UNIVERSIDAD SEOR DE SIPN FACULTAD DE INGENIERA, ARQUITECTURA Y URBANISMO ESCUELA PROFESIONAL DE INGENIERA DE SISTEMAS PROYECTO DE TESIS DESARROLLO DE UN SISTEMA

INTELIGENTE DE AYUDA AL CONTROL INTEGRADO DE PLAGAS EN EL CULTIVO DE ARROZ

AUTOR: Piscoya Verona, Jos Edwar

ASESOR: Ing. Chirinos Mundaca Carlos Alberto

Mayo 2013

I.

INFORMACIN GENERAL

1.

Ttulo del Proyecto de Investigacin Desarrollo de un sistema inteligente de ayuda al control integrado de plagas en el cultivo de arroz.

2.

Autor Jos Edwar Piscoya Verona

3.

Asesor Ing. Carlos Alberto Chirinos Mundaca

4. Tipo de Investigacin Tecnolgica aplicada-Experimental 5. Facultad Facultad de Ingeniera, Arquitectura y Urbanismo 6. Escuela Acadmico Profesional Escuela Profesional de Ingeniera de Sistemas 7. Duracin del Proyecto 9 meses 8. Periodo que durar el Proyecto Fecha de Inicio: Abril 2013 Fecha de Fin: Diciembre 2013

1.

Presentado por

Jos Edwar Piscoya Verona AUTOR

Ing. Carlos Alberto Chirinos Mundaca ASESOR

2.

Aprobado por

PRESIDENTE

SECRETARIO

VOCAL

RESUMEN El presente tema de tesis titulado Desarrollo de un sistema inteligente de ayuda al control integrado de plagas en el cultivo de arroz , en el que se quiere solucionar el siguiente problema: Qu tcnica informtica ayudara a realizar el control integrado de plagas en el cultivo de arroz, donde existe deficiencia en el control adecuado de plagas en las diferentes etapas del cultivo de arroz, ya que los agricultores efectan soluciones empricas basadas en su experiencia sin tener en cuenta alguna norma tcnica peruana y mucho menos cuentan con soporte tecnolgico para sus procesos agrcolas que les permitan obtener un producto de calidad. Este proyecto se justifica en lo econmico, ya que permitir al agricultor anticiparse a escenarios futuros para tomar decisiones adecuadas en las diferentes etapas del cultivo de arroz, obteniendo un producto de calidad, forjando as mayor rentabilidad. Por lo cual se tiene como objetivo desarrollar un sistema inteligente de ayuda al control integrado de plagas en el cultivo de arroz en base a decisiones oportunas y efectivas. Para lograr este objetivo, el proyecto de tesis se desarrollar bajo inteligente. Para la recoleccin de datos, se realizaron entrevistas directas con el experto en cultivo de arroz. la metodologa Buchanan para el desarrollo del sistema

ABSTRACT

Key Words

PLAN DE INVESTIGACIN 1. Planteamiento del Problema 1.1. Situacin Problemtica El cultivo de arroz (Oriza sativa) es uno de los ms importantes en el mundo, pues este cereal se ha convertido en uno de los productos ms utilizados en la canasta familiar, siendo consumido en todo el mundo, la demanda se incrementa cada ao, requirindose de mayores volmenes de produccin; para el ao 2004 se alcanz una produccin mundial de 598`851,733 de toneladas. La mayor produccin se localiza en el continente asitico, siendo los pases de mayor produccin China e India. Figura N1: Produccin de arroz en el mundo (2004)1.

En el pas la mayor produccin nacional se ubica en los valles costeros y tambin tiene importancia en selva alta y selva baja, con rendimientos que en promedio se acercan a 6.0 Toneladas por hectrea, los departamentos de Lambayeque, San Martn, La Libertad y Piura son los cuales registran la mayor superficie sembrada; los mayores rendimientos se han registrado en Arequipa y Piura, de otro lado se conoce que en la zona costera del pas generalmente se practica una siembra (campaa) por ao, mientras que en selva baja y alta se realizan dos campaas por ao, relacionado con la disponibilidad del recurso hdrico (agua).

