EL USO DE LA INTELIGENCIA ARTIFICIAL
EN UN INVERNADERO
THE USE OF ARTIFICIAL INTELLIGENCE IN
A GREENHOUSE
Ingrid Angélica García Torres
Universidad de Guayaquil, Ecuador
Rosa Elizabeth Castillo León
Universidad de Guayaquil, Ecuador
William Ricardo Navas Espín
Universidad de Guayaquil, Ecuador
Jairo Geovanny Veintimilla Andrade
Universidad de Guayaquil, Ecuador
pág. 910
DOI: https://doi.org/10.37811/cl_rcm.v8i4.12331
El Uso de la Inteligencia Artificial en un Invernadero
Ingrid Angélica García Torres1
ingrid.garciat@ug.edu
https://orcid.org/0000-0003-0796-8527
Universidad de Guayaquil
Ecuador
Rosa Elizabeth Castillo León
rosa.castillol@ug.edu.ec
https://orcid.org/0000-0003-0172-3916
Universidad de Guayaquil
Ecuador
William Ricardo Navas Espín
william.navase@ug.edu.ec
https://orcid.org/0000-0002-8492-9997
Universidad de Guayaquil
Ecuador
Jairo Geovanny Veintimilla Andrade
jairo.veintimillaa@ug.edu.ec
https://orcid.org/0000-0002-2841-2344
Universidad de Guayaquil
Ecuador
RESUMEN
En la presente investigación aborda el "Uso de Inteligencia Artificial en un Invernadero". Este estudio
plantea diversos desafíos en el ámbito agrícola, como la pérdida de rendimiento de los cultivos, la
degradación del suelo y la ineficiencia en el uso del agua, que afectan a diversas regiones del mundo.
Para abordar estos problemas, se propone investigar métodos de automatización basados en Inteligencia
Artificial para mejorar la eficiencia en invernaderos, optimizando las condiciones de crecimiento de las
plantas y maximizando la productividad agrícola. El objetivo es analizar el estado del arte de la
automatización en invernaderos, comparar las necesidades y desafíos en la implementación de sistemas
automatizados, desarrollar algoritmos basados en inteligencia artificial para la automatización de
invernaderos y analizar los resultados obtenidos. La investigación destaca la contribución significativa
del Internet de las Cosas (IoT) en la optimización de procesos agrícolas, especialmente en el contexto
de la Agricultura 4.0. Se explora el desarrollo de un sistema de monitoreo remoto basado en IoT para
incrementar la productividad agrícola, integrando diversas tecnologías como máquinas inteligentes,
sensores, análisis de big data, e inteligencia artificial.
Palabras Claves: inteligencia artificial, invernadero, agricultura 4.0, internet de las cosas (iot),
productividad agrícola
1
Autor principal.
Correspondencia: ingrid.garciat@ug.edu.ec
pág. 911
The Use of Artificial Intelligence in a Greenhouse
ABSTRACT
This research addresses the "Use of Artificial Intelligence in a Greenhouse". This study raises various
challenges in the agricultural field, such as loss of crop yield, soil degradation and inefficiency in water
use, which affect various regions of the world. To address these problems, it is proposed to investigate
automation methods based on Artificial Intelligence to improve efficiency in greenhouses, optimizing
plant growth conditions and maximizing agricultural productivity. The objective is to analyze the state
of the art of greenhouse automation, compare the needs and challenges in the implementation of
automated systems, develop algorithms based on artificial intelligence for greenhouse automation and
analyze the results obtained. The research highlights the significant contribution of the Internet of
Things (IoT) in the optimization of agricultural processes, especially in the context of Agriculture 4.0.
The development of a remote monitoring system based on IoT is explored to increase agricultural
productivity, integrating various technologies such as smart machines, sensors, big data analysis, and
artificial intelligence.
Keywords: artificial intelligence, greenhouse, agriculture 4.0, internet of things (IOT), agricultural
productivity
Artículo recibido 08 junio 2024
Aceptado para publicación: 11 julio 2024
pág. 912
INTRODUCCIÓN
La Agricultura 4.0, también conocida como agricultura de precisión, ha revolucionado el sector agrícola
mediante la integración de tecnologías avanzadas como el Internet de las Cosas (IoT), la inteligencia
artificial y el análisis de big data. Estas innovaciones han permitido una optimización sin precedentes
en la gestión de recursos y en la productividad agrícola, abordando de manera efectiva los desafíos
tradicionales de la agricultura convencional, tales como la dependencia excesiva de la mano de obra
humana y la vulnerabilidad a condiciones climáticas extremas debido a la falta de sistemas de apoyo
basados en datos (Maraveas & Bartzanas, 2022).
