MODELO DE REGRESIÓN PARA LA PRODUCCIÓN DEL BRÓCOLI USANDO REDES NEURONALES ARTIFICIALES (REGRESSION MODEL FOR BROCCOLI PRODUCTION USING ARTIFICIAL NEURAL NETWORKS)

Resumen

Resumen
El uso de Redes Neuronales Artificiales (RNA) en problemas de predicción de variables es cada vez más común. En la agricultura se generan continuamente una gran cantidad de datos de clima, biometría de la planta, días de cosecha y producción. Los lenguajes de programación o software especializado ya incorporan cada vez más las herramientas y algoritmos del Aprendizaje Automático (ML). Desde un punto de vista educativo o de implementación inicial básica y simple, el acceso a estos programas puede ser difícil. Por otro lado, las hojas de cálculo como Excel® incorporan utilidades de programación, como las macros en Visual Basic, que permiten implementar las RNA de una manera accesible para todos. Entre estas herramientas están las MACROs programadas desde Visual Basic, que se activan habilitando el complemento de programador en Excel. El objetivo de este trabajo es la creación de una MACRO en Excel que permita estimar un modelo de regresión para el ajuste de los valores del rendimiento de la producción del brócoli en una granja agrícola local en Aguascalientes, México. Las etapas de entrenamiento y prueba de la RNA fueron realizadas con datos del 2019. Entonces, los valores de los pesos obtenidos constituyen el punto de partida para la validación de la RNA con los datos de cosecha del año 2023.
Palabras Clave: Agricultura de precisión, Red Neuronal Artificial, Macros de Excel.

Abstract
The use of Artificial Neural Networks (ANN) in forecasting problems is becoming more common. In agriculture, a large amount of data on weather, biometrics of the plant, days of harvest and production are continuously generated. Programming languages or specialized software incorporate more and more tools that allow the implementation of Machine Learning (ML) algorithms. From an educational or basic business implementation point of view, access to these programs can be difficult. On the other hand, spreadsheets such as Excel® incorporate utilities that allow ANN to be implemented and are easily accessible to everyone. Among these tools are the MACROS programmed from Visual Basic, enabling the programmer add-in in Excel. The objective of this work is the creation of a MACRO in Excel that allows the implementation of a ANN that allows us to estimate the regression model or adjustment of the values of broccoli production yield in a local agricultural farm in Aguascalientes, Mexico. The training and test stages of the ANN were carried out with data from 2019. Then, the values of the weights obtained constitute the starting point for the validation of the ANN with the harvest data of the year 2023.
Keywords: Artificial Neural Network; Agriculture automation; Excel macros.