Alarcn G. Informe de actividades de las Escuelas de Campo, Documento de trabajo de Caritas Jan. 2004

Figura N2: Produccin nacional del cultivo de arroz (2004)1.

Desde el inicio de la agricultura en los centros de la civilizacin hace unos 10000 aos, las plagas han sido muy importantes competidores del hombre, logrando reducir la cosecha de sus cultivos, hasta un cien por cientos en ciertas ocasiones2. Los daos que causan los insectos plaga en arroz son variables y dependen del estado de desarrollo de las plantas, sistemas y manejo de cultivo, condiciones climticas, pocas de siembra, variedades y poblaciones de los insectos. Este cultivo en los ltimos aos viene siendo afectado, por la Rupela Albinella novia de arroz; este barredor es del orden Lepidoptera y de la familia Pyralidae; tambin conocida como Scirpophaga albinella.

Figura 3: Hembra adulta, huevos, larva y pupa de Rupela albinella 3

Centro Agronomico Tropical de Investigacin y Enseanza. Control integrado de plaga en sistemas de produccin de cultivos para pequeos agricultores. Costa Rica: Universidad de California.

Los adultos de Rupela pueden presentarse en cualquier poca, con mayor frecuencia lo hacen 35 a 40 das despus de haber sido sembrado el arroz y permanecen all hasta el final del perodo vegetativo del cultivo. El dao de Rupela albilla lo causa la larva pequea tan pronto emerge el huevo; hace un orificio en el tallo, unos pocos centmetros arriba del cabello de la raz por donde penetra, y luego perfora los entrenudos y abre galeras. Como consecuencia de este ataque en algunos casos se presenta amarillento de las hojas inferiores. Generalmente la larva se localiza en los dos tercios inferiores del tallo. Una forma segura de detectar la presencia de mariposas de barrenadores en los arrozales es instalar una trampa de luz. Los adultos, atrados por la luz, durante la noche caen en la trampa y pueden ser identificados.

1.2. Formulacin del Problema

Qu tcnica informtica ayudara a realizar el control integrado de plagas en el cultivo de arroz?

1.3. Justificacin e Importancia de la Investigacin

3

El CIAT (International Center for Tropical Agriculture) . Barredores de tallo de arroz en amrica latina y su control. Colombia

1.3.1 Justificacin Tecnolgica

El proyecto de tesis se justifica en lo tecnolgico, ya que el uso de reconocimiento de imgenes permitir de manera efectiva e interactiva al agricultor visualizar el mejor control integrado de plagas en el cultivo de arroz.

1.3.2 Justificacin Econmica

Con la implementacin del proyecto de tesis se lograr que los agricultores mejoren en el control de plagas, aumentando la aceptacin del producto en el mercado nacional e internacional, lo que generar mayor rentabilidad; y, como consecuencia niveles de inversin en maquinaria y tcnicas adecuadas que ayuden a obtener un producto con caractersticas a lo especificado en la Norma Tcnica Peruana (NTP) 205.11; implicando la disminucin y afectacin de insumos en el cultivo de arroz.

1.3.3 Justificacin social

El desarrollo del presente proyecto de tesis, permitir promover a los agricultores, una mejor control integrado en el cultivo de arroz en beneficio de la poblacin nacional e internacional, generando confianza e incrementando el ndice de satisfaccin por el consumo de un producto de calidad.

1.4. Objetivos

Objetivo General

Desarrollar un sistema inteligente de ayuda al control integrado de plagas en el cultivo de arroz.

Objetivos Especficos

a. Analizar las caractersticas de la planta del cultivo de arroz en las diferentes etapas del desarrollo. b. Seleccionar el mtodo basado en sistemas inteligentes para el desarrollo de la aplicacin. c. Disear el sistema inteligente para la clasificacin de plagas en el cultivo de arroz. d. Desarrollar el framework para el control integrado de plagas en el cultivo de arroz. e. Implementar el sistema inteligente para el control integrado de plagas en el cultivo de arroz. f. Evaluar resultados obtenidos del proceso de imgenes en un estado real del cultivo de arroz. g. Anlisis de beneficios econmicos del cultivo de arroz.

