EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Aplicación de redes neuronales convuncionales (CNN) ,determinación de factores climatológicos del sector floricultor: Una revisión sistemática

Kenny Ruben Montalvo Morales, Jamir Ever Vilchez De la cruz, Lesli Yata Franco, Laumer Tocto Yajahuanca

KANYÚ · 2024

DOI: 10.61210/kany.v2i3.123 ↗

Kurz gefasst

Fachartikel in der Zeitschrift KANYÚ, 2024. Verfasst von Kenny Ruben Montalvo Morales und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

El uso de redes neuronales convencionales (RNC) se ha convertido en una herramienta clave para el control y la predicción de factores climatológicos que afectan significativamente a la floricultura. Este sector, altamente dependiente de condiciones ambientales específicas, enfrenta retos importantes para garantizar una producción eficiente y sostenible. La presente revisión sistemática siguió los procedimientos establecidos por el enfoque PRISMA, empleando la metodología PIO (Población, Intervención y Resultados) para analizar investigaciones relevantes y proporcionar un panorama integral de las aplicaciones de las RNC en este ámbito. El objetivo principal fue identificar cómo las RNC se están utilizando para modelar y optimizar variables climáticas como la temperatura, la humedad, la radiación solar y el viento, factores cruciales en el desarrollo de cultivos florícolas. Los hallazgos destacan que las RNC son capaces de interpretar relaciones complejas entre estas variables y la productividad, permitiendo la toma de decisiones más precisas y la implementación de estrategias automatizadas. Su uso en invernaderos y sistemas controlados demuestra mejoras significativas en la eficiencia de los procesos pre y postproductivos, así como en la calidad final de las flores. Entre los principales resultados se evidencia un creciente interés por integrar estas tecnologías en la floricultura de precisión, aunque se identifican importantes limitaciones, como la necesidad de datos de alta calidad, el acceso desigual a tecnologías avanzadas y la escasa adopción en regiones de bajos recursos. La revisión también resalta oportunidades futuras, como el desarrollo de modelos híbridos que combinen RNC con redes neuronales profundas, así como la validación de estas tecnologías en escenarios de estrés ambiental y cambios climáticos extremos. Finalmente, la revisión examina el estado actual de las aplicaciones de las RNC en la floricultura, destacando sus beneficios y limitaciones, y propone líneas de investigación orientadas a la mejora de su implementación y la sostenibilidad del sector.

Zitieren

APA

Morales, K. R. M., cruz, J. E. V. D. L., Franco, L. Y., & Yajahuanca, L. T. (2024). Aplicación de redes neuronales convuncionales (CNN) ,determinación de factores climatológicos del sector floricultor: Una revisión sistemática. KANYÚ. https://doi.org/10.61210/kany.v2i3.123

Vancouver

Morales KRM, cruz JEVDL, Franco LY, Yajahuanca LT. Aplicación de redes neuronales convuncionales (CNN) ,determinación de factores climatológicos del sector floricultor: Una revisión sistemática. KANYÚ. 2024. doi:10.61210/kany.v2i3.123

BibTeX
@article{Morales2024,
  author = {Morales, Kenny Ruben Montalvo and cruz, Jamir Ever Vilchez De la and Franco, Lesli Yata and Yajahuanca, Laumer Tocto},
  title = {Aplicación de redes neuronales convuncionales (CNN) ,determinación de factores climatológicos del sector floricultor: Una revisión sistemática},
  journal = {KANYÚ},
  year = {2024},
  doi = {10.61210/kany.v2i3.123}
}
Kostenlos starten →