1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Morelos
4. Centro Nacional de Investigación y Desarrollo Tecnológico
5. Tesis CENIDET
6. Tesis de Maestría
7. Tesis de Maestría en Computación

Título :	Desarrollo de un algoritmo de limpieza de datos para dispositivos del Internet de las Cosas Subterráneas
Autor :	Sánchez Hernández, Julio Víctor%1021809
metadata.dc.subject.other:	Internet de las Cosas Subterráneas, limpieza de datos en flujo, agricultura de precisión, nodo sensor autónomo, sistemas embebidos
Fecha de publicación :	2025-08-07
Editorial :	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Centro Nacional de Investigación y Desarrollo Tecnológico
Descripción :	El Internet de las Cosas Subterráneas representa una extensión innovadora del paradigma del Internet de las Cosas, orientada al monitoreo en tiempo real de variables subterráneas relevantes para la Agricultura de Precisión. Sin embargo, la operación de dispositivos en entornos bajo tierra impone restricciones severas en términos de comunicación, energía y procesamiento, lo que dificulta garantizar la calidad de los datos recolectados. En este contexto, la presente tesis propone el diseño e implementación de un algoritmo para la limpieza autónoma de datos en flujo, implementado sobre un nodo sensor subterráneo de bajo consumo energético y orientado a operar directamente en campo. El sistema embebido integra un nodo sensor subterráneo con sensores de temperatura, humedad y pH del suelo, un microcontrolador de arquitectura abierta y un algoritmo de limpieza que detecta, imputa y depura datos anómalos en tiempo real. La solución fue evaluada experimentalmente mediante la inyección controlada de anomalías (datos atípicos, duplicados y faltantes) en tres subconjuntos con 10 %, 30 % y 50 % de alteraciones. Los resultados demuestran que el algoritmo detectó entre 80 % y 92 % de los valores atípicos, imputó hasta el 96 % de los datos inconsistentes y eliminó prácticamente todos los duplicados, incluso en escenarios con alta perturbación. Estos hallazgos confirman la viabilidad de implementar técnicas de preprocesamiento en plataformas con recursos limitados, lo que representa un aporte significativo para el desarrollo de soluciones robustas, autónomas y eficientes en aplicaciones agrícolas que demandan alta confiabilidad de datos.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Aparece en las colecciones:	Tesis de Maestría en Computación

Este ítem está protegido por copyright original Visualizar la licencia

Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons