Search

In the province of Cotopaxi, a situation of lack of adequate projection in terms of technological updating is identified, especially in the use and development of computer applications, which leads to activities in the community and productive sectors being affected. The absence of information systems in the organization and planning of production, together with the low productivity and profitability of the activities, are some of the elements that have made the development of the research project possible. Its general objective is to analyze the information management processes developed to improve the community and productive sectors through the application of technological tools in the province of Cotopaxi. The study has a descriptive scope, with a non-experimental design and a mixed approach. It was developed in Latacunga, Ecuador between October 2017 and 2021. The fundamental results obtained show that the implementation of technological tools enables an increase in the number of students that exist for each period by canton and by modules, which go from service activities to the community to pre-professional practice activities, which has a high impact on the development of the different sectors in the province of Cotopaxi. The conclusions allow to affirm that the four proposed stages in the application of technological tools had a high impact in the province of Cotopaxi, which shows the high relevance of information technologies in the improvement of processes in all activities of the society., En la provincia de Cotopaxi se identifica una situación de carencia de una adecuada proyección en cuanto a actualización tecnológica, especialmente en el uso y desarrollo de aplicaciones informáticas, lo que conlleva a que se vean afectadas las actividades en los sectores comunitarios y productivos. La ausencia de sistemas de información en la organización y planificación de la producción, unido a la baja productividad y rentabilidad de las actividades, son algunos de los elementos que han hecho posible el desarrollo del proyecto de investigación. Su objetivo general es analizar los procesos de gestión de la información desarrollados para mejorar los sectores comunitarios y productivos mediante la aplicación de herramientas tecnológicas en la provincia de Cotopaxi. El estudio tiene un alcance descriptivo, con diseño no experimental y enfoque mixto. Fue desarrollado en Latacunga, Ecuador entre octubre de 2017 y 2021. Los resultados fundamentales obtenidos exponen que la implementación de herramientas tecnológicas posibilita un incremento del número de estudiantes que existen por cada periodo por cantón y por módulos, los cuales pasan de actividades de servicio a la comunidad a actividades de prácticas preprofesionales, lo cual tiene un elevado impacto en el desarrollo de los distintos sectores en la provincia de Cotopaxi. Las conclusiones permiten afirmar que las cuatro etapas propuestas en la aplicación de las herramientas tecnológicas tuvieron un alto impacto en la provincia de Cotopaxi, lo que evidencia la elevada pertinencia de las tecnologías de la información en el mejoramiento de los procesos en todas las actividades de la sociedad.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

The application of artificial intelligence (AI) has been evident in the agricultural sector. Today, agriculture faces numerous challenges to maximize its yield, including inadequate soil treatments, disease infestation, pests, among others, so the need to manage big data has become a fundamental requirement in this sector to increase knowledge among farmers and technology. The main concept of AI in agriculture is its flexibility, high performance, precision and cost effectiveness. The automation of agriculture is the main concern and the emerging issue of all countries, since the traditional methods used by farmers are no longer sufficient to meet the growing demand of increasing population. In relation to this, new automated methods were introduced that meet food needs and provide great employment opportunities, bringing an agricultural revolution in this sector. The use of artificial intelligence and new technologies has protected the crop through the performance of various factors such as climate changes, population growth, employment problems and food security, providing benefits in the proper use of water, pesticides, herbicides, as well as helping in the efficient use of labor, raising productivity, improving quality and maintaining soil fertility. This article presents a review of AI applications in soil, crop management, weed management, and disease management. Particular attention is paid to the strength and limitations of the application and how to use expert systems for increased productivity., La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.

The agricultural community, being one of the most economical and important sources in Ecuador, has presented several needs when optimizing resources in the cultivation process. One of the needs presented by the farming community is to find an effective solution to the lack of knowledge about the measurement of their land for the construction of greenhouses and the state of the soil, allowing them to know the exact number of plants to be planted, providing a greater degree of effectiveness and satisfaction to the agricultural community, which works under the greenhouse. This document explains the development of a field measurement module applying artificial intelligence techniques, which helped with the needs of community farmers. The mentioned module facilitated the personnel in charge in the procedure of the measurement of the land, and when carrying out the calculation of the number of plants that enters the beds of the greenhouse. For the development of this module, the mixed research methodology was used since a quantitative-qualitative analysis was carried out, and in turn, an agile development methodology such as Mo-bile D. Various techniques of artificial intelligence was taken into account to optimize time and resources in agricultural sectors. By analyzing and applying these techniques we have been able to verify the state of the land under the greenhouse, allowing us to make the correct measurement with the help of Google Maps through the use of UTM coordinates that allow us to extract the width and length of the land under the greenhouse., La comunidad agrícola siendo una de las fuentes más económicas e importantes del Ecuador ha presentado varias necesidades al momento de optimizar recursos en el proceso de cultivo. Una de las necesidades que ha presentado la comunidad agricultora es el encontrar una solución efectiva ante la falta de conocimiento sobre la medición de su terreno para la construcción de invernaderos y el estado del suelo permitiendo conocer la cantidad exacta de plantas a ser sembradas, aportando un mayor grado de efectividad y satisfacción a la comunidad agrícola, que trabaja bajo invernadero. En el presente documento se explica acerca del desarrolló de un módulo de medición de terreno aplicando técnicas de inteligencia artificial, las cuales ayudaron con las necesidades que tienen los agricultores de la comunidad. El módulo mencionado facilitó al personal encargado en el procedimiento de la medición del terreno, y al efectuar el cálculo de número de plantas que entran en las camas del invernadero. Para el desarrollo de este módulo se utilizó la metodología de investigación mixta ya que se realizó un análisis cuantitativo-cualitativo, y a su vez una metodología de desarrollo ágil como Mobile D. Se tomaron en cuenta varias técnicas de la inteligencia artificial para optimizar tiempo y recursos en sectores agrícolas. Al analizar y aplicar estas técnicas hemos podido constatar el estado del terreno bajo invernadero permitiendo realizar la medición correcta con la ayuda de GoogleMaps a través de la utilización de coordenadas UTM que permite extraer el ancho y longitud del terreno bajo invernadero.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.

The research presents the development and realization of the humanoid biped robot controlled by Arduino Uno, which forms an area of ​​research for the context of new technologies in education that has been growing rapidly in recent years. The design presented has the ability to move and walk like a human repetitively, consists of 16 servo motors model (SG90) which consists of 16 degrees of freedom of which 8 servo motors correspond to each of the legs, 2 servo motors correspond to the hip and another 6 servo motors are in each of the arms, to give the movements a programmed pattern has been implemented in the Arduino one, also performed in the design of the robot, the ability to mimic the movements of the human being, using the IMU (Inertial Module Unit) and optical sensors making a serial communication in each one of the articulations of the humanoid biped robot, which are apt to be handled in our education environment. For having characteristics similar to those of human beings, the main objective we want with this design is to improve learning and motivate students to make the prototypes of bipedal robots more suitable for the environment for their abilities in terms of locomotion, in this case people can adapt more easily to the interaction with the robot, because they are more similar to the human being., En la Investigación se presenta el desarrollo y realización del robot bípedo humanoide controlado por Arduino Uno, que conforma un área de investigación para el contexto de las nuevas tecnologías en la educación que es de gran crecimiento en los últimos años. El diseño que se presenta tiene la capacidad de moverse y caminar como un humano de forma repetitiva; se compone de 16 servo motores modelo (SG90) con 16 grados de libertad, de los cuales 8 servo motores corresponden a cada una de las piernas, 2 a la cadera y otros 6 están en cada uno de los brazos. Para dar los movimientos se ha implementado un patrón programado en el Arduino uno: También se realizó en el diseño del robot la capacidad de imitar los movimientos del ser humano, utilizando los sensores IMU (Unidad de Modulo Inercial) y ópticos, realizando una comunicación serial en cada una de las articulaciones del robot bípedo humanoide, siendo aptos para manejarse en nuestro entorno de educación. Por contar con características similares a las de los seres humanos, el objetivo principal es mejorar el aprendizaje de las personas con capacidades especiales y motivar a los estudiantes a realizar prototipos robóticos bípedos más aptos para el medio, por sus capacidades en cuanto a locomoción, en este caso las personas pueden adaptarse más fácilmente a la interacción con el robot, por ser más semejantes al ser humano.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.

El desarrollo de la tecnología de la información ha generado una gran cantidad de áreas de investigación siendo la minería de datos una de ellas. La investigación en bases de datos y tecnología de la información ha dado lugar a un enfoque para almacenar y manipular estos datos precisos para una mayor toma de decisiones. La minería de datos es un proceso de extracción de información útil, deriva patrones y tendencias de enormes cantidades de datos. A estos patrones y tendencias se les conoce como modelo de minería de datos y puede ser aplicado en las empresas. A la minería de datos también se denomina proceso de descubrimiento de conocimiento, extracción de conocimiento a partir de datos, extracción de conocimiento o análisis de datos / patrones.Este artículo presenta un primer paso hacia la unificación del marco para el descubrimiento del conocimiento en bases de datos. Se describen los elementos entre datos milfing, descubrimiento de conocimiento, y otros campos relacionados. Se definen los Procesos del descubrimiento del conocimiento en base de datos y algoritmos básicos de extracción de datos, se discuten problemas de aplicación y concluye con un enfoque de la aplicación de minería de datos en las empresas.