Contexto:

La recolección y almacenamiento de datos sobre variables medioambientales en un cultivo de café mediante el uso de redes inalámbricas de sensores permiten transformar dichos datos y aplicar un modelo de aprendizaje supervisado para establecer su comportamiento.

Método:

Para el presente trabajo, se desarrolló una arquitectura con 3 nodos sensores inalámbricos. Cada uno consistía en una tarjeta programable Lucy3, a la cual se conectaron sensores de temperatura, humedad ambiental y humedad del suelo. El terreno de medición se encuentra ubicado en la finca de café El Cortijo, y las mediciones se realizaron durante un período de dos semanas, tres horas al día, enviando la información de los nodos descritos anteriormente a un Gateway que luego transmitió la información a una estación base. Finalmente, los datos se cargaron en una plataforma en línea para transformación y análisis predictivo a través de un modelo de aprendizaje supervisado.

Resultados:

Las pruebas realizadas permitieron demostrar la efectividad del diseño de la red inalámbrica en la recolección y transmisión de datos. Además se encontró que la aplicación del modelo de aprendizaje supervisado a través del análisis de clasificación con árboles de decisión permitió predecir el comportamiento de las variables evaluadas en plazos y condiciones específicas.

Conclusiones:

Mediante la aplicación de modelos predictivos se pueden mejorar las condiciones del cultivo, lo que permite optimizar el rendimiento de las variables analizadas, minimizar la pérdida de recursos y mejorar la eficiencia de procesos como la siembra y la cosecha del grano.

        · abstract in English     · text in English     · English ( pdf )