Modelo de Acuicultura 4.0 bajo la integración de modelos Inteligencia Artificial, IoT, Robótica y Diseño adaptativo para optimizar la producción en Piscigranjas
El propósito de esta investigación fue desarrollar un modelo de acuicultura de presición, que combine tecnologías de la Industria 4.0, como Internet de las cosas, Robótica, modelos de Inteligencia Artificial y diseño adaptativo, con el fin de optimizar procesos críticos en la producción acuícola con...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis doctoral |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2025
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881510720069173248 |
|---|---|
| author | Rodríguez Lévano, Danny |
| author2 | Lopez Gonzales, Javier Linkolk |
| author_browse | Lopez Gonzales, Javier Linkolk Rodríguez Lévano, Danny |
| author_facet | Lopez Gonzales, Javier Linkolk Rodríguez Lévano, Danny |
| author_sort | Rodríguez Lévano, Danny |
| collection | Repositorio institucional |
| description | El propósito de esta investigación fue desarrollar un modelo de acuicultura de presición, que combine tecnologías de la Industria 4.0, como Internet de las cosas, Robótica, modelos de Inteligencia Artificial y diseño adaptativo, con el fin de optimizar procesos críticos en la producción acuícola continental. Este enfoque responde a la necesidad de tecnificar las piscigranjas mediante soluciones accesibles, eficientes y escalables, capaces de mejorar el monitoreo ambiental, la identificación de mortalidad y la toma de decisiones basada en datos.
Para ello, se desarrollaron tres estudios complementarios. El primero describe la implementación de una boya multiparamétrica autónoma equipada con sensores de pH, oxígeno disuelto, temperatura y conductividad, integrados a un sistema IoT con comunicación LoRaWAN. Esta solución permite recolectar datos ambientales en tiempo real, mejorando el control de la calidad del agua. El segundo estudio consistió en una revisión sistemática de literatura entre 2020 y 2024, donde se identificaron los principales procesos donde se aplica IA en acuicultura (alimentación, monitoreo, clasificación y predicción de biomasa), así como los modelos más precisos, entre ellos CNN, Random Forest y YOLO. Finalmente, se entrenó un modelo YOLOv11 para la detección automática de peces muertos, alcanzando un desempeño sobresaliente (mAP@0.5 = 99,1%; AUC > 97%).
Los resultados validan el potencial de un enfoque híbrido y adaptativo basado en inteligencia artificial para transformar la acuicultura tradicional, mejorar la eficiencia operativa y avanzar hacia una producción sostenible, resiliente y digitalmente gestionada. |
| escuela_str_mv | Escuela de Posgrado |
| format | info:eu-repo/semantics/doctoralThesis |
| id | oai:repositorio.upeu.edu.pe:20.500.12840/8839 |
| institution | UPeU |
| language | Spanish |
| linea_str_mv | Tecnologías de Información e innovación tecnológica |
| ocde_area_str_mv | Ingeniería y tecnología |
| ocde_disciplina_str_mv | Ingeniería y tecnología (general) |
| ocde_str_mv | 2.00.00 |
| programa_nombre_str_mv | Doctor en Ingeniería de Sistemas |
| programa_pxx_str_mv | P92 |
| programa_uri_str_mv | http://upeu.edu.pe/sys/programas/programa/doctorado-en-ingenieria-de-sistemas |
| publishDate | 2025 |
| publishDateRange | 2025 |
| publishDateSort | 2025 |
| publisher | Universidad Peruana Unión |
| publisherStr | Universidad Peruana Unión |
| record_format | dspace |
| sede_str_mv | Lima |
