Analizar
Comprende las condiciones de tu huerto y explora su cosecha.
Condiciones del huerto
Comparamos las lecturas con tus referencias. No es una predicción de cosecha.
Estimación de cosecha
Modelo demostrativo entrenado con datos sintéticos, sin validación específica para Adelita.
Describe el escenario.
Prueba un cambio y compara el resultado.
Muchos árboles.
Una predicción conjunta.
Cada árbol compara valores. El promedio de sus respuestas estima el volumen y la calidad.
Listo para analizar tus parámetros.
Esquema simplificado de árboles de decisión. No representa una red neuronal ni un nuevo entrenamiento.
Cómo se entrenó y qué significa el resultado
Entrenamiento real, datos sintéticos
Dos modelos Random Forest se entrenaron en Python con scikit-learn: 100 árboles para volumen y 50 para calidad. El navegador recorre esos mismos árboles exportados; tus datos no se envían a un servidor.
Se usaron 2,000 ejemplos para entrenar y otros 500 para prueba. Medir error sobre ejemplos sintéticos comprueba cuánto reproduce las reglas, no su precisión agrícola.
Las métricas estarán disponibles después del primer análisis.
Supuestos visibles
13,000 plantas por hectárea, 15% de maduración semanal y 7.5 g por fruto. La etiqueta de volumen depende de frutos verdes; la superficie escala la predicción.
La calidad base es 84% en octubre–febrero y 80% el resto. Se descuentan 15 puntos si nitrato >400 y calcio <180, y 10 puntos si hay lluvia o temperatura ≥30 °C. Son reglas ilustrativas; no diagnostican enfermedades ni autentican variedades.
Las cajas usan 2.3 kg y el personal 30 kg por jornada durante 7 días uniformes. Ambos se redondean hacia arriba. La segunda calidad requiere evaluación y destino comercial; no equivale a desperdicio.