Author: JUAN ANTONIO LOPEZ LOPEZ

Desarrollo y evaluación de sensores para la medición de parámetros físicos del suelo aplicados en la generación de mapas de diagnóstico

JUAN ANTONIO LOPEZ LOPEZ (2014)

"Un carro porta-sensores fue desarrollado para medir en forma independiente y precisa algunos par´ametros f´ısicos del suelo, como: Resistencia a la Penetraci ´on (RP), Esfuerzo de Falla (EF), Resistencia al Corte (RC) y Permisividad El ´ ectrica (PE). Cada par´ametro proporciona informaci´on para la generaci ´on de mapas de diagn´ ostico. Este trabajo de investigaci ´on fue desarrollado en “El Departamento de Maquinaria Agr´ıcola de la UAAAN” y forma parte del proyecto: “Desarrollo de equipos, sensores e instrumentos para agricultura de precisi ´on y labranza de conservaci ´ on”. En la primera fase se obtuvo como resultado el prototipo del carro y el penetr´ometro, el cual est ´a integrado por dos sensores: para la medici´on de la fuerza y profundidad de RP. El primer sensor desarrollado fue un transductor de anillo simple con capacidad de medici ´on de hasta 9 MPa, con una sensibilidad obtenida de 13;15mV N􀀀1 y un coeficiente de correlaci ´on de 99.6% entre la fuerza aplicada y el voltaje de salida. Por otra parte, el sensor de medici´on de profundidad de RP, mostr´o un desplazamiento de trabajo m´aximo 0.60 m con una sensibilidad de 258;5mmV 􀀀1 y un coeficiente de correlaci ´on de 100% entre la profundidad de penetraci ´on y la salida de voltaje. Los par´ametros medidos fueron acondicionados y convertidos a se˜nales digitales para su registro en tiempo real. En la evaluaci ´on del penetr´ometro bajo condiciones de campo, se realiz ´o un muestreo sistem´ atico de 30 puntos geo-referenciados en una hect´area. Se generaron tres mapas de diagn´ ostico utilizando el m´etodo de interpolaci ´on IDW para tres rangos de profundidades diferentes: 0.10-0.20, 0.20-0.30 y 0.30-0.40m, obteniendo rangos de RP de (0.644-1.656), (1.30-2.35) y (1.71-3.96) MPa, respectivamente. Los valores obtenidos en los tres rangos de profundidad presentan variabilidad media en valores de RP de acuerdo a la clasificaci ´on de (Warrick y Nielsen, 1980). En la segunda fase se desarroll ´o el sensor de PE basado en un puente de Wheatstone configurado como: puente capacitivo o resistivo, para mediciones de humedad o conductividad el ´ ectrica del suelo. Los resultados obtenidos de la calibraci ´on en laboratorio para el par´ametro humedad muestran que el sensor tiene una ecuacion de respuesta de Humedad = 10;58 + 0;04105mV 􀀀 0;000012mV 2 y un coeficiente de correlaci ´on de 97.5% entre la humedad conocida y el voltaje de salida. Con la finalidad de hacer m´as eficiente la respuesta del sensor de humedad, se hizo una transformaci´on logar´ıtmica, obteniendo una sensibilidad de Humedad = 􀀀34;65 + 10;57ln(mV ) y un coeficiente de correlaci ´on del 98% en forma lineal. En una tercera fase se desarroll ´o y calibr ´o un transductor octagonal de anillo extendido (OAE) para medici´on de RC del suelo. Los resultados de calibraci ´on del octagonal bajo condiciones de laboratorio mostraron un coeficiente de correlaci ´on superior al 99% entre la fuerza aplicada y el voltaje de salida, fue evaluado a tres profundidades y permite estimar la energ´ıa aplicada en el laboreo de suelo."

"Portable sensors carriage was developed to measure independently and accurately some soil physical parameters, such as Penetration Resistance (PR), Failure Stress (FS), Shear Strength (SS) and Permissiveness Electric (PE). Each parameter provides information for the generation of diagnostic maps. This research was developed in Agricultural Machinery Department at UAAAN and belongs to the project Development of equipment, sensors and instruments for precision agriculture and conservation tillage. In the first phase was obtained a portable sensors carriage prototype and the penetrometer, which consists of two sensors: for measuring the strength and depth of PR. The first sensor was developed in a simple ring transducer capable of measuring up to 9 MPa, with a sensitivity obtained of 13;15mV N􀀀1 and a correlation coefficient of 99.6% between the applied force and the output voltage. Moreover, the depth measuring sensor PR showed a maximum working offset 0.60 m with a sensitivity of 258;5mmV 􀀀1 and correlation coefficient of 100% between the penetration depth and the voltage output. The parameters measured were conditioned and converted to digital signals for real-time recording. In the assessment of the penetrometer under field conditions, a systematic sample of 30 points georeferenced in a hectare was performed. Three diagnostics maps using the IDW interpolation method for three ranges of different depths were generated : (0.10-0.20) , (0.20-0.30) and (0.30 - 0.40) meters , obtaining PR ranges of ( 0644-1656 ) , ( 1.30-2.35 ) and ( 1.71-3.96 ) MPa , respectively . The values obtained in three depth zones have average values of PR variability according to the classification by (Warrick and Nielsen, 1980). In the second phase PE sensor based on a Wheatstone bridge configured as capacitive or resistive bridge, for measurement of moisture or soil electrical conductivity. The results of laboratory calibration parameter for moisture contents show that the sensor has a sensitivity of Moisture = 10;58 + 0;04105mV 􀀀 0;000012mV 2 and a correlation coefficient of 97.5% among the known moisture and the output voltage. In order to make the response of the moisture sensor more efficient, a logarithmic transformation was made, resulting in sensitivity of Moisture = 􀀀34;65+10;57ln(mV ) and a correlation coefficient of 98% linearly. In a third phase was developed and calibrated an extended octagonal ring transducer (EORs) for measuring (SS) of soil. The results of octagonal calibration under laboratory conditions showed higher correlation coefficient of 99% between the applied force and the output voltage, was evaluated at three working depths that allows to estimate the applied energy for the tillage of the soil."

