Digital repository

Tesis de Pregrado - Ingeniería en Telemática

Permanent URI for this collection

https://repositorio.uteq.edu.ec/handle/43000/58

Browse

Browsing Tesis de Pregrado - Ingeniería en Telemática by Subject "Acuicultura"

Now showing 1 - 3 of 3
  • Thumbnail Image
    ItemOpen Access
    Internet de las cosas basado en cadenas de bloques para el cultivo de peces”
    (2024) Beltrán Espinoza, Kevin Andrés
    En el cultivo de peces en la universidad técnica estatal de Quevedo específicamente el campus la María cuenta con dispositivos basado en internet de las cosas donde sus operaciones son enviadas a una base de datos en la nube generando problemas de integridad y seguridad, por lo tanto , el objetivo de la presente investigación fue la Integración del Internet de las cosas y las cadenas de bloques para la recolección y gestión de datos en cultivos de peces incrementando la eficiencia operativa y la sostenibilidad del proceso. La metodología adoptada fue cualitativa con un diseño aplicado, centrada en integrar y evaluar un sistema de almacenamiento descentralizado basado en cadenas de bloques para dispositivos de internet de las cosas en la acuicultura. Este enfoque busca soluciones prácticas para los problemas de seguridad y eficiencia en la industria acuícola. Mediante esta metodología se logró determinar el tipo de almacenamiento más adecuado para esta investigación: un sistema basado en cadenas de bloques utilizando un servidor para conectar la base de datos alojada en Firebase con las cadenas de bloques de Ganache. La verificación de los datos almacenados en Ganache se realizó a través de una AppWeb. En ese contexto se concluye que una solución de almacenamiento híbrido, que combina la escalabilidad de la nube con la integridad y confiabilidad de las cadenas de bloques, es óptima para la gestión de datos en acuicultura. Este sistema híbrido proporciona un equilibrio ideal entre escalabilidad, seguridad e integridad de los datos en el sector acuícola.
  • Thumbnail Image
    ItemOpen Access
    Modelo predictivo en telemetría mediante técnicas de aprendizaje automático para anticipar degradación del agua en acuicultura
    (Quevedo:UTEQ, 2024) Zambrano Varela, Francisco Alexander; Salinas Buestan, Néstor Rafael
    La presente investigación introduce una estrategia innovadora para mejorar la gestión de la calidad del agua en entornos de acuicultura mediante el empleo de métodos de aprendizaje automático. Se utilizó un sistema telemétrico para la recolección y monitoreo de datos ambientales tales como pH, temperatura, turbidez y tds. La pieza central de este estudio es el desarrollo de un modelo predictivo basado en la telemetría, el cual aprovecha estos datos para prever cambios en la calidad del agua. Se pusieron a prueba varios algoritmos de aprendizaje automático, incluyendo Random Forest, Gradient Boosting, Regresión Polinomial, Regresión Lineal y k-Nearest Neighbors. Tras exhaustivas pruebas, se determinó que Random Forest destacó como el algoritmo más eficaz, logrando una precisión extraordinaria de 0.999 con un tiempo de entrenamiento de apenas 12 segundos. Este modelo permite la detección proactiva de condiciones que podrían conducir a la degradación del hábitat acuático, posibilitando la alerta temprana sobre posibles incidentes. Al anticipar estos eventos, los administradores de recursos acuícolas pueden tomar medidas correctivas de manera oportuna, reduciendo los riesgos asociados con la degradación del agua.
  • Thumbnail Image
    ItemOpen Access
    Sistema automatizado de alimentación basado en características físicas y cantidad de los peces en la Universidad Técnica Estatal de Quevedo campus La María.
    (QUEVEDO: UTEQ, 2025) Muñoz Ricaurte , Karelys Thais; Zhuma Mera, Emilio Rodrigo
    La investigación aborda el diseño e implementación de un sistema automatizado de alimentación para peces, enfocado en el campus La María de la Universidad Técnica Estatal de Quevedo, utilizando tecnologías de Internet de las Cosas y visión artificial. El estudio destaca que la alimentación manual, aún frecuente en estanques acuícolas, genera ineficiencias, sobrecostos y riesgos en la salud de los peces. A través del desarrollo de un prototipo compuesto por sensores de pH, temperatura y turbidez, cámara y un microcontrolador Raspberry Pi, se buscó garantizar la dosificación precisa del alimento en función de la biomasa y las características físicas de los peces. Los resultados evidencian que el sistema permite reducir el desperdicio de alimento, mejorar la uniformidad en el crecimiento y optimizar el uso de recursos en la piscicultura. Asimismo, se resalta el valor educativo de la propuesta, al integrar a los estudiantes en prácticas de innovación tecnológica aplicadas al sector acuícola. Finalmente, se concluye que la incorporación de IoT e inteligencia artificial en la acuicultura no solo contribuye a la productividad y sostenibilidad, sino que también abre el camino hacia granjas inteligentes capaces de responder en tiempo real a las condiciones cambiantes de los estanques.