La evolución de la agricultura ha sido impulsada por la necesidad de satisfacer la creciente demanda de
alimentos de una población en constante aumento. Desde la modernización agrícola del siglo XVII
hasta las revoluciones tecnológicas de los siglos XX y XXI, la agricultura ha avanzado
significativamente. La Agricultura 4.0 se caracteriza por la utilización de tecnologías de precisión para
optimizar el uso de insumos y reducir el impacto ambiental, enfrentando los retos del cambio climático
y promoviendo la sostenibilidad a través de enfoques como la agroecología (Elena et al., 2023).
El Internet de las Cosas (IoT) ha demostrado ser una contribución significativa en la agricultura
moderna, facilitando la automatización de procesos y la optimización de recursos. La integración de
máquinas inteligentes, sensores, sistemas aéreos no tripulados y análisis de datos ha permitido
aplicaciones diversas que van desde la prevención de heladas en invernaderos hasta la gestión de riego
y la detección de plagas (Maraveas & Bartzanas, 2022). Estudios recientes han explorado la creación
de sistemas inteligentes que combinan realidad virtual y tecnología inalámbrica para mitigar el estrés
abiótico en cultivos (Chiliquinga & Mañay, 2021), así como la implementación de sistemas de control
y monitoreo de riego que mejoran la eficiencia y productividad agrícola (Román, 2022).
El presente estudio se enfoca en el desarrollo de un sistema de monitoreo remoto basado en IoT para
incrementar la productividad agrícola. A través de una revisión de la literatura y la implementación de
un marco metodológico adecuado, se busca consolidar el conocimiento existente y aportar nuevas
perspectivas para la mejora de la gestión agrícola. La exploración de fundamentos teóricos y la selección
de herramientas y metodologías adecuadas permitirán una aplicación efectiva del sistema propuesto,
promoviendo una agricultura más eficiente y sostenible en el contexto de la Agricultura 4.0.
pág. 913
Esta investigación no solo contribuye al entendimiento de las tecnologías IoT aplicadas en la
agricultura, sino que también ofrece una guía práctica para la implementación de soluciones
tecnológicas que aborden los desafíos actuales del sector agrícola. Con un enfoque en la optimización
de recursos y la sostenibilidad, el estudio aspira a sentar las bases para futuras innovaciones en la
agricultura inteligente, beneficiando tanto a los pequeños agricultores como a las grandes explotaciones
agrícolas.
En el apartado de fundamentos teóricos, se examinan los conceptos clave que respaldan el desarrollo
de un sistema de monitoreo remoto basado en Internet de las Cosas (IoT) para maximizar la
productividad en el contexto de la Agricultura 4.0. Esta exploración busca no solo consolidar el
conocimiento existente, sino también ampliar la comprensión con nuevas perspectivas y teorías
relevantes al tema tratado. Al obtener una visión integral y detallada, se facilita la selección de la
metodología más adecuada y la arquitectura para implementar los diversos algoritmos, así como la
elección de las herramientas o software necesarios. Esto permite una respuesta más sólida a los desafíos
planteados inicialmente, promoviendo una aplicación más efectiva del sistema de monitoreo remoto en
el marco de la Agricultura 4.0 para mejorar la productividad agrícola.
Internet de las cosas (IoT) se refiere a una red de dispositivos físicos conectados a Internet que pueden
recolectar y compartir datos automáticamente. Estos dispositivos, equipados con sensores, software y
conectividad, pueden interactuar entre sí para realizar tareas específicas sin necesidad de intervención
humana directa. La IoT facilita la automatización de procesos, el monitoreo remoto y la optimización
de recursos, lo que permite crear sistemas inteligentes que mejoran la eficiencia y la comodidad en
diversos ámbitos como hogares, ciudades, salud, agricultura e industria (Internet de las cosas (IoT),
2023).
Según (Calva, 2022) el Internet de las cosas representa el futuro de la conectividad, donde objetos
físicos se comunican entre sí para intercambiar información y colaborar en diversas tareas. Estos objetos
pueden ser desde dispositivos de identificación por radiofrecuencia hasta sensores inteligentes y
vehículos autónomos, tanto en entornos industriales como comerciales. La creciente popularidad del
IoT se debe a su capacidad de conectarse con todo, lo que ha inspirado diversas aplicaciones en campos
pág. 914
como la agricultura, la medicina y las ciudades inteligentes, donde ofrece mejoras significativas en
eficiencia y capacidad de recopilación de datos para tomar decisiones cruciales.
El Internet de las Cosas (IoT) se ha utilizado ampliamente en la agricultura para el monitoreo de diversos
aspectos como cultivos, suelos, riego, clima, maquinaria agrícola, instalaciones, ganado y calidad del
agua, entre otros. También se ha aplicado en la documentación, trazabilidad y seguridad de la cadena
de suministro agrícola, así como en la gestión de enfermedades y plagas de cultivos, fertilización,
fumigación y detección de intrusos en campos agrícolas. Además, el IoT se ha empleado en la gestión
de herramientas agrícolas y en sistemas de control de riego, así como en muestreo y mapeo de suelos y
predicción del clima.(Urquilla Castaneda, 2023).
La también llamada agricultura de precisión consiste en un conjunto de tecnologías destinadas a mejorar
la eficiencia de la producción agrícola al abordar la variabilidad espacial y temporal de los factores que
influyen en los cultivos. Estas tecnologías, que incluyen drones, sensores y aprendizaje profundo, se
integran en la maquinaria agrícola para realizar tareas de mapeo topográfico con mayor detalle. (Castro
et al., 2022) La adopción de estas nuevas herramientas busca transformar los métodos de producción
agrícola a nivel global, ofreciendo ventajas como la autoguiada, sistemas de riego automatizados y
geolocalización, lo que motiva a los agricultores a adoptar prácticas más avanzadas y eficientes.
La Agricultura 5.0 se visualiza como un sistema agrícola altamente integrado y digitalizado, donde
tecnologías avanzadas como el Internet de las Cosas (IoT), big data, inteligencia artificial, redes 5G,
robótica y automatización trabajan juntas para optimizar cada aspecto del cultivo y la gestión de
recursos, aumentando la eficiencia, sostenibilidad y productividad del sector agrícola.
La implementación del Internet de las Cosas (IoT) en la agricultura implica conectar dispositivos físicos
y objetos comunes con sensores, software y acceso a Internet para recolectar, compartir y analizar datos
de manera automática. Este sistema busca supervisar y dirigir diversos aspectos agrícolas, como la
calidad del suelo, la humedad, la temperatura y la salud del ganado, entre otros, con el objetivo de
mejorar la eficiencia, la productividad y la sostenibilidad en las operaciones agrícolas. Al integrar
dispositivos inteligentes en el entorno agrícola, el IoT facilita la automatización de tareas, la gestión
eficiente de cultivos y la prevención de problemas, lo que contribuye a modernizar y avanzar hacia una
agricultura más inteligente y conectada.
pág. 915
La agricultura de precisión representa un avance significativo en la gestión de la producción agrícola al
aprovechar diversas tecnologías para abordar la variabilidad inherente a este sector. Su enfoque radica
en optimizar la utilización de recursos, desde la tierra hasta los insumos, con el fin de maximizar la
productividad y la calidad de los cultivos. Esta estrategia se fundamenta en la implementación de
herramientas innovadoras para el monitoreo y control de procesos, lo que permite una gestión más
eficiente y precisa de las operaciones agrícolas.
(Andrea et al., 2022) nos indica que entre los beneficios clave de la agricultura de precisión se encuentra
la capacidad de reducir los costos operativos y mejorar la rentabilidad de las explotaciones agrícolas.
Al optimizar la aplicación de agroquímicos y otros insumos, se minimiza el desperdicio y se maximiza
la eficiencia en el uso de estos recursos, lo que se traduce en una mayor rentabilidad para los
agricultores. Además, esta práctica fomenta una gestión más sostenible al reducir el impacto ambiental
de las actividades agrícolas, como la contaminación del suelo y el agua, y la emisión de gases de efecto
invernadero.
La implementación de sistemas automatizados en invernaderos presenta tanto necesidades como
desafíos que deben ser considerados cuidadosamente para lograr una solución efectiva y sustentable.
Los sistemas automatizados permiten monitorear y ajustar de manera precisa variables críticas como
temperatura, humedad, iluminación y concentración de CO2 para crear el ambiente ideal para el
desarrollo de los cultivos (Hortalan, 2022).
La automatización de sistemas de riego, fertilización y control climático ayuda a reducir el consumo de
agua, energía y otros insumos, mejorando la sostenibilidad de la producción (AGRO FACTO, 2022).
El ambiente controlado de los invernaderos, combinado con la monitorización automatizada, disminuye
significativamente la incidencia de plagas y enfermedades, minimizando la necesidad de pesticidas
(Hortalan, 2022).
La optimización de las condiciones de cultivo y la eficiencia operativa de los sistemas automatizados
se traducen en mayores rendimientos y calidad de los cultivos (Hortalizas, 2024).
La instalación de sistemas automatizados requiere una inversión inicial significativa en equipos,
sensores, controladores y software, lo cual puede ser una barrera para algunos agricultores (igus, 2023)
.
pág. 916
La implementación y mantenimiento de estos sistemas demanda conocimientos técnicos especializados
que pueden no estar disponibles en todas las regiones (JAIME CHAFLA AND DIEGO MONTA, 2016).
