Dataset de Propiedades Fisicoquímicas del Suelo para determinar Macronutrientes en cultivos de papa

Este proyecto se desarrolló para optimizar el análisis de suelos agrícolas en cultivos de papa, con un enfoque en mejorar la precisión y accesibilidad de los diagnósticos de nutrientes esenciales (NPK) a través de tecnología de sensores. En primer lugar, se realizó la calibración de sensores industriales multiparámetro (CWT para NPK y CWT-multiparámetro), basándose en valores de referencia de laboratorios convencionales, lo que permitió configurar un marco de medición confiable. A partir de estas lecturas calibradas, se generó una base de datos robusta que fue utilizada para entrenar modelos de predicción mediante redes neuronales. Posteriormente, se entrenó el modelo de predicción utilizando esta base de datos y aplicando redes neuronales, lo que permitió correlacionar las variables de humedad, pH, conductividad eléctrica y temperatura con las concentraciones de nitrógeno, fósforo y potasio en el suelo. Finalmente, se validó el modelo mediante la comparación entre las predicciones y los valores obtenidos de los sensores de laboratorio, confirmando la precisión del dispositivo y su aplicabilidad en entornos agrícolas para apoyar una agricultura de precisión y mejorar el rendimiento del cultivo de papa en el departamento de Nariño

本项目旨在优化土豆种植中农业土壤的分析，着重于通过传感器技术提升对基本营养元素（NPK）诊断的精确度和易用性。首先，对工业多参数传感器（NPK用CWT和CWT多参数）进行了校准，基于传统实验室的参考值，从而构建了一个可靠的测量框架。基于这些校准后的读数，构建了一个稳健的数据库，用于通过神经网络训练预测模型。随后，利用该数据库和神经网络技术对预测模型进行了训练，实现了土壤湿度、pH值、电导率和温度等变量与土壤中氮、磷、钾浓度之间的关联。最终，通过将模型预测结果与实验室传感器的测量值进行比较，验证了模型的准确性，并确认了该设备在农业环境中的适用性，以支持精准农业的实施并提升纳里诺地区土豆种植的产量。