2. Marco Terico 2.1. Antecedentes de la Investigacin A. Sistema experto para el cultivo de arroz4 El Instituto Nacional de Gestin de Extensin Agrcola, en su presente investigacin nos indica sobre el desarrollo de un sistema experto para el diagnstico de plagas y enfermedades de cultivo de arroz y sugerir soluciones preventivas o curativas. El Rice-Crop
4

Instituto Nacional de Gestin de Extensin Agrcola (2009), Rice-Crop Doctor - Sistema experto para el cultivo del arroz, EEUU.

10

Doctor ilustra de forma general el uso de sistemas expertos en mbito de la agricultura y ms concretamente en el mbito de la produccin de arroz mediante el desarrollo de un prototipo, teniendo en cuenta un pequeo nmero de grandes plagas y enfermedades y la deficiencia de algunos problemas que limitan el rendimiento del arroz. Esta investigacin servir como gua, puesto que ambas buscan mejorar el proceso de asesora agrcola, mediante el empleo de ciertas herramientas tecnolgicas, buscando un control adecuado de la produccin de arroz para evitar prdidas econmicas generadas por enfermedades, plagas y las malas prcticas agrcolas durante las diferentes etapas del cultivo.

B. Diseo y desarrollo de un sistema inteligente para el diagnstico y monitoreo de plagas y enfermedades en frutas y hortalizas5 El autor Luis Ochoa en su trabajo de tesis describe el diseo y desarrollo de un Sistema Inteligente para la Prediccin de Plagas y Enfermedades en frutas y hortalizas, el cual tiene como principal caracterstica el uso de modelos integrados cuya base de conocimiento est basada en variables y aplicando tcnicas de razonamiento determinstico emite una prediccin y alerta de los niveles de poblacin de una plaga, as como realiza un diagnstico de enfermedades en las condiciones reales de la parcela de acuerdo con los datos disponibles en tiempo real obtenidos de una estacin. Este trabajo se compone de tres mdulos, cuyas funcionalidades permiten diagnosticar y controlar las plagas y enfermedades de los cultivos; servir como gua para construir dichos mdulos con elementos necesarios que jueguen un papel importante y su interrelacin para el producto deseado.

Lus Ochoa Toledo, Nicols Kemper Valverde. Diseo y desarrollo de un sistema inteligente para el diagnstico y monitoreo de plagas y enfermedades en frutas y hortalizas. Mxico : Universidad Nacional Autnoma de Mxico.

11

C. Sistema Experto para Diagnstico de Plagas Insectiles de Maz (Zea mays L.) en Centro Amrica6 El autor Francisco Merino Cisneros, en su presente investigacin nos indica sobre el sistema experto para diagnstico de plagas insectiles de maz en centro amrica, con el propsito de poner a disposicin el conocimiento tcnico para el diagnstico de insecto plagas, de esta manera facilitar el manejo integrado de plagas en el cultivo. Los seis mdulos que se desarrollaron para la construccin del Shell fueron: la fonologa de la planta, rgano de la planta daada, forma general del insecto, forma especfica del insecto, dao general, dao especfico, el orden del insecto y la familia del insecto. Esta investigacin me servir como gua para elaborar los pasos que debemos seguir para lograr un buen reconocimiento de imgenes, para el control integrado de plagas en el cultivo de arroz.