Para establecer un sistema de monitoreo podría estar compuesto por una variedad de componentes
diseñados para recopilar datos relevantes en el entorno agrícola. En primer lugar, el controlador ESP-
WROOM-32, también conocido como ESP32, desempeña una función crucial al facilitar la
conectividad inalámbrica y la transmisión de datos, lo que permite una comunicación eficiente entre los
diferentes elementos del sistema.
Además, se emplean varios sensores especializados para medir distintas variables ambientales: el sensor
de humedad del suelo LM393 proporciona información sobre el contenido de humedad en el suelo, el
sensor de lluvia LM393 detecta la presencia de precipitación, el sensor de temperatura DHT22 mide la
temperatura ambiente, y el sensor ultravioleta digital LTR390 registra la intensidad de la radiación
ultravioleta.
Para asegurar una fuente de alimentación estable y proteger el ESP32 de posibles daños, se utilizará
una placa Arduino para conectar el ESP32 a los pines de 3.3V. Esto permitirá que el ESP32 reciba
energía de cualquier fuente de alimentación sin riesgo de daño, garantizando así la fiabilidad y seguridad
del sistema.
Estos componentes trabajan en conjunto para ofrecer un monitoreo completo y en tiempo real de las
condiciones medioambientales en el ámbito agrícola, permitiendo una toma de decisiones informada y
una gestión eficaz de los recursos agrícolas.
METODOLOGÍA
La metodología de esta investigación en la presente investigación se centra en un sistema de monitoreo
remoto basado en Internet de las Cosas (IoT) para mejorar la productividad agrícola. Este enfoque
metodológico combina la recopilación y análisis de datos a través de sensores y dispositivos IoT,
integrando tecnologías de inteligencia artificial y aprendizaje automático para optimizar las condiciones
de crecimiento en invernaderos.
El proceso de recolección de datos fue exhaustivo y minucioso. Se consultaron diversas fuentes
académicas y científicas de gran relevancia, como Google Académico, Scopus y repositorios
institucionales. Estas plataformas brindaron acceso a una amplia variedad de publicaciones, artículos
pág. 917
científicos, tesis y otros recursos valiosos, asegurando la recopilación de información de alta calidad y
pertinencia para el estudio.
La búsqueda en estas fuentes especializadas garantizó la obtención de datos sólidos y confiables,
provenientes de prestigiosas fuentes académicas y científicas. Esto permitió fundamentar el análisis en
información de primera mano, respaldada por el rigor y la rigurosidad característicos de estos
repositorios de conocimiento.
Para las simulaciones de conexiones de los sensores con la placa se utilizó la herramienta Fritzing
A continuación, tenemos los sensores
Figura 1. Controlador ESP-WROOM-32
Elaborado por Investigación correcta
Los sensores de un sistema de monitoreo son el Sensor de Humedad del Suelo FC-28, el Sensor de
Lluvia FC-37, el Sensor de Temperatura DHT22 y el Sensor Ultravioleta Digital LTR390. El Sensor de
Humedad del Suelo FC-28 se emplean para medir la humedad del suelo, mientras que el Sensor de
Lluvia FC-37 detecta la presencia de lluvia.
Por otro lado, el Sensor de Temperatura DHT22 se encarga de medir la temperatura ambiental, y el
Sensor Ultravioleta Digital LTR390 proporcionando información sobre la radiación ultravioleta. Estos
sensores, con sus respectivas funciones, son componentes clave para recopilar datos importantes que
contribuirán al monitoreo preciso de las condiciones ambientales y al análisis de datos en el sistema.
Algoritmos para el control de un invernadero automatizado utilizando sensores
Descripción de los algoritmos para el control para un invernadero automatizado utilizando los siguientes
sensores:
1. Sensor de humedad del suelo FC-28
2. Sensor de lluvia FC-37
pág. 918
3. Sensor de temperatura DHT22
4. Sensor ultravioleta digital LTR390
Algoritmo de control de riego
El algoritmo de control de riego se basa en la medición de la humedad del suelo mediante el sensor FC-
28. El algoritmo funcionará de la siguiente manera:
1. Leer el valor de humedad del suelo del sensor FC-28.
2. Comparar el valor de humedad del suelo con un umbral preestablecido. Si el valor de humedad del
suelo es inferior al umbral preestablecido, activar el sistema de riego.
3. Si el sensor de lluvia FC-37 detecta lluvia, desactivar el sistema de riego.
4. El sistema de riego se mantendrá activo hasta que el valor de humedad del suelo alcance un nivel
adecuado.
