Desarrollo de un sistema de monitoreo para acuaponía en hogares basado en IOT
Notice bibliographique
Résumé
<p>La metodología de producir alimentos de forma local es una de las herramientas<br />más importante en la teoría de la soberanía y seguridad alimentaria, y en este perfil productivo el tener proteína animal se convierte en un reto importante a considerar, por diferentes razones de espacio, logística, generación de olores, etc. Así, los cultivos hidropónicos se convierten en una solución, máxime cuando este sistema se transfiere incluyendo el cultivo de peces en estanques que se benefician de la hidroponía. Es así como este tipo de sistema, en donde a la metodología de hidroponía se le agregan peces, se convierte en acuapónico, metodología que requería ser valorada, y así se hizo, usando herramientas agrónicas para su automatización, midiendo variables de temperatura, humedad y pH para controlar la circulación y la temperatura, con la producción de hortalizas y peces en una misma estructura, para comprobar el funcionamiento del modelo, bajo el monitoreo electrónico y la toma remota de datos con actuadores y comunicación inalámbrica a una plataforma web. El resultado fue la construcción de un prototipo que permite la integración de peces con cultivo de hortalizas, bajo un monitoreo remoto con sensores, y la transmisión de datos a una plataforma web. En las conclusiones se hace referencia a las condiciones mínimas de uso de esta metodología con resultados productivos positivos, y las condiciones de manejos para un buen uso del prototipo, de hasta un 90 % de resultados positivos en la producción, el uso eficiente de recursos, y los sistemas remotos de control; esto como una alternativa<br />para la producción integrada de peces y hortalizas en espacios urbanos.</p>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».