D. Sistema Experto para el diagnstico de los cultivos de pltano en Colombia y Cuba7 Los autores Jorge Quintero, Diana Chala y Luis Bernal en su investigacin del sistema experto para el diagnstico de los cultivos de pltano en Colombia y Cuba; tiene como principal objetivo el promover la utilizacin de las TIC en PYMES y MIPYMES productoras de pltano, mediante el diseo e implementacin de un sistema experto y de su base de conocimientos para el diagnstico de los cultivos en Colombia y Cuba, que sea disponible en un ambiente de conectividad a travs de una interfaz intuitiva a una
6

gran

variedad

de

dispositivos

clientes

ampliamente

Francisco Leopoldo Merino Cisneros. Sistema Experto para Diagnstico de Plagas Insectiles de Maz (Zea mays L.) en Centro Amrica. San Salvador : XXXVI Reunin Anual del PCCMCA. (2009) 7 Jorge Andrs Quintero Toro, Diana P. Chala Ramrez, Luis Bertel Paternina. Sistema Experto para el diagnstico de los cultivos de pltano en Colombia y Cuba. Colombia: Universidad de Manizales (2008)

12

distribuidos, como celulares o computadoras personales, que puedan interactuar con el sistema experto con un alto desempeo y a un bajo costo. Para el desarrollo de este proyecto se adopt la metodologa IDEAL, tambin se utiliz el mtodo de aprendizaje o clasificacin conocido como KNN ( K Nearest Neighbors) problemas presentados en los cultivos. La tesis referenciada es de gran importancia, ya que su producto final fue la implementacin de un sistema para mejorar la gestin integral del cultivo de pltano, la relacin que existe con la tesis propuesta, es la de proponer soluciones a los problemas suscitados en el sector agrcola (cultivo de arroz) mediante el desarrollo de un sistema experto como el que pretende desarrollar en esta investigacin, y la utilizacin del mtodo de aprendizaje de redes neuronales como KNN. de aprendizaje automtico del sistema para soluciones eficientes a los

2.2. Bases Terica Cientficas 2.2.1. Sistemas Inteligentes Segn el autor Tulio Ramrez Silva, en su libro Sistemas Inteligentes, nos dice que los sistemas inteligentes son sistemas que tienen la capacidad de reflejar, a travs de sensores incorporados los estmulos del medio ambiente, almacenar la informacin, realizar funciones lgicas y responder de manera predeterminada ante dicho estimulo en forma rpida y apropiada, y regresar a su estado original una vez que cesa el estimulo. La inteligencia en los sistemas inteligentes consiste adems en la capacidad que poseen dichos sistemas de enfrentar con xito los problemas derivados de lo desconocido o de la complejidad, dando origen a travs de ello al desarrollo de su capacidad de transformacin de su entorno8. Por su parte Jos Palma Mndez y Roque Martin Morales en su libro Inteligencia Artificial seala que un sistema inteligente es, al mismo tiempo, un software convencional y un modelo de conocimiento humano. La verificacin y validacin de la parte software puede ser realizada siguiendo
8

Tulio.A Ramirez Silva. Sistemas Inteligentes, 2005. pag 35.

13

la metodologa de la ingeniera del software, pero la parte propiamente heurstica del sistema necesita tcnica particulares9. Para concluir un sistema inteligente es un software que emula comportamientos de la inteligencia humana y le permite captar y procesar informacin de su entorno, as como mejorar situaciones de la vida diaria, debido a que estos sistemas se adaptan a la situacin o al entorno donde se desea realizar la aplicacin. Es por esto que tcnicas de soft-computing, no solo son utilizadas en el procesamiento de seales e imgenes, sino que puede ser usadas en una gran variedad como la bioingeniera, la gestin y prediccin de sistemas de inventarios, procesamiento paralelo y no lineal, telecomunicaciones, control automtico, entre otros. Entre estas aplicaciones, una de las que ms ha recibido aportes de estos sistemas inteligentes es la visin artificial.

2.2.2. Redes Neuronales Artificiales Segn el autor Pedro Ponce Cruz en su libro Inteligencia Artificial con a la Ingeniera nos dice que las redes neuronales son

Aplicaciones

aproximaciones no lineales a la forma en que funciona el cerebro; por lo tanto no deben comparase directamente con el cerebro ni confundir los principios que fundamentan el funcionamiento de las redes neuronales artificiales y el cerebro, ni pensar que las redes neuronales se basan nicamente en las redes biolgicas tal que solo emulan en una parte muy simple el funcionamiento del cerebro humano10. Por lo tanto se entiende que las redes de neuronales artificiales son un paradigma de aprendizaje y procesamiento automtico inspirado en la forma en que funciona el cerebro humano. Se trata de un sistema de interconexin de neuronas en una red que colabora para producir un estmulo de salida. Actualmente las redes neuronales son muy utilizadas en los sistemas de visin artificial.