Figura 2. Sensor FC-28 y Sensor FC-37
Algoritmo de control de temperatura
El algoritmo de control de temperatura se basa en la medición de la temperatura y la humedad del aire
mediante el sensor DHT22. El algoritmo funcionará de la siguiente manera:
1. Leer los valores de temperatura y humedad del aire del sensor DHT22.
2. Comparar los valores de temperatura y humedad del aire con unos rangos preestablecidos. Si los
valores de temperatura o humedad del aire se encuentran fuera de los rangos preestablecidos, activar
el sistema de calefacción o refrigeración.
3. El sistema de calefacción o refrigeración se mantendrá activo hasta que los valores de temperatura
y humedad del aire alcancen los rangos preestablecidos.
pág. 919
Figura 3. Sensor DHT22
Algoritmo de control de iluminación
El algoritmo de control de iluminación se basa en la medición de la radiación ultravioleta (UV) mediante
el sensor LTR390. El algoritmo funcionará de la siguiente manera:
1. Leer el valor de radiación UV del sensor LTR390.
2. Comparar el valor de radiación UV con un umbral preestablecido. Si el valor de radiación UV es
inferior al umbral preestablecido, activar el sistema de iluminación artificial.
3. El sistema de iluminación artificial se mantendrá activo hasta que el valor de radiación UV
alcance el umbral preestablecido.
Consideraciones adicionales
▪ Los umbrales y rangos preestablecidos para cada algoritmo deben ajustarse en función del tipo de
cultivo y las condiciones climáticas específicas del invernadero.
▪ Los algoritmos deben implementarse en un microcontrolador o una computadora que pueda leer
los datos de los sensores y controlar los actuadores (por ejemplo, sistema de riego, sistema de
calefacción/refrigeración, sistema de iluminación).
▪ Se debe implementar un sistema de monitoreo para visualizar los datos de los sensores y el estado
de los actuadores.
pág. 920
Plataformas y Herramientas de Análisis de Datos en IoT posible
Tabla. 1. Plataformas
Plataformas
Características
ThingSpeak
• Código abierto
• API para cargar datos con protocolo HTTP
• Fácil integración con MATLAB para el procesamiento de datos
• Soporte técnico
• Opciones de licencia: gratuita (con limitaciones) y de pago
Blynk
• No requiere programación avanzada, ideal para usuarios con poca experiencia.
• Altamente personalizable para adaptarse a las necesidades específicas de cada
proyecto.
• Permite crear interfaces intuitivas para el control y monitoreo remoto desde
smartphones o tablets.
• Integración perfecta con placas Arduino y diversos sensores y actuadores.
• Permite recopilar datos en tiempo real sobre variables como temperatura, humedad,
luminosidad y pH del suelo.
• Facilita la automatización de sistemas de riego para optimizar el uso del agua.
• Permite automatizar tareas repetitivas como la apertura y cierre de invernaderos o la
alimentación de ganado.
Adafruit IO
• Permite recopilar, almacenar y visualizar datos de sensores conectados de forma
intuitiva.
• Personaliza la visualización de datos con gráficos, tablas y otros widgets.
• Soporta una amplia gama de dispositivos IoT y protocolos de comunicación como
MQTT y HTTP.
• Ofrece APIs REST para conectar con otros servicios web y aplicaciones.
Nota. Tomado de la investigación directa por los autores (2024)
Tabla 2. Tecnologías de Comunicación
Protocolo
Características
Aplicaciones en
Agricultura
Ventajas
WiFi
Frecuencia: 2.4 GHz
y 5 GHz
Velocidad: Alta
Alcance: Limitado a
la infraestructura
existente
Conexión de sensores y
actuadores a la red local
Transmisión de datos a
plataformas en la nube
Alta velocidad
Capacidad para
manejar
múltiples
dispositivos
Bluetooth
Low Energy
(BLE)
Frecuencia: 2.4 GHz
Velocidad: Baja
Alcance: ~100
metros
Comunicación entre
dispositivos cercanos
Uso en sensores de
batería
Bajo consumo
energético
Fácil
integración con
dispositivos
móviles
LoRa
Frecuencia: 433
MHz, 915 MHz
Alcance: Hasta 15
km
Velocidad: Baja
Monitoreo de grandes
extensiones agrícolas
Uso en sensores
remotos
Largo alcance
Bajo consumo
energético
pág. 921
Zigbee
Frecuencia: 2.4 GHz
Velocidad: Hasta
250 kbps
Alcance: ~100
metros, puede
extenderse mediante
redes de malla
Creación de redes de
sensores en campos
agrícolas
Comunicación entre
dispositivos con baja
latencia y alta
confiabilidad
Bajo consumo
energético
Capacidad para
formar redes de
malla
NB-IoT
(Narrowban
d IoT)
Frecuencia: Bandas
licenciadas (LTE)
Hasta 10 km
Velocidad: Baja
Monitoreo de sensores
en áreas rurales
Conexión de
dispositivos con baja
frecuencia de
transmisión
Amplia
cobertura
Bajo consumo
energético
Sigfox
Frecuencia: Bandas
ISM (varía por
región)
Alcance: Hasta 50
km en zonas rurales
Velocidad: Muy baja
Monitoreo de sensores
en grandes áreas
Conexión de
dispositivos con baja
frecuencia de
transmisión
Muy bajo
consumo
energético
Largo alcance
Nota. Tomado de (Saavedra et al., 2022).
