Detalles de la obra

Título:
Reconocimiento de imágenes para el agro
Autor(es):
Assandri Fieguth, Brandon David; Estragó Bonifacino, Santiago Javier; Robayna Cenni, Ignacio Nicolás; Méndez Coscia, Diego Santiago
Pie de imprenta:
Montevideo: Universidad ORT Uruguay, 2017
Descripción física:
348 p. diagrs., tabl. En línea
Nota de tesis:
Proyecto (Carrera Universitaria). Universidad ORT Uruguay, Facultad de Ingeniería. Montevideo, 2017. Calificación: 92/100
Título obtenido:
Entregado como requisito para la obtención del título de Licenciado en Sistemas
Tutor:
Pablo Hernández Guimarans
Tribunal:
Santiago Matalonga Motta; Diego David Garbervetsky
Resumen:
El proyecto describe la creación de un prototipo para apoyar a los productores rurales a tener acceso a consultores calificados a partir de una aplicación móvil. Normalmente, las grandes empresas agrícolas cuentan con grupos de asesores con el fin de actuar ante cualquier problema en los cultivos. Sin embargo, los pequeños productores no cuentan con los mismos recursos y suelen recurrir a consejos de vecinos, no siempre obteniendo la información más acertada o efectiva. Como forma de solucionar dicha problemática se acordó con la empresa cliente Quanam, el desarrollo de un prototipo funcional que consta de dos aplicaciones: una móvil para los usuarios finales y un sitio web de carácter administrativo. La aplicación móvil se utiliza para consultar y recibir un diagnóstico estimativo de la enfermedad que un cultivo padece, junto con información útil, acciones recomendadas y una lista de asesores a los cuales puede contactar. Además, agrega una sección de reportes históricos de las enfermedades diagnosticadas, un mapa fitopatológico que permite a los productores y asesores tener información actualizada, optimizar los tiempos y la calidad de sus conclusiones. El sitio web es de uso interno del cliente, cuenta con un modelo cognitivo de reconocimiento de imágenes en donde se pueden también gestionar los usuarios, gestionar las enfermedades y entrenar a dicho modelo. Las tecnologías utilizadas fueron Xamarin para la aplicación móvil y NodeJS para la lógica del negocio. Además, se eligió Bluemix como plataforma en la nube y se utilizó IBM Watson para el reconocimiento de imágenes.
Referencias bibliográficas:
Incluye bibliografía y anexos
Idioma:
Español
Tipo de material:
[Trabajo Final de Carrera]
Ubicación física:
Disponible en línea

Archivos asociados:

Archivo Tamaño Formato
Proyecto 7.44MB application/pdf
Informe del corrector 57kB application/pdf