Master thesis

Desarrollo Parámetros CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA

Deep kernel and deep learning for genomic-based prediction

Jose Crossa Paulino Pérez-Rodríguez Juan Burgueño Ravi Singh Philomin Juliana Osval Antonio Montesinos-Lopez Jaime Cuevas (2019)

Deep learning (DL) is a promising method in the context of genomic prediction for selecting individuals early in time without measuring their phenotypes. iI this paper we compare the performance in terms of genome-based prediction of the DL method, deep kernel (arc-cosine kernel, AK) method, Gaussian kernel (GK) method and the conventional kernel method (Genomic Best Linear Unbiased Predictor, GBLUP, GB). We used two real wheat data sets for the benchmarking of these methods. We found that the GK and deep kernel AK methods outperformed the DL and the conventional GB methods, although the gain in terms of prediction performance of AK and GK was not very large but they have the advantage that no tuning parameters are required. Furthermore, although AK and GK had similar genomic-based performance, deep kernel AK is easier to implement than the GK. For this reason, our results suggest that AK is an alternative to DL models with the advantage that no tuning process is required.

Dataset

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA

Deep kernel of genomic and near infrared predictions in multi-environment breeding trials

Jaime Cuevas Osval Antonio Montesinos-Lopez Philomin Juliana Paulino Pérez-Rodríguez Juan Burgueño Carlos Guzman Jose Crossa (2019)

In genomic prediction deep learning artificial neural network are part of machine learning methods that incorporate parametric, non-parametric and semi-parametric statistical models. Kernel methods are seeing more flexible, and easier to interpret than neural networks. Kernel methods used in genomic predictions comprise the linear genomic best linear unbiased predictor (GBLUP) kernel (GB) and the Gaussian kernel (GK). These kernels have being used with two statistical models, single environment and genomic × environment (GE) models. Recently near infrared spectroscopy (NIR) has being used as phenotype method for prediction of unobserved line performance in plant breeding trials. In this study, we used a non-linear Arc-cosine kernel (AK) that emulates deep learning artificial neural network. We compared AK prediction accuracy with GB and GK kernel methods in four genomic data sets one of them including also pedigree (ABLUP) and NIR (NBLUP) information. Results show that for all four data sets AK and GK kernels gave higher prediction accuracy than the linear GB kernel for single environment as well as GE multi-environment models. In addition, AK gave similar or slightly higher prediction accuracy than the GK kernel.

Dataset

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA

Prediction models for canopy hyperspectral reflectance in wheat breeding data

Osval Antonio Montesinos-Lopez Jose Crossa Gustavo de los Campos Gregorio Alvarado Suchismita Mondal Jessica Rutkoski Lorena González Pérez Juan Burgueño (2016)

Vegetation indices (VI) generated by using some bands from hyperspectral cameras are used as predictors of primary traits. This study proposes models that use all available bands as predictors of primary traits. The proposed models were ordinal least square (OLS), Bayes B, principal components with Bayes B, functional B-spline, functional Fourier and functional partial least square (PLS). The results were compared with the OLS performed using as predictors each of the eight VIs individually and combined. The data set comes from CIMMYT’s Global Wheat Program and comprises 1170 genotypes evaluated for grain yield in five environments with the reflectance data measured in 250 discrete narrow bands ranging between 492 and 851 nm. in 9 time-points of the crop cycle. Results show that using all the bands simultaneously produced better predictions than using one VI alone or all the VI together, but when used only the bands with heritabilities > 0.5 in Drought environment, the predictions improved, while in the rest of the environments, using all the bands simultaneously produced slightly better prediction accuracies. The models with highest prediction when using all bands were functional B-spline and Fourier. Time-point 6 gives gave promising prediction accuracies for wheat lines before harvesting.