Comunicación entre Arduino Uno R3 y ESP32
La comunicación entre Arduino Uno R3 y ESP32 se enriquece por la disponibilidad de diversos
protocolos como UART, I2C y SPI. Cada uno ofrece características y ventajas únicas, lo que permite
seleccionar el más adecuado para las necesidades específicas del proyecto.
Figura 4. Diagrama de Conexión serial entre ESP32 y Arduino Uno.
En la presente investigación el Arduino Uno R3 puede actuar como controlador principal para los
sensores de humedad del suelo, lluvia, temperatura y UV, mientras que el ESP32 maneja la conectividad
Wi-Fi y Bluetooth, transmitiendo los datos recolectados a plataformas de análisis como ThingSpeak.
(Sharma et al., 2024)
pág. 922
Buscando un creador de circuito se encontró la aplicación Fritzing que es un software de diseño
electrónico de código abierto y gratuito, creado para facilitar el proceso de creación de prototipos y el
desarrollo de productos electrónicos, también permite realizar simulaciones básicas del comportamiento
del circuito para verificar su funcionamiento.
Con ello se realizó lo siguiente:
Integración de Sensores con el Sistema Central
Los sensores conectados al Arduino Uno R3 y ESP32 deben ser configurados para transmitir datos de
manera eficiente y en tiempo real. Esto implica el uso de bibliotecas de software específicas y protocolos
de comunicación adecuados para cada tipo de sensor. (Narula & Pathak, 2022)
Los sensores de humedad del suelo FC-28, sensor de lluvia FC-37, sensor de temperatura DHT22 y
sensor ultravioleta digital LTR390 se integrarán al sistema central a través de interfaces digitales y
analógicas, asegurando una recolección de datos precisa y oportuna para el monitoreo y control agrícola.
Figura 5. Diagrama de circuito para el sensor de humedad del suelo FC-28 con el controlador ESP32
Figura 6. Diagrama de circuito para el sensor de temperatura y humedad ambiental DHT22 con el
controlador ESP32.
pág. 923
Figura 7. Diagrama de circuito para el sensor ultravioleta LTR390 con el controlador ESP32.
Figura 8. Diagrama de circuito para el sensor de LLUVIA FC-37 con el controlador ESP32.
Modelos de Análisis de Datos con ThingSpeak y MATLAB
MATLAB es una herramienta de software desarrolladas por MathWorks que se utilizan para el análisis
y predicción de datos. Estas herramientas son extremadamente poderosas para aplicaciones de IoT en
agricultura, debido a su capacidad de manejar grandes volúmenes de datos y realizar análisis complejos.
(Sharma et al., 2024)Además, MATLAB ofrece una amplia gama de funciones y herramientas
específicas para el procesamiento de señales, la modelización de sistemas, y la visualización de datos,
lo que facilita la toma de decisiones informadas en tiempo real.
Figura 9. Captura de la plataforma ThingSpeak mostrando gráficos en tiempo real generados por MatLab,
pág. 924
Aplicaciones IoT en la Agricultura
El Internet de las Cosas (IoT) ha transformado significativamente la agricultura moderna, permitiendo
un monitoreo y control más preciso de los procesos agrícolas, lo que resulta en una mayor eficiencia y
productividad. A continuación, se describen algunas de las aplicaciones más destacadas de IoT en la
agricultura.
Sensores de Humedad del Suelo
Los sensores de humedad, como el LM393, permiten monitorear los niveles de agua en el suelo en
tiempo real, asegurando que las plantas reciban la cantidad adecuada de agua. Esto optimiza el riego y
previene tanto el exceso como la escasez de agua, mejorando la salud y el rendimiento de los cultivos.
(Fauziyah et al., 2021)
Sistemas de Riego Automatizado
Utilizando sensores de humedad y clima, los sistemas de riego automatizados pueden ajustar la cantidad
de agua suministrada a las plantas. (Medina Carrasco & Coral Ygnacio, 2022) Es decir que en función
de las necesidades específicas y las condiciones meteorológicas actuales ayudan a reducir el desperdicio
de agua.
