Machine Learning en aplicación móvil para la clasificación del estado de la abeja reina mediante sonido

Autores
De Sosa, Héctor; Zakowicz, Sandro Daniel
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
tesis de maestría
Estado
versión aceptada
Colaborador/a o director/a de tesis
Skrauba, Axel A.
Descripción
Fil: De Sosa, Héctor. Universidad Nacional de Misiones. Facultad de Ingeniería. Carrera de Ingeniería en Computación; Argentina.
Fil: Zakowicz, Sandro Daniel. Universidad Nacional de Misiones. Facultad de Ingeniería. Carrera de Ingeniería en Computación; Argentina.
Este informe describe el desarrollo de"Queen Bee Monitor”,una aplicación móvil para dispositivos Android que emplea machine learning para de terminar el estado de la abeja reina en colmenas de Apis Mellífera mediante grabaciones de audio. Su propósito es agilizar y optimizar el proceso de com probación de la abeja reina presente, así como mejorar la eficiencia en proce dimientos para el cambio de reina. La clasificación de estados incluye: reina presente, reina ausente, reina rechazada y reina aceptada. La app desarrollada implementa dos modelos de machine learning. El primer modelo verifica si el audio proporcionado por el usuario corresponde a sonidos de abejas, y solo en caso afirmativo,elsegundomodeloinfiereelestadodelareina.Lamayorparte de los datos de audio utilizados para el entrenamiento de los modelos son de acceso público, disponibles en línea, con excepción de aquellos grabados en la zona. Se emplearon técnicas de remoción de outliers, corrección de etiquetas y balanceo de clases para mejorar la calidad de los datos. Las pruebas de campo confirmaron la utilidad de la aplicación para un diagnóstico rápido del estado de la abeja reina, reduciendo significativamente el tiempo requerido para de terminar su presencia o ausencia. Esta herramienta facilita la gestión eficiente de las colmenas, especialmente durante el cambio de reina.
Materia
Apis mellifera
Abeja reina
Machine learning
Clasificación de audio
Gestión de colmenas
Diagnóstico rápido
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Atribución-NoComercial-CompartirIgual 4.0 Internacional
Repositorio
Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
Institución
Universidad Nacional de Misiones
OAI Identificador
oai:rid.unam.edu.ar:20.500.12219/6318

id RIDUNaM_049277e672638998db1c685628c3c966
oai_identifier_str oai:rid.unam.edu.ar:20.500.12219/6318
network_acronym_str RIDUNaM
repository_id_str
network_name_str Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
spelling Machine Learning en aplicación móvil para la clasificación del estado de la abeja reina mediante sonidoDe Sosa, HéctorZakowicz, Sandro DanielApis melliferaAbeja reinaMachine learningClasificación de audioGestión de colmenasDiagnóstico rápidoFil: De Sosa, Héctor. Universidad Nacional de Misiones. Facultad de Ingeniería. Carrera de Ingeniería en Computación; Argentina.Fil: Zakowicz, Sandro Daniel. Universidad Nacional de Misiones. Facultad de Ingeniería. Carrera de Ingeniería en Computación; Argentina.Este informe describe el desarrollo de"Queen Bee Monitor”,una aplicación móvil para dispositivos Android que emplea machine learning para de terminar el estado de la abeja reina en colmenas de Apis Mellífera mediante grabaciones de audio. Su propósito es agilizar y optimizar el proceso de com probación de la abeja reina presente, así como mejorar la eficiencia en proce dimientos para el cambio de reina. La clasificación de estados incluye: reina presente, reina ausente, reina rechazada y reina aceptada. La app desarrollada implementa dos modelos de machine learning. El primer modelo verifica si el audio proporcionado por el usuario corresponde a sonidos de abejas, y solo en caso afirmativo,elsegundomodeloinfiereelestadodelareina.Lamayorparte de los datos de audio utilizados para el entrenamiento de los modelos son de acceso público, disponibles en línea, con excepción de aquellos grabados en la zona. Se emplearon técnicas de remoción de outliers, corrección de etiquetas y balanceo de clases para mejorar la calidad de los datos. Las pruebas de campo confirmaron la utilidad de la aplicación para un diagnóstico rápido del estado de la abeja reina, reduciendo significativamente el tiempo requerido para de terminar su presencia o ausencia. Esta herramienta facilita la gestión eficiente de las colmenas, especialmente durante el cambio de reina.Universidad Nacional de Misiones. Facultad de Ingeniería. Carrera de Ingeniería en ComputaciónSkrauba, Axel A.2024-12-17info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/trabajoFinalDeGradoapplication/pdfapplication/pdf1.845 KBhttps://hdl.handle.net/20.500.12219/6318spainfo:eu-repo/semantics/openAccessAtribución-NoComercial-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-sa/4.0/reponame:Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)instname:Universidad Nacional de Misiones2026-11-05T13:08:31Zoai:rid.unam.edu.ar:20.500.12219/6318instacron:UNAMInstitucionalhttps://rid.unam.edu.ar/Universidad públicahttps://www.unam.edu.ar/https://rid.unam.edu.ar/oai/rsnrdArgentinaopendoar:2026-11-05 13:08:31.914Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) - Universidad Nacional de Misionesfalse