Dataset

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA

Ciencias de la Biología y Agronomía

ALEJANDRO SANCHEZ VELEZ ROSA MARIA GARCIA NUÑEZ ARCENIO GUTIERREZ ESTRADA ORSOHE RAMIREZ ABARCA JOSE MANUEL CABRERA TOLEDO AQUILES CARBALLO CARBALLO JOSE APOLINAR MEJIA CONTRERAS GABINO GARCIA DE LOS SANTOS HUMBERTO VAQUERA HUERTA CANDIDO MENDOZA PEREZ CARLOS RAMIREZ AYALA WALDO OJEDA BUSTAMANTE Jorge Flores Velazquez HECTOR FLORES MAGDALENO ERNESTO SIFUENTES IBARRA MARIA DEL CARMEN URZUA HERNANDEZ ROSA MARIA RAMIREZ GAMA Genny Llaven Valencia LUIS ALBERTO PEINADO FUENTES JOSÉ LUIS COYAC RODRÍGUEZ RAUL HIPOLITO SAUCEDA ACOSTA GUILLERMO MARTIN CARRILLO CASTAÑEDA JUANA JUAREZ MUÑOZ FANNY HERNANDEZ MENDOZA MARIA DE LOS ANGELES MALDONADO PERALTA SINAI MARIANA MANZO RODRIGUEZ JUAN JOSE PACHECO COVARRUBIAS JESUS ARTURO SAMANIEGO RUSSO MARIA DE LOS ANGELES JACOME CHACON FERNANDO CARLOS GOMEZ MERINO LIBIA IRIS TREJO TELLEZ MAURO SIERRA MACIAS ARTEMIO PALAFOX CABALLERO PABLO ANDRES MEZA NOEL ORLANDO GOMEZ MONTIEL ALEJANDRO ESPINOSA CALDERON MARGARITA TADEO ROBLEDO MIGUEL ANGEL SANCHEZ HERNANDEZ LETICIA NAVARRO SANDOVAL ADRIANA ISABEL PEREZ LUNA Eugenia BARRIENTOS NIÑO ROSALBA ESQUIVEL COTE FLAVIO ANTONIO RODRIGUEZ MONTALVO SABEL BARRON FREYRE SAUL AHUJA MENDOZA Ricardo Acevedo-Gómez ADRIANA ISABEL PEREZ LUNA ANA AURORA FONTES PUEBLA JOSE RAUL RODRIGUEZ RODRIGUEZ ERNESTO LOPEZ SALINAS OSCAR HUGO TOSQUY VALLE ROSALBA FERNANDEZ MARTINEZ TANIA ISADORA HERNANDEZ LEAL GLORIA LUZ LAURA CARRION VILLARNOVO TOMASITA SANTIAGO JERONIMO SANTOS CARBALLAR HERNANDEZ VICTOR MANUEL CHAVEZ AVILA (2015)

Este volumen I contiene 17 capítulos arbitrados que se ocupan de estos asuntos en Tópicos Selectos de Ciencias de la Biología y Agronomía, elegidos de entre las contribuciones, reunimos algunos investigadores y estudiantes. Se presenta un Estudio Comparativo de los Recursos Hidrológico-Forestales de la Microcuenca de la Laguna de Epatlan, Pue. (1993 a 2014); la Situación Actual de la Mancha de Asfalto en Maíz (Zea mays L.) en los Municipios de Jiquipilas y Ocozocoautla, Chiapas, México; las poblaciones sobresalientes de maíz de la raza Zapalote Chico, en la Región Istmeña de Oaxaca; Se indica el índice de área foliar de cultivo de Chile Poblano mediante dos métodos en condiciones protegidas; Esquivel, Urzúa y Ramírez exploran el efecto de la biofertilización con Azospirillum en el crecimiento y producción de Jitomate; esbozan su artículo sobre la determinación del nivel de Heterosis en híbridos de Maíz para la Comarca Lagunera; una investigación sobre la estabilización de semilla de Solanum lycopersicum durante el almacenamiento y estimulación de la germinación; acotan sobre el CTAB como una nueva opción para la detección de Huanglongbing en cítricos, plantean su evaluación sobre el aluminio y cómo afecta la vida de florero de Heliconia psittacorum; indican sobre el impacto del H-564C, como un híbrido de maíz con alta calidad de proteina para el trópico húmedo de México; presetan su investigación sobre la producción de Piña Cayena Lisa y MD2 (Ananas comosus L.) en condiciones de Loma Bonita, en Oaxaca; acotan sobre el efecto de coberteras como control biológico por conservación contra áfidos en Nogal Pecanero; esbozan sobre la caracterización de cuatro genotipos de Frijol Negro en Martínez de la Torre, Veracruz, México; presentan una caracterización hidroecológica de la microcuenca de Arroyo Prieto, Yuriría, Gto., y alternativas para su restauración ambiental; presentan su investigación sobre el efecto del hongo Beauveria bassiana sobre solubilización de fosfatos y la disponibilidad de fósforo en el suelo; plantean su investigación sobre la Germinación y regeneración in vitro de Epidendrum falcatum LINDL; esbozan su artículo sobre genotipos de frijol negro y su tolerancia a sequía terminal en Veracruz, México.

Book

Biología Química Agronomía BIOLOGÍA Y QUÍMICA