. A. Maya, «Engormix,» 02 03 2009. [En línea]. Available: https://www.engormix.com/avicultura/articulos/calidad-agua-produccion-aves- t27850.htm.spa
dc.relation.references«packt,» [En línea]. Available: https://hub.packtpub.com/what-is-lstm/.spa
dc.relation.references«Towards data science,» [En línea]. Available: https://towardsdatascience.com/understanding-lstm-and-its-quick-implementation- in-keras-for-sentiment-analysis-af410fd85b47.spa
dc.contributor.cvlacGonzález Acevedo, Hernando [0000544655]spa
dc.contributor.googlescholarGonzález Acevedo, Hernando [V8tga0cAAAAJ]spa
dc.contributor.orcidGonzález Acevedo, Hernando [0000-0001-6242-3939]spa
dc.subject.lembMecatrónicaspa
dc.subject.lembTecnologíaspa
dc.subject.lembAmbientéspa
dc.subject.lembInvestigaciónspa
dc.subject.lembInteligencia artificialspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.description.abstractenglishThis paper presents the prediction of bird growth in relation to the environmental variables that most influence this process. Recurrent neural networks were used to carry out the training of the data that were obtained in a certain time, for this they were installed sensors in a shed acquiring the data of temperature, Humidity, Wind speed and weight of the birds of fattening, where every hour data was sent to Thing Speak to obtain the information in real time, in order to cover the IoT. Subsequently, Python was used to perform the algorithm from LSTM networks to do this, the database of all variables was required, with this the processing of this information was carried out in order to eliminate the atypical data and finally to work the algorithm with the normalized values. The evaluation of the performance of the system was evaluated on the basis of the mean quadratic error (CMR), where it was possible to observe from the percentages obtained that the system was not overtrained because the CMR was never zero. Finally, upon obtaining the prediction system a web page was created from Python and HTML to show the prediction of growth every certain amount of time, along with these alarms were made from programming to inform the person of the performance that had the shed at that time.spa
dc.subject.proposalSensoresspa
dc.subject.proposalCrecimientospa
dc.subject.proposalIndustria avícolaspa
dc.subject.proposalCalidad de productorspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 2.5 Colombia