dc.title.none.fl_str_mv Machine Learning en aplicación móvil para la clasificación del estado de la abeja reina mediante sonido
title Machine Learning en aplicación móvil para la clasificación del estado de la abeja reina mediante sonido
spellingShingle Machine Learning en aplicación móvil para la clasificación del estado de la abeja reina mediante sonido
De Sosa, Héctor
Apis mellifera
Abeja reina
Machine learning
Clasificación de audio
Gestión de colmenas
Diagnóstico rápido
title_short Machine Learning en aplicación móvil para la clasificación del estado de la abeja reina mediante sonido
title_full Machine Learning en aplicación móvil para la clasificación del estado de la abeja reina mediante sonido
title_fullStr Machine Learning en aplicación móvil para la clasificación del estado de la abeja reina mediante sonido
title_full_unstemmed Machine Learning en aplicación móvil para la clasificación del estado de la abeja reina mediante sonido
title_sort Machine Learning en aplicación móvil para la clasificación del estado de la abeja reina mediante sonido
dc.creator.none.fl_str_mv De Sosa, Héctor
Zakowicz, Sandro Daniel
author De Sosa, Héctor
author_facet De Sosa, Héctor
Zakowicz, Sandro Daniel
author_role author
author2 Zakowicz, Sandro Daniel
author2_role author
dc.contributor.none.fl_str_mv Skrauba, Axel A.
dc.subject.none.fl_str_mv Apis mellifera
Abeja reina
Machine learning
Clasificación de audio
Gestión de colmenas
Diagnóstico rápido
topic Apis mellifera
Abeja reina
Machine learning
Clasificación de audio
Gestión de colmenas
Diagnóstico rápido
dc.description.none.fl_txt_mv Fil: De Sosa, Héctor. Universidad Nacional de Misiones. Facultad de Ingeniería. Carrera de Ingeniería en Computación; Argentina.
Fil: Zakowicz, Sandro Daniel. Universidad Nacional de Misiones. Facultad de Ingeniería. Carrera de Ingeniería en Computación; Argentina.
Este informe describe el desarrollo de"Queen Bee Monitor”,una aplicación móvil para dispositivos Android que emplea machine learning para de terminar el estado de la abeja reina en colmenas de Apis Mellífera mediante grabaciones de audio. Su propósito es agilizar y optimizar el proceso de com probación de la abeja reina presente, así como mejorar la eficiencia en proce dimientos para el cambio de reina. La clasificación de estados incluye: reina presente, reina ausente, reina rechazada y reina aceptada. La app desarrollada implementa dos modelos de machine learning. El primer modelo verifica si el audio proporcionado por el usuario corresponde a sonidos de abejas, y solo en caso afirmativo,elsegundomodeloinfiereelestadodelareina.Lamayorparte de los datos de audio utilizados para el entrenamiento de los modelos son de acceso público, disponibles en línea, con excepción de aquellos grabados en la zona. Se emplearon técnicas de remoción de outliers, corrección de etiquetas y balanceo de clases para mejorar la calidad de los datos. Las pruebas de campo confirmaron la utilidad de la aplicación para un diagnóstico rápido del estado de la abeja reina, reduciendo significativamente el tiempo requerido para de terminar su presencia o ausencia. Esta herramienta facilita la gestión eficiente de las colmenas, especialmente durante el cambio de reina.
description Fil: De Sosa, Héctor. Universidad Nacional de Misiones. Facultad de Ingeniería. Carrera de Ingeniería en Computación; Argentina.
publishDate 2024
dc.date.none.fl_str_mv 2024-12-17
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/trabajoFinalDeGrado
format masterThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12219/6318
url https://hdl.handle.net/20.500.12219/6318
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Atribución-NoComercial-CompartirIgual 4.0 Internacional
http://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv Atribución-NoComercial-CompartirIgual 4.0 Internacional
http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
application/pdf
1.845 KB
dc.publisher.none.fl_str_mv Universidad Nacional de Misiones. Facultad de Ingeniería. Carrera de Ingeniería en Computación
publisher.none.fl_str_mv Universidad Nacional de Misiones. Facultad de Ingeniería. Carrera de Ingeniería en Computación
dc.source.none.fl_str_mv reponame:Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
instname:Universidad Nacional de Misiones
reponame_str Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
collection Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
instname_str Universidad Nacional de Misiones
repository.name.fl_str_mv Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) - Universidad Nacional de Misiones
repository.mail.fl_str_mv
_version_ 1881037682978586624
score 12.487082