Identificación de los tipos de cultivo a través de técnicas de aprendizaje de máquina. El caso de estudio de un distrito de riego en México.

Ponente(s): Jesus Igor Heberto Barahona Torres, Waldo Ojeda Bustamente, Ronald Ontiveros Capurata, Kernel Enrique Prieto Moreno, Jezabel Guzmán Zavaleta
Las técnicas de aprendizaje de máquina basadas de Redes Neuronales Convulsiónales (RNC) han demostrado su efectividad en reconocer patrones a partir de imágenes digitales. En este trabajo se utilizan diferentes tipos RNCs con la finalidad de calcular el número total de parcelas bajo el esquema de pivote de riego. Una imagen satelital de alta resolución, la cual corresponde a un distrito de riego en México, es transformada en tensores de 3 parámetros. Posteriormente esta colección de tensores de dividida en dos grupos: entrenamiento y validación. A partir su geometría y con el uso de las librerías Keras y TensorFlow de R, el número total de pivotes es calculado para el distrito. Los principales usuarios de estos resultados son tomadores de decisiones en centros de investigación del agua en México y Latinoamérica.