| spelling | Modelo de Acuicultura 4.0 bajo la integración de modelos Inteligencia Artificial, IoT, Robótica y Diseño adaptativo para optimizar la producción en Piscigranjas Rodríguez Lévano, Danny Lopez Gonzales, Javier Linkolk Acuicultura 4.0 Inteligencia Artificial Visión computacional El propósito de esta investigación fue desarrollar un modelo de acuicultura de presición, que combine tecnologías de la Industria 4.0, como Internet de las cosas, Robótica, modelos de Inteligencia Artificial y diseño adaptativo, con el fin de optimizar procesos críticos en la producción acuícola continental. Este enfoque responde a la necesidad de tecnificar las piscigranjas mediante soluciones accesibles, eficientes y escalables, capaces de mejorar el monitoreo ambiental, la identificación de mortalidad y la toma de decisiones basada en datos. Para ello, se desarrollaron tres estudios complementarios. El primero describe la implementación de una boya multiparamétrica autónoma equipada con sensores de pH, oxígeno disuelto, temperatura y conductividad, integrados a un sistema IoT con comunicación LoRaWAN. Esta solución permite recolectar datos ambientales en tiempo real, mejorando el control de la calidad del agua. El segundo estudio consistió en una revisión sistemática de literatura entre 2020 y 2024, donde se identificaron los principales procesos donde se aplica IA en acuicultura (alimentación, monitoreo, clasificación y predicción de biomasa), así como los modelos más precisos, entre ellos CNN, Random Forest y YOLO. Finalmente, se entrenó un modelo YOLOv11 para la detección automática de peces muertos, alcanzando un desempeño sobresaliente (mAP@0.5 = 99,1%; AUC > 97%). Los resultados validan el potencial de un enfoque híbrido y adaptativo basado en inteligencia artificial para transformar la acuicultura tradicional, mejorar la eficiencia operativa y avanzar hacia una producción sostenible, resiliente y digitalmente gestionada. 2025-06-16 2025-06-18T22:01:42Z 2025-06-18T22:01:42Z 2027-06-16 info:eu-repo/date/embargoEnd/2027-06-16 info:eu-repo/semantics/doctoralThesis https://hdl.handle.net/20.500.12840/8839 spa info:eu-repo/semantics/embargoedAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ application/pdf Universidad Peruana Unión PE oai:repositorio.upeu.edu.pe:20.500.12840/8839 2026-11-10T17:45:09Z |
| spellingShingle | Acuicultura 4.0 Inteligencia Artificial Visión computacional Rodríguez Lévano, Danny Modelo de Acuicultura 4.0 bajo la integración de modelos Inteligencia Artificial, IoT, Robótica y Diseño adaptativo para optimizar la producción en Piscigranjas |
| title | Modelo de Acuicultura 4.0 bajo la integración de modelos Inteligencia Artificial, IoT, Robótica y Diseño adaptativo para optimizar la producción en Piscigranjas |
| title_full | Modelo de Acuicultura 4.0 bajo la integración de modelos Inteligencia Artificial, IoT, Robótica y Diseño adaptativo para optimizar la producción en Piscigranjas |
| title_fullStr | Modelo de Acuicultura 4.0 bajo la integración de modelos Inteligencia Artificial, IoT, Robótica y Diseño adaptativo para optimizar la producción en Piscigranjas |
| title_full_unstemmed | Modelo de Acuicultura 4.0 bajo la integración de modelos Inteligencia Artificial, IoT, Robótica y Diseño adaptativo para optimizar la producción en Piscigranjas |
| title_short | Modelo de Acuicultura 4.0 bajo la integración de modelos Inteligencia Artificial, IoT, Robótica y Diseño adaptativo para optimizar la producción en Piscigranjas |
| title_sort | modelo de acuicultura 4 0 bajo la integracion de modelos inteligencia artificial iot robotica y diseno adaptativo para optimizar la produccion en piscigranjas |
| topic | Acuicultura 4.0 Inteligencia Artificial Visión computacional |
| topic_facet | Acuicultura 4.0 Inteligencia Artificial Visión computacional |
| url | https://hdl.handle.net/20.500.12840/8839 |
| work_keys_str_mv | AT rodriguezlevanodanny modelodeacuicultura40bajolaintegraciondemodelosinteligenciaartificialiotroboticaydisenoadaptativoparaoptimizarlaproduccionenpiscigranjas |