Please use this identifier to cite or link to this item: http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/1621
Full metadata record
DC FieldValueLanguage
dc.contributor49390es_ES
dc.contributor429892es_ES
dc.contributor121858-
dc.contributor.otherhttps://orcid.org/0000-0001-8052-7483-
dc.contributor.otherhttps://orcid.org/0000-0003-1519-7718-
dc.contributor.otherhttps://orcid.org/0000-0001-6082-1546-
dc.coverage.spatialGlobales_ES
dc.creatorOlvera Olvera, Carlos Alberto-
dc.creatorLópez Monteagudo, Francisco Eneldo-
dc.creatorBordón López, Raikel-
dc.creatorVillagrana Barraza, Santiago-
dc.creatorVillela Varela, Rafael-
dc.creatorAraiza Esquivel, María Auxiliadora-
dc.creatorArceo Olague, José Guadalupe-
dc.date.accessioned2020-04-14T17:43:57Z-
dc.date.available2020-04-14T17:43:57Z-
dc.date.issued2019-06-23-
dc.identifierinfo:eu-repo/semantics/publishedVersiones_ES
dc.identifier.isbn978-959-3122-580es_ES
dc.identifier.urihttp://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/1621-
dc.identifier.urihttps://doi.org/10.48779/r27c-6877-
dc.descriptionIn the present work, a remote control platform for the stabilization of a drone was developed through trajectory planning with the objective of detecting weeds in a bean field. The weed detection was carried out completely autonomously, using a decision tree as a classification algorithm in the final stage. The results obtained in the evaluation of the performance of the proposed method were satisfactory. The linear regression model between estimated and observed weed densities yielded a coefficient of determination of 0.987 and an average square error of 0.075. Of the total area of the field of study, 84% was estimated with less than 1% coverage of weeds, which indicates a high potential for reducing the volume of applied herbicides. Currently, we are working on automatic control algorithms that detect any anomaly in the flight of the Drones.es_ES
dc.description.abstractEn el presente trabajo se desarrolló una plataforma de control remota para la estabilización de un Dron mediante la planificación de trayectorias con el objetivo de la detección de malezas en un campo de frijol. La detección de malezas se llevó a cabo de manera completamente autónoma, empleando un árbol de decisión como algoritmo de clasificación en la etapa final. Los resultados obtenidos en la evaluación del desempeño del método propuesto fueron satisfactorios. El modelo de regresión lineal entre las densidades de maleza estimadas y observadas arrojó un coeficiente de determinación de 0.987 y un error cuadrático medio de 0.075. Del área total del campo de estudio, se estimó un 84 % con menos del 1 % de cobertura de malezas, lo cual indica un alto potencial para la reducción del volumen de herbicidas aplicados. Actualmente, estamos trabajando en algoritmos de control automáticos que detecten cualquier anomalía en el vuelo de los Drones.es_ES
dc.language.isospaes_ES
dc.publisherUniversidad Central “Marta Abreu” de Las Villases_ES
dc.relation.urigeneralPublices_ES
dc.rightsAtribución-NoComercial-CompartirIgual 3.0 Estados Unidos de América*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/us/*
dc.sourceII Convención científica internacional “II CCI UCLV 2019” del 23 al 30 de junio del 2019. Cayos de Villa Clara Cubaes_ES
dc.subject.classificationINGENIERIA Y TECNOLOGIA [7]es_ES
dc.subject.otherUtilización de Drones en la agriculturaes_ES
dc.subject.otherprocesamiento de señaleses_ES
dc.subject.othercontrol remoto de Droneses_ES
dc.titlePlataforma de control de un vehículo aéreo no tripulado para la detección de malezases_ES
dc.title.alternativeControl platform of an unmanned aerial vehicle for the detection of weedses_ES
dc.typeinfo:eu-repo/semantics/conferenceProceedingses_ES
Appears in Collections:*Documentos Académicos*-- M. en Ciencias de la Ing.

Files in This Item:
File Description SizeFormat 
Articulo Plataforma de control.pdfAccionamiento489,9 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons