Aplicación de la inteligencia artificial en la producción de sembrío de ciclo corto en el sector agro productivo
En los últimos años, el sector agro productivo presenta diferentes problemas, es fundamental adoptar prácticas agrícolas integradas y sostenibles que incluyan la rotación de cultivos, el manejo integrado de plagas y enfermedades, la selección de variedades resistentes y adaptadas localmente, y el mo...
| Autores: | , , , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2024 |
| País: | Perú |
| Institución: | Universidad Nacional Tecnológica de Lima Sur |
| Repositorio: | UNTL-Biotech |
| Idioma: | español |
| OAI Identifier: | oai:ojs2.localhost:article/172 |
| Acceso en línea: | https://revistas.untels.edu.pe/index.php/files/article/view/172 |
| Access Level: | acceso abierto |
| Palabra clave: | Inteligencia artificial sembrío de ciclo corto tic sector agro productivo |
| Sumario: | En los últimos años, el sector agro productivo presenta diferentes problemas, es fundamental adoptar prácticas agrícolas integradas y sostenibles que incluyan la rotación de cultivos, el manejo integrado de plagas y enfermedades, la selección de variedades resistentes y adaptadas localmente, y el monitoreo constante de las condiciones del cultivo. La zona norte de Manabí, presenta diferentes desafíos en la integración de inteligencia artificial en el cultivo de arroz, promete revolucionar la agricultura al mejorar la precisión y eficiencia de las prácticas agrícolas, reducir los costos operativos y económicos, y mitigar los impactos ambientales, contribuyendo así a una producción agrícola más sostenible y resiliente. Se estudió las diferentes publicaciones en los importantes repositorios de revistas científicas, sobre el sembrío de maíz y su diferente impacto en la zona norte de Manabí. La metodología utilizada en este estudio se limitó en investigaciones sobre sembríos de ciclo corto de maíz, su afectación durante el proceso de cultivo, producción y predicciones sobre de cosechas anteriores. Los resultados obtenidos reflejan su afectación no solo por plagas o factores ambientales, la producción genera diferentes impactos sean climáticos o económicos orientados en sus cultivos y las predicciones mitigan su productividad desde el inicio hasta la culminación de la cosecha; esto genera información valiosa al momento de tomar alguna decisión de mejora. Para futuras investigaciones podremos indicar, que los resultados obtenidos, sirven como métricas de alternativas de apoyo y con ello se construye a utilizarla en otros cultivos, porque se muestra diferentes tendencias de mejoras en su productividad |
|---|