Jos Palma Mndez y Roque Martin Morales. Inteligencia Artificial. 1 edicin, editorial Mc Graw Hill, Espaa 2008.pag 891-892.
10

Pedro Ponce Cruz. Inteligencia Artificial con Aplicaciones AlfaOmega. Pag.193-194

a la Ingeniera, 2010. Editorial

14

2.2.2.1 Modelo de neurona de Kohonen Segn los autores Bonifacio Martin del Brio y Alfredo Sanz Molina en su libro Redes Neuronales y Sistemas Borrosos, nos dice que el modelo de neurona de kohonen se basa en el clculo de la similitud entre el vector de entrada y de pesos. As, dependiendo del criterio de distancia que se seleccione, se tendr un modelo u otro11. Entre las neuronas de la capa de salida existen conexiones laterales de inhibicin (peso negativo) implcitas. Cada una de estas neuronas va a tener cierta influencia sobre sus vecinas. El valor que se asigne a los pesos de las conexiones feedforward entre las capas de entrada y salida durante el proceso de aprendizaje de la red va a depender precisamente de esta interaccin lateral. Para el desarrollo del presente trabajo se considera la Red de Kohonen como la ms apropiada para realizar esta tarea debido a su capacidad de auto-organizacin.

2.2.3 Mtodo de BUCHANAN Etapa 1: Familiarizarse con el Problema y el Dominio. Abarca desde la lectura de libros o artculos, las entrevistas o charlas con las personas familiarizadas con el tema y la bsqueda de un experto que est dispuesto a colaborar en la construccin del sistema; como as tambin la definicin de cules son las funciones o tareas ms idneas para ser realizadas por el sistema experto. Estas tareas son importantes para determinan que lenguaje y que sistema se usar.

Etapa 2: Delimitar el Sistema. El experto de campo y el ingeniero de conocimiento definen el alcance del sistema experto, es decir, que problemas va a resolver concretamente el sistema experto.

11

Bonifacio Martin del Brio y Alfredo Sanz Molina. Redes Neuronales y Sistemas Borrosos, 2001.Madrid. Editorial Ra-Ma.Pag 112-114.

15

Etapa 3: Obtener la Estructura de Inferencia del Sistema Experto. Con el problema adecuadamente definido el ingeniero de conocimiento empieza a determinar los principales conceptos del dominio que se requieren para realizar cada una de las tareas que va a resolver el sistema. Este trata de entender que conceptos son relevantes e importantes solicitndole al experto que explique y justifique los razonamientos que utiliza para resolver los problemas. Esto es importante para la tarea de definicin del sistema experto y para mantener una adecuada documentacin del mismo, ya que es til para la tarea de diseo, construccin y para posteriores modificaciones del sistema.

El ingeniero de conocimiento debe prestar atencin al experto de campo para encontrar la estructura bsica que el experto utiliza para resolver el problema. La estructura del conocimiento indica que tareas y trminos est usando y la estrategia indica cmo y cundo el sistema experto debe establecerlas.

Etapa 4: Definir el Sistema Experto Prototipo.

El ingeniero de conocimiento debe formalizar el conocimiento obtenido del experto. Esta tarea implica definir que arquitectura permitir una mejor organizacin del conocimiento. Es necesario elegir la organizacin, lenguaje y medio ambiente de programacin adecuados para la aplicacin particular. Se definen los conceptos primitivos, con la forma de representacin elegida. Este es el primer paso hacia la implementacin del prototipo. Para la formulacin de prototipos se debe considerar lo siguiente: 1. Que el formalismo usado es el apropiado para reflejar los conceptos y el proceso de inferencia del experto. 2. Que las caractersticas particulares de construccin del lenguaje capturen exactamente los aspectos estructurales ms importantes de los conceptos usados por el experto.