Estaciones Meteorológicas IoT
Las estaciones meteorológicas equipadas con sensores IoT pueden proporcionar datos en tiempo real
sobre temperatura, humedad, velocidad del viento y precipitación. Estos datos son vitales para la
planificación de actividades agrícolas y la toma de decisiones informadas sobre el manejo de cultivos.
(Cordero & José, 2023.)
Sensores y Trampas Inteligentes
Dispositivos IoT pueden detectar la presencia de plagas y enfermedades mediante sensores y cámaras,
permitiendo una intervención temprana y la aplicación selectiva de pesticidas, lo que minimiza el uso
de químicos y reduce el impacto ambiental (Mesa, 2023)
Rastreo de Equipos y Maquinaria
Utilizando GPS y otros sensores IoT, los agricultores pueden rastrear la ubicación y el estado de su
maquinaria y equipos agrícolas, mejorando la eficiencia operativa y reduciendo el tiempo de
inactividad. (Chandra Pandey et al., 2021) Además, estos sistemas pueden integrarse con plataformas
pág. 925
de gestión agrícola para ofrecer análisis en tiempo real y recomendaciones específicas, optimizando así
la salud de los cultivos y aumentando la eficiencia en la producción agrícola.
Criterios para medir la productividad Agrícola
La productividad agrícola se ve influenciada por una amplia variedad de factores que interactúan de
manera compleja. Para maximizar la producción y eficiencia en la agricultura, es crucial monitorear y
gestionar adecuadamente los siguientes criterios y parámetros. En esta sección, se describen los
principales parámetros que afectan la productividad agrícola y cómo las tecnologías IoT pueden ayudar
a optimizarlos.
RESULTADOS Y DISCUSIÓN
A continuación, se presenta una tabla que analiza de toda la investigación las condiciones ambientales
óptimas, utilizando la Inteligencia Artificial:
Tabla 3: Análisis de los Beneficios de la Implementación de Inteligencia Artificial en la Agricultura
Beneficio
Análisis
Condiciones
ambientales óptimas
Los sistemas automatizados IoT permiten el monitoreo y ajuste precisos de
variables críticas (temperatura, humedad, intensidad de luz, concentración de
CO2) creando un entorno ideal para el desarrollo de los cultivos, aumentando
el rendimiento, la calidad y la resistencia a enfermedades.
Uso sostenible de
recursos
La automatización de sistemas de riego, fertilización y control del clima
optimiza el uso de agua, energía y otros insumos, reduciendo el consumo y la
huella ambiental de las actividades agrícolas.
Disminución de
plagas y
enfermedades
El ambiente controlado y monitoreo constante permiten la detección temprana
de plagas y enfermedades, facilitando medidas preventivas y reduciendo la
necesidad de pesticidas químicos.
Aumento de la
productividad
Las mejores condiciones de crecimiento y mayor eficiencia operativa en
sistemas automatizados conducen a un aumento significativo en la
productividad y calidad de los cultivos.
Beneficios
económicos
Las maquinarias agrícolas de precisión, impulsada por tecnologías IoT, reduce
costos operativos y aumenta la rentabilidad de las explotaciones agrícolas al
optimizar el uso de insumos y recursos.
Sostenibilidad
medioambiental
La adopción de sistemas automatizados contribuye a una mayor sostenibilidad
al reducir el impacto ambiental de la agricultura (contaminación del suelo y
agua, emisiones de gases de efecto invernadero).
pág. 926
La revolución de la IA en la agricultura: un futuro más sostenible y productivo
La agricultura se encuentra en un punto de inflexión. Los desafíos del cambio climático, la escasez de
recursos y la creciente demanda de alimentos exigen un cambio radical en la forma de producir. En este
contexto, la inteligencia artificial (IA) emerge como una poderosa herramienta con el potencial de
transformar el sector y garantizar un futuro más sostenible y productivo.
Imagine campos donde sensores inteligentes monitorean en tiempo real las condiciones del suelo, el
clima y la salud de las plantas. Al analizar estos datos, la IA puede tomar decisiones precisas sobre
riego, fertilización y control de plagas, optimizando el uso de recursos y asegurando un crecimiento
óptimo de los cultivos.
Agricultores de todas las escalas pueden beneficiarse de esta revolución tecnológica. La IA puede
ayudar a pequeños productores a acceder a información valiosa y tomar decisiones informadas, mientras
que a grandes explotaciones les permite automatizar tareas repetitivas y optimizar sus procesos de
producción.
Más allá del aumento de la productividad, la IA también juega un papel crucial en la sostenibilidad. Al
reducir el uso de agua, fertilizantes y pesticidas, la IA ayuda a proteger el medio ambiente y a mitigar
el cambio climático.
