Uso del aprendizaje máquina para el análisis de suelos

Contenido principal del artículo

Luis Enrique Partida-Aguilar
Daniel Fajardo-Delgado
Maria Guadalupe Sánchez
Raquel Ochoa-Ornelas
Himer Ávila-George
Jesús Ezequiel Molinar-Solis

Resumen

La cromatografía circular de Pfeiffer (PCC, por sus siglas en inglés) es una técnica de análisis cualitativa que provee de información microbiológica, mineral y de materia orgánica del estado de salud de un suelo. El presente trabajo trata de la conformación de un conjunto de datos de imágenes PCC de diferentes tipos de suelos con base en tres variables: acidez, conductividad eléctrica y textura del suelo. Este trabajo también explora el uso de técnicas de aprendizaje profundo para extraer automáticamente las características de las imágenes y clasificar los suelos con base en su tipo. Es la primera vez que se utilizan este tipo de técnicas de aprendizaje para este problema de clasificación. Los resultados experimentales muestran un puntaje-F1 de 0.7889 para la clasificación de la textura de los suelos, lo que sugiere una relación significativa de esta variable con el PCC. Por otra parte, los resultados también sugieren una baja correlación de los PCC con las variables de acidez y conductividad eléctrica de los suelos.

Detalles del artículo

Cómo citar
Partida-Aguilar, L. E., Fajardo-Delgado, D., Sánchez, M. G., Ochoa-Ornelas, R., Ávila-George, H., & Molinar-Solis, J. E. (2021). Uso del aprendizaje máquina para el análisis de suelos. Difu100ci@, Revista De difusión científica, ingeniería Y tecnologías, 15(3), 116-123. Recuperado a partir de http://difu100cia.uaz.edu.mx/index.php/difuciencia/article/view/218
Sección
Congreso Nacional de Investigación Interinstitucional