(2024-10-24) García Menchaca, Levi Esteban; Guerra Sánchez, Carlos Alain; Cleva, Mario Sergio; González Ramírez, Efrén; Sifuentes Gallardo, Claudia; Durán Muñoz, Héctor Antonio
Este estudio explora el crecimiento de fresas (Fragaria × ananassa) en cultivo hidropónico bajo diferentes longitudes de onda de luz, con un enfoque en el uso de técnicas avanzadas de Machine Learning (ML) y Deep Learning (DL). Utilizando sensores de luz y temperatura, junto con plataformas como Arduino, se monitorizan en tiempo real las condiciones de cultivo. Los datos recopilados serán analizados mediante algoritmos de ML para modelar el crecimiento y predecir el comportamiento de las plantas. Además, se emplearán redes neuronales convolucionales (CNN) para el análisis de imágenes, permitiendo detectar plagas y optimizar el uso de fertilizantes, con el objetivo de mejorar la eficiencia y sostenibilidad en la producción de fresas.
