Uso de machine learning y un sensor de reflectancia del dosel proximal para predecir biomasa y calidad nutricional en forrajes tropicales (Urochloa humidicola)
No hay miniatura disponible
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Editor
Resumen
Descripción
Atributos como la biomasa y la calidad nutricional son características que permiten la selección de mejores pasturas y, por ende, la obtención de mayores cantidades de carne y leche a partir del alimento del ganado (Mendoza et al. 2022). Sin embargo, el método analítico de laboratorio utilizado para calcular estos atributos resulta ineficiente para especies perennes cuando existen cientos de plantas para evaluar (Masenyama et al. 2022). Por lo tanto, es necesario desarrollar métodos que permitan la caracterización y selección de genotipos mediante técnicas no destructivas de alto rendimiento. Para ello, se han utilizado sensores activos de dosel como el Crop Circle Phenom, capaces de medir reflectancia, atributos estructurales y variables climáticas.
Palabras clave
machine learning, aprendizaje automático, models, yield forecasting, pronóstico del rendimiento, multispectral imagery, modelo, imagen multiespectral, optical sensors, sensor óptico, reflectance, reflectancia