Resumen

La falta de fiabilidad de la información sobre la trazabilidad de los insumos agrícolas se ha convertido en uno de los principales factores que obstaculizan el desarrollo de los sistemas de trazabilidad. En la actualidad, las principales técnicas de detección de insumos agrícolas eran la detección química de residuos en la fase posterior a la producción. En este trabajo, se propuso un nuevo método de detección basado en sensores y algoritmo de inteligencia artificial en la detección de los insumos agrícolas comúnmente en el cultivo de Agastache rugosa. Se diseñó y construyó una plataforma de monitorización de insumos agrícolas que incluye un sistema de software y un circuito de hardware. Se propuso un modelo denominado stacked sparse denoising autoencoder-hierarchical extreme learning machine-softmax (SSDA-HELM-SOFTMAX) para lograr una predicción precisa y en tiempo real de las variedades de insumos agrícolas. Los experimentos demostraron que la combinación de sensores y modelo discriminante podía clasificar con precisión distintos insumos agrícolas. La precisión de SSDA-HELM-SOFTMAX alcanzó el 97,08%, un 4,08%, 1,78% y 1,58% más que los modelos tradicionales de red neuronal BP, DBN-SOFTMAX y SAE-SOFTMAX, respectivamente. Por lo tanto, el método propuesto en este trabajo demostró ser eficaz, preciso y viable, y proporcionará una nueva forma de detección en línea de insumos agrícolas.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:insumos agrícolas, softmax, plataforma de supervisión de insumos agrícolas, nueva forma de detección en línea, cultivo de agastache rugosa, variedades de insumos agrícolas, algoritmo de inteligencia artificial, diferentes insumos agrícolas, principales técnicas de detección, nuevo método de detección
• Keywords:agricultural inputs, softmax, agricultural input monitoring platform, new online detection way, agastache rugosa cultivation, agricultural input varieties, artificial intelligence algorithm, different agricultural inputs, major detection techniques, new detection method