Gravisaco, Diego A.2022-06-022022-06-022021-12https://repositorio.21.edu.ar/handle/ues21/23184Para toda industria hay un proceso acelerado de innovación que es capaz de hacer crecer y capturar la participación de mercados que nunca antes se habían imaginado. La periodicidad de irrigación se realiza en forma poco eficiente hoy en día; la causa principal es la falta de planificación de irrigación, sequedad o empapamiento debido a factores fluctuantes como el clima o los vientos; por lo que el foco de este trabajo fue implementar un prototipo de sensores de humedad conectados que permitió optimizar la recolección, proceso y predicción de información para la necesidad de humedecer un terreno dado. Partiendo de la especificación del problema y su justificación, este trabajo propuso una solución y documentó la implementación de un prototipo de sensor conectado determinando la viabilidad de la utilización de machine learning para optimizar el manejo de información respecto a las mediciones de humedad en tierra. Todas las tecnologías y metodologías utilizadas fueron establecidas y descriptas para proveer una perspectiva completa del proyecto.DESTACADOspaAttribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/SensorHumedadMachine learningbachelorThesis