logo móvil
Contáctanos

Modelo de k-Means Tridimensional: Colocación Óptima Dinámica de Sensores para un Monitoreo Eficiente del Ambiente en un Establo de Cerdos

Autores: Li, Haopu; Li, Bugao; Li, Haoming; Song, Yanbo; Liu, Zhenyu

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Modelo de k-Means Tridimensional: Colocación Óptima Dinámica de Sensores para un Monitoreo Eficiente del Ambiente en un Establo de Cerdos


Categoría

Ciencias Agrícolas y Biológicas

Subcategoría

Zootecnia

Palabras clave

Sensores
Colocación
Entorno
Monitoreo
Estrategia
Algoritmo

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 12

Citaciones: Sin citaciones


Descripción
Los sensores fueron de suma importancia en el contexto de la avicultura y la ganadería, sirviendo como herramientas esenciales para monitorear una variedad de parámetros de gestión de producción. La vigilancia efectiva y el control óptimo del ambiente de la instalación porcina dependen críticamente de la implementación de una estrategia robusta para situar el número óptimo de sensores en los lugares precisos. Este estudio presenta un enfoque dinámico de colocación de sensores para los establos de cerdos utilizando el algoritmo de k-means de tres vías. El método implica determinar combinaciones de sensores candidatas a través de la aplicación del algoritmo de k-means y una estrategia de reclasificación. Las ubicaciones óptimas de los sensores se identificaron utilizando el Método Basado en Entropía Conjunta (JEBM). Este enfoque ajusta las posiciones de los sensores según las diferentes estaciones (verano e invierno) para monitorear efectivamente el ambiente general del establo. Empleamos dos modelos de agrupamiento, uno basado en optimización por enjambre de partículas y el otro en algoritmos genéticos, junto con una estrategia de reclasificación para identificar combinaciones de sensores candidatas. El método basado en entropía conjunta (JEBM) ayuda a seleccionar la colocación óptima de los sensores. Los datos fusionados de la disposición óptima de los sensores pasan por un proceso de fusión difusa, reduciendo errores en comparación con el promedio directo. Los resultados muestran diferentes necesidades de sensores a lo largo de las estaciones, y la colocación dinámica mejora el monitoreo del ambiente del establo. Nuestro enfoque redujo el número de sensores de 30 a 5 (en verano) y 6 (en invierno). Las posiciones óptimas de los sensores para ambas estaciones se integraron. Al comparar la disposición de sensores seleccionada con el promedio de todas las lecturas de sensores que representan el ambiente general del establo, los RMSE fueron de 0.227-0.294 y los MAPE fueron de 0.172-0.228, respectivamente, demostrando la efectividad de la disposición de los sensores.

Otros recursos que podrían interesarte

Temas Virtualpro