Biblioteca
Normal view MARC view ISBD view

Extensión de la plataforma de fuente abierta thingsboard para el desarrollo de soluciones IOT para el agro Colombiano [Recurso Electrónico] / Carlos Alberto Ramírez Otero, Germán Andrés López Pacheco, Cristian Fernando Mendivelso Sanabria.

By: Ramírez Otero, Carlos Alberto.
Contributor(s): López Pacheco, Germán Andrés [Autor.] | Mendivelso Sanabria, Cristian Fernando [Autor.] | Cadavid Rengifo, Héctor Fabi [dir.].
Material type: materialTypeLabelComputer filePublisher: Bogotá (Colombia): Escuela Colombiana de Ingeniería Julio Garavito, 2018Description: 127 p.: gráf.Subject(s): CÓDIGO ABIERTO | ANÁLISIS DE DATOS | AGRICULTURA DE PRECISIÓN | TESIS Y DISERTACIONES ACADÉMICASDDC classification: 003 Online resources: Click here to access online Dissertation note: Tesis (Ingeniero de Sistemas) Review: En este documento se detalla la extensión realizada a la plataforma de código abierto Thingsboard, con conceptos propios del agro colombiano (finca, lote y cultivo) para solucionar problemas que afectan la productividad de los cultivos, haciendo uso de herramientas de análisis de datos (Apache Spark) y aprendizaje automático (MLIB) en tiempo real y con datos históricos, con el fin de poder preveer posibles riesgos y amenazas que puede afectar el estado y crecimiento de los cultivos. Dentro de la implementación, se encuentra el uso de herramientas de georreferenciación que permiten ubicar regiones que representan los terrenos de los agricultores. A lo largo del documento se encontrará más a detalle cada uno de los aspectos del proyecto con sus respectivos manuales para que pueda ser replicado y extendido en un futuro.
Tags from this library: No tags from this library for this title. Log in to add tags.
    average rating: 0.0 (0 votes)

Tesis (Ingeniero de Sistemas)

En este documento se detalla la extensión realizada a la plataforma de código abierto
Thingsboard, con conceptos propios del agro colombiano (finca, lote y cultivo) para
solucionar problemas que afectan la productividad de los cultivos, haciendo uso de
herramientas de análisis de datos (Apache Spark) y aprendizaje automático (MLIB) en
tiempo real y con datos históricos, con el fin de poder preveer posibles riesgos y amenazas
que puede afectar el estado y crecimiento de los cultivos. Dentro de la implementación, se
encuentra el uso de herramientas de georreferenciación que permiten ubicar regiones que
representan los terrenos de los agricultores.
A lo largo del documento se encontrará más a detalle cada uno de los aspectos del proyecto
con sus respectivos manuales para que pueda ser replicado y extendido en un futuro.

There are no comments for this item.

Log in to your account to post a comment.

Click on an image to view it in the image viewer