Smart insect-pest management for cotton crops

Toscano Miranda, Raúl Emiro

Smart insect-pest management for cotton crops

dc.contributor.advisor	Aguilar Castro, José
dc.contributor.advisor	Toro Bermúdez, Muricio
dc.contributor.advisor	Caro Piñerez, Manuel
dc.contributor.author	Toscano Miranda, Raúl Emiro
dc.coverage.spatial	Medellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees	eng
dc.creator.degree	Doctor in Engineering	spa
dc.creator.email	retoscanom@eafit.edu.co
dc.creator.grantor	Ministerio de Ciencia y Tecnología de Colombia (Programa de Excelencia Doctoral Bicentenario) Universidad EAFIT - Programa de Excelencia Doctoral Bicentenario Universidad de Córdoba
dc.date.accessioned	2024-04-23T17:35:49Z
dc.date.available	2024-04-23T17:35:49Z
dc.date.issued	2024
dc.description	En esta investigación, abordamos el problema del manejo inteligente de plagas de insectos para cultivos de algodón. Para el estudio de esta problemática nos hemos posicionado en el marco del paradigma de la Agricultura Inteligente. En este contexto, la agricultura inteligente, también conocida como agricultura de precisión o agricultura digital, implica el uso de tecnologías avanzadas para mejorar la productividad, la eficiencia y la sostenibilidad agrícolas. Su objetivo es utilizar enfoques innovadores y basados en datos, para optimizar las prácticas agrícolas y reducir el desperdicio de recursos al tiempo que se garantiza la seguridad alimentaria. El desarrollo de enfoques que ayuden en la toma de decisiones para la gestión inteligente de plagas de insectos para la agricultura es necesario para evitar la propagación masiva de plagas de insectos y el aumento del impacto ambiental. A pesar de la existencia de avances en agricultura inteligente, el manejo integrado de plagas de insectos sigue siendo un desafío. Para abordar este problema, nuestro objetivo fue desarrollar metodologías, modelos y enfoques para apoyar la toma de decisiones relacionadas con el manejo inteligente de plagas de insectos para cultivos de algodón. Para lograr este objetivo se plantearon varios subobjetivos, el primero fue diseñar una arquitectura metacognitiva para el manejo inteligente de plagas del algodón, el segundo fue implementar modelos de conocimiento para el manejo inteligente de plagas del algodón, y el tercero fue implementar novedosos conceptos de Inteligencia Artificial para el desarrollo de modelos de conocimiento. Particularmente, se desarrollaron varios artículos de investigación para cumplir con los objetivos propuestos en esta tesis. Inicialmente se realizó un artículo de revisión sobre las últimas tendencias en Agricultura Inteligente utilizando inteligencia artificial y técnicas de sensado para el manejo de plagas de insectos y enfermedades en algodón. Por otro lado, para el primer subobjetivo se realizó un artículo donde se proponía una arquitectura metacognitiva con tareas metacognitivas (meta-memoria, meta-aprendizaje, meta-razonamiento, meta-comprensión y meta-conocimiento) para la gestión inteligente de plagas. Para cumplir con el segundo subobjetivo se propusieron dos artículos. El primer artículo es un modelo de clasificación de la población del picudo algodonero y el segundo artículo presentó un sistema de clasificación difusa para analizar el rendimiento de la producción de algodón. En cuanto al tercer subobjetivo, se propusieron dos artículos. El primer artículo trata sobre un sistema con ciclos autónomos de análisis de datos para la gestión integrada del algodón. Y el segundo artículo muestra cómo mejorar la clasificación de plagas de insectos en algodón utilizando técnicas de Aprendizaje por Transferencia. En cada artículo, las estrategias/modelos se evaluaron utilizando varios conjuntos de datos. Los resultados mostraron la capacidad de las metodologías y modelos desarrollados para la toma de decisiones en el manejo inteligente de plagas de insectos en cultivos de algodón. Específicamente, nuestras propuestas permiten la predicción de los comportamientos del picudo del algodonero, el diagnóstico/predicción del rendimiento del algodón y la prescripción de estrategias para el manejo del algodón en el marco de una arquitectura metacognitiva, con buenos resultados en las métricas de rendimiento.
