Show simple item record

dc.contributor.advisorNieto Garibay, Alejandra
dc.contributor.advisorGutiérrez Jaguey, Joaquín
dc.contributor.authorDE ANDA TRASVIÑA, ANDREA MARGARITA
dc.date.issued2024
dc.identifierhttps://cibnor.repositorioinstitucional.mx/jspui/handle/1001/2978
dc.identifier.urihttp://dspace.cibnor.mx:8080/handle/123456789/3221
dc.description.abstract"Aproximadamente el 50% de los residuos sólidos urbanos que se generan en las ciudades son orgánicos (ROU) se componen principalmente de restos de alimentos y de jardinería. Estos residuos terminan en los basureros urbanos, generando impactos en el medio ambiente y en la salud de la población. El proceso de compostaje ofrece una alternativa para la disposición final de los ROU transformándolos en un producto útil llamado composta, un valioso fertilizante orgánico que beneficia el suelo y las plantas. El desarrollo de modelos del proceso de compostaje aún está limitado por la heterogeneidad de los materiales y en particular por la diversidad de los ROU. En este contexto, el objetivo del presente trabajo de investigación fue desarrollar un modelo del proceso de compostaje llamado CompostQNet basado en redes neuronales artificiales (RNA) para estimar la relación C/N de composta terminada teniendo como entrada del proceso de compostaje las características cuantitativas y cualitativas de los ROU. Se creó un conjunto de imágenes de ROU a los que se les asocio sus características cuantitativas (peso, relación C/N) y cualitativas (color y etapa de descomposición). Para clasificar los ROU se propusieron tres etapas de descomposición (inicial, media y avanzada), encontrándose diferencias estadísticas entre las etapas de descomposición para la mayoría de los ROU en el contenido de C, N, P y K. También se desarrolló un clasificador, basado en una RNA convolucional, llamado ROUNet, el cual identifica ROU en una imagen e indica a qué clase pertenece dicho residuo y cuál es su etapa de descomposición. La clasificación permite estimar el peso y la relación C/N de dicho ROU. También se realizó la medición de la evolución de las temperaturas del proceso de compostaje lo que permitió desarrollar un segundo modelo basado en lógica difusa llamado CompostTraker, el cual genera mensajes escritos para indicar el estatus de la composta durante el proceso de compostaje. Los modelos desarrollados en este trabajo son herramientas prácticas y adecuadas que simplifican el manejo del compostaje doméstico brindando información clave que permite la toma de decisiones para garantizar una composta de calidad. Los resultados alcanzados en esta investigación pueden ayudar a diseñar una gestión adecuada de los ROU para su reciclaje y uso de nutrientes como alternativa a los fertilizantes químicos."es
dc.formatpdfes
dc.language.isospaes
dc.publisherCentro de Investigaciones Biológicas del Noroeste, S.C.es
dc.rightsAcceso abiertoes
dc.subjectResiduos orgánicos urbanos, relación C/N, redes neuronales artificiales.es
dc.subjectUrban organic waste, C/N ratio, artificial neural networks.es
dc.subject.classificationDISEÑO LÓGICOes
dc.titleModelo del Efecto de la Relación Carbono/Nitrógeno de los Residuos Orgánicos Urbanos en la Calidad de la Compostaes
dc.typedoctoralThesises
dc.dirtesis.gradoDoctorado en Ciencias en el Uso, Manejo y Preservación de los Recursos Naturaleses
dc.dirtesis.disciplinaAgricultura Sustentablees
dc.dirtesis.universidadCentro de Investigaciones Biológicas del Noroeste, S.C.es
dc.dirtesis.facultadPosgrado en Recursos Naturaleses
dc.description.abstracten"Approximately 50 % of solid waste generated in cities is organic, mainly food and garden waste. This urban organic waste (UOW) often ends up in landfills, adversely affecting the environment and public health. Composting offers an alternative disposal method, transforming UOW into compost, a valuable organic fertilizer that benefits soil and plants. However, developing composting process models is challenging due to UOW heterogeneity. In this context, this research developed a model named CompostQNet, based on artificial neural networks (ANN), to estimate the carbon-nitrogen (C/N) ratio in finished compost using quantitative and qualitative characteristics of UOW. A dataset of UOW images was created, each associated with quantitative (weight, C/N ratio) and qualitative (color and decomposition state) attributes. UOW was classified into three decomposition stages— initial, middle, and advanced—with significant statistical differences in C, N, P, and K content across stages. Additionally, a convolutional ANN classifier called ROUNet was developed to identify UOW in images, classify the residue, and determine its decomposition stage, thereby estimating the weight and C/N ratio of UOW. The temperature evolution during composting was also monitored, leading to the development of a fuzzy logic-based model called CompostTracker, which provides text status updates throughout the composting process. These models are practical tools for managing home composting, offering essential information for decision-making to ensure high-quality compost. The findings of this research contribute to effective UOW management, promoting recycling and nutrient utilization as an alternative to chemical fertilizers."es


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record