Especializaciones de la Facultad de Ingeniería · 2026
Propuesta de un agente inteligente con módulo CNN-Transformer para la optimización del momento de cosecha en cultivos de caña de azúcar en el norte del Valle del Cauca
Solo ficha. El repositorio marca este trabajo como «Acceso abierto»: el PDF no es público, así que aquí no hay texto para leer. Ver la ficha en el repositorio.
Resumen
A partir de los fundamentos del curso de aprendizaje profundo de Google DeepMind, y tomando como contexto la producción de caña de azúcar en el Valle del Cauca —cultivo que juega un papel fundamental para la economía del departamento — se propone el diseño de un agente inteligente individual cuyo cerebro es un LLM basado en el decoder del Transformer, que utiliza un módulo CNN-Transformer como herramienta especializada de predicción. El rendimiento en sacarosa está dado por la interacción entre variables meteorológicas como el déficit de presión de vapor (VPD), la temperatura y la precipitación. A pesar de que asociaciones de caña han recopilado datos históricos, muchos productores carecen de herramientas tecnológicas y capital humano capaces de convertirlos en decisiones de cosecha informadas. Mediante la combinación de datos históricos meteorológicos, datos históricos de producción e información satelital, se propone un agente inteligente individual que le permita al productor obtener recomendaciones contextualizadas sobre los momentos óptimos en las etapas del cultivo para obtener mayores rendimientos. La viabilidad técnica de esta propuesta se sustenta en investigaciones previas que han logrado precisiones del 89,5% en la predicción de rendimientos agrícolas mediante modelos CNN-Transformer, y del 87% al 91% en predicciones basadas en datos satelitales multitemporales para caña de azúcar.