dc.description.abstract	In this research, we address the problem of smart insect-pest management for cotton crops. For the study of this problem, we have positioned it in the framework of the paradigm of Smart agriculture. In this context, Smart agriculture, also known as precision agriculture or digital agriculture, involves the use of advanced technologies to improve agricultural productivity, efficiency, and sustainability. Its focus is to use data-driven and innovative approaches to optimize farming practices and reduce resource waste while ensuring food security. The development of approaches to aid in decision-making for smart insect-pest management for agriculture is necessary to avoid the massive spread of insect pests and the increase in environmental impact. Despite the existence of advances in smart agriculture, integrated management of insect pests remains a challenge. To address this problem, our objective was to develop methodologies, models, and approaches to support decision-making related to smart insect-pest management for cotton crops. To achieve this objective, several sub-objectives were raised, the first one was to design a metacognitive architecture for the smart management of cotton pests, the second was to implement knowledge models for the smart management of cotton pests, and the third was to implement novel AI concepts for the development of knowledge models. Particularly, several research articles were developed to meet the objectives proposed in this thesis. Initially, a review article on the latest trends in Smart agriculture using artificial intelligence and sensing techniques for the management of insect pests and diseases in cotton was carried out. On the other hand, for the first sub-objective, an article was conducted where a metacognitive architecture with metacognitive tasks (meta-memory, meta-learning, meta-reasoning, meta-comprehension, and meta-knowledge) was proposed for smart-pest management of cotton. To meet the second sub-objective, two articles were proposed. The first article is a classification model of the cotton boll-weevil population and the second article presented a fuzzy classification system to analyze the yield of cotton production. Regarding the third sub-objective, two articles were proposed. The first article is about a system with autonomous cycles of data analysis tasks for the integrated management of cotton. And the second article shows how to enhance the insect pest classification in cotton using Transfer Learning techniques. In each article, the strategies/models were evaluated using various datasets. The results showed the capacity of the developed methodologies and models for decision-making in smart insect-pest management for cotton crops. Specifically, our proposals allow the prediction of the boll-weevil behaviors, the diagnosis/prediction of cotton yield, and the prescription of strategies for cotton management into a framework of a meta-cognitive architecture, with good results in performance metrics.
dc.format	application/pdf	eng
dc.identifier.uri	https://hdl.handle.net/10784/33720
dc.language.iso	spa	spa
dc.publisher	Universidad EAFIT	spa
dc.publisher.department	Escuela de Ciencias Aplicadas e Ingeniería	spa
dc.publisher.place	Medellín
dc.publisher.program	Doctorado en Ingeniería	spa
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	eng
dc.rights.local	Acceso abierto	spa
dc.rights.uri	http://creativecommons.org/licenses/by/4.0/deed.es
dc.subject	Inteligencia artificial
dc.subject	Aprendizaje automático
dc.subject	Modelización predictiva
dc.subject	Modelización prescriptiva
dc.subject	Agricultura inteligente
dc.subject	Agricultura de precisión
dc.subject	Algodón
dc.subject.keyword	Artificial intelligence
dc.subject.keyword	Machine learning
dc.subject.keyword	Predictive modeling
dc.subject.keyword	Prescriptive modeling
dc.subject.keyword	Smart agriculture
dc.subject.keyword	Precision agriculture
dc.subject.keyword	Cotton
dc.subject.lemb	ALGODÓN - ENFERMEDADES Y PLAGAS
dc.subject.lemb	PLAGAS AGRÍCOLAS
dc.subject.lemb	PATOLOGÍA VEGETAL
dc.subject.lemb	PLANTAS - DAÑOS Y LESIONES
dc.title	Smart insect-pest management for cotton crops
dc.type	doctoralThesis	eng
dc.type	info:eu-repo/semantics/doctoralThesis	eng
dc.type.hasVersion	acceptedVersion	eng
dc.type.local	Tesis Doctoral	spa
dc.type.spa	Otro