16

3. Que la estructura del control del lenguaje al activar las reglas refleje la estrategia usada por el experto. 4. Que las reglas reflejen asociaciones y mtodos que: a) son los usados por el experto. b) son modelos aceptables de dichos mtodos. El ingeniero de conocimiento puede presentar las reglas definidas y en ocasiones los resultados obtenidos al usar las reglas, para que el experto manifieste su opinin sobre la representacin y soluciones.

Etapa 5: Depurar el Sistema Prototipo. Se refina el sistema prototipo, depurando la base de conocimientos, refinando reglas, rediseando la estructura del conocimiento, o reformulando conceptos bsicos, con el objetivo de capturar informacin adicional que haya proporcionado el experto. Tambin se consultan en esta etapa otros expertos para corroborar, controlar, ampliar y refinar el prototipo.

Etapa 6: Optimizar el Sistema Experto Prototipo. Cuando el sistema prototipo ha crecido tanto que resulta difcil de manejar el ingeniero de conocimiento redisea un sistema ms eficiente. Este nuevo sistema deber refinarse y extenderse a fin de completar as el desarrollo del sistema experto. Esto es transformar efectivamente el sistema prototipo en un sistema experto aplicable.

2.3. Hiptesis La implementacin de un sistema inteligente permitir el control integrado de plagas en el cultivo de arroz

2.4. Variables

17

2.4.1. Variable Independiente Sistema inteligente. 2.4.2. Variable Dependiente Control integrado de plagas en el cultivo de arroz.

2.4.3. Operacionalizacin de Variables TABLA N 1: Operacionalizacin de variables Indicador Unid. Med. Frmula Descripcin NAC= Nivel de afectacin campaa APA= Afectacin de plaga actual APP= Afectacin de plaga propuesto NSC = Nivel de satisfaccin del cliente. RP= Rendimiento percibido E= Expectativas NUS= Nivel de usabilidad del sistema NCD= Nivel de consultas diarias DC= Das de Campaa Perodo

Nivel de viabilidad de plaga

NAC= APA APP APP

campaa

Nivel de satisfaccin de los clientes

num

NSP= RP - E

da

Nivel de usabilidad del sistema inteligente

num

NUS= NCD * DC

campaa

Fuente: Elaboracin Propia

3. Marco Metolgico 3.1 Tipo de estudio y diseo de contrastacin de hiptesis Tipo de estudio: Descriptiva, porque se recopil, analiz y explic la informacin obtenida para detallar la situacin problemtica que sucede actualmente en el control integrado de plagas en el cultivo de arroz.

18

Diseo de Contrastacin de Hiptesis El diseo de contrastacin de la hiptesis para el proyecto corresponde al de pre test- post test, describiendo la evaluacin de la situacin actual, estmulo y situacin futura del estudio elaborado. Situacin Actual: No existe un sistema inteligente de apoyo a toma de decisiones para el control integrado de plagas en el cultivo de arroz. La evaluacin se realizara mediante entrevistas y observaciones. Situacin Propuesta: Tener un mejor control integrado de plagas en el cultivo de arroz en los agricultores mediante un sistema inteligente. La evaluacin se realizara a travs de encuestas y entrevistas realizadas a los miembros de la institucin. 3.2 Poblacin y Muestra

La poblacin est comprendida por los agricultores del departamento de Lambayeque, este tipo de poblacin se le denomina poblacin censar. El muestreo utilizado es el de muestra aleatoria simple. Muestreo:

N= poblacin total e= 0.09 (mximo de error permisible) z= 1.75 P= 0.4 (porcin de la poblacin) Q= 0.5 (1 P)

3.3 Mtodos, tcnicas e instrumentos de recoleccin de datos. Entrevistas: Conversacin con los ingenieros agrcolas de la comisin de regantes de pitipo para conocer la problemtica real de las plagas en el cultivo de arroz.

19

Observacin: Se utilizara la observacin de campo de lo que ocurre en las reas donde se lleva el proceso de siembra del cultivo de arroz para consignar los sucesos pertinentes que ayuden a desarrollar el proyecto propuesto.

20