Sin embargo, la implementación de la IA en la agricultura no está exenta de desafíos. Es necesario
garantizar el acceso equitativo a la tecnología, la capacitación adecuada para los agricultores y el
desarrollo de sistemas de IA éticos y responsables.
En definitiva, la IA se presenta como un aliado fundamental para el futuro de la agricultura. Con un
enfoque responsable y colaborativo, esta tecnología puede ayudarnos a alimentar al mundo de manera
sostenible, eficiente y rentable, al tiempo que protegemos nuestro planeta para las generaciones
venideras.
CONCLUSIONES
En esta investigación, hemos explorado la implementación de la inteligencia artificial (IA) en
invernaderos, centrándonos en cómo estas tecnologías pueden revolucionar la agricultura moderna,
optimizando recursos y aumentando la productividad. La integración de tecnologías avanzadas como el
Internet de las Cosas (IoT), el análisis de big data y los algoritmos de IA puede abordar desafíos
pág. 927
tradicionales del sector agrícola, como la ineficiencia en el uso del agua, la pérdida de rendimiento de
los cultivos y la degradación del suelo.
La adopción de sistemas de monitoreo remoto basados en IoT ha permitido una automatización sin
precedentes en la gestión de los invernaderos. Estos sistemas, que incorporan sensores inteligentes para
medir variables ambientales críticas, han facilitado la creación de algoritmos precisos para el control de
riego, temperatura e iluminación. Al comparar los métodos tradicionales con las nuevas tecnologías, se
observa una clara ventaja en la precisión y eficiencia de los sistemas automatizados, que no solo reducen
el consumo de recursos, sino que también mejoran la calidad y el rendimiento de los cultivos.
Además, la agricultura de precisión, apoyada por la IA, ha demostrado ser una estrategia efectiva para
minimizar el impacto ambiental de las actividades agrícolas. Al optimizar la aplicación de agroquímicos
y otros insumos, se reduce significativamente la contaminación del suelo y del agua, promoviendo
prácticas agrícolas más sostenibles y responsables. Esto es especialmente relevante en el contexto del
cambio climático, donde la agricultura debe adaptarse rápidamente para garantizar la seguridad
alimentaria mundial.
La implementación de tecnologías IoT y algoritmos de IA en invernaderos también ha presentado
ciertos desafíos, como la necesidad de una inversión inicial significativa y la demanda de conocimientos
técnicos especializados. Sin embargo, los beneficios a largo plazo, como el aumento de la productividad
y la sostenibilidad, superan con creces estas barreras iniciales. La capacitación y la educación en el uso
de estas tecnologías son cruciales para que los agricultores puedan aprovechar al máximo sus ventajas.
Para finalizar, la investigación concluye que la inteligencia artificial y el Internet de las Cosas tienen un
potencial inmenso para transformar la agricultura moderna. La automatización de invernaderos no solo
optimiza recursos y aumenta la productividad, sino que también promueve una agricultura más
sostenible y resiliente. Con el avance continuo de estas tecnologías y su integración en las prácticas
agrícolas, se vislumbra un futuro prometedor para la agricultura inteligente, beneficiando tanto a
pequeños agricultores como a grandes explotaciones agrícolas.
Esta investigación sienta las bases para futuras innovaciones en el ámbito de la agricultura 4.0,
proporcionando una guía práctica y un marco teórico sólido para la implementación de soluciones
tecnológicas avanzadas en la agricultura. La colaboración entre científicos, ingenieros y agricultores
pág. 928
será esencial para seguir desarrollando y perfeccionando estas tecnologías, asegurando que la
agricultura pueda enfrentar los desafíos del futuro de manera eficiente y sostenible.
REFERENCIAS BIBLIOGRAFICAS
Andrea, C., Eduardo, C., Borray, R., & Rey, R. (2022). Estado del Arte: APLICACIONES DE LA
AGRICULTURA 4.0. 6
AGRO FACTO. (2022). Ingeniería para la Excelencia. https://agrofacto.com/ventajas-y-desventajas-
riego-automatizado/
Calva, F. F. (2022). METODOLOGÍA PARA LA IMPLEMENTACIÓN DE IOT APLICADO A LA
AGRICULTURA DE PRECISIÓN.
https://repositorio.utmachala.edu.ec/bitstream/48000/19810/1/TTFIC-2022-IS-DE00035.pdf
Carrillo, M. V. (2021). Introducción de Arduino. Vida Científica Boletín Científico de la Escuela
Preparatoria No. 4, 9(17), Article 17.
Castro Santana,Carrillo Rodríguez, C., Iván. (2022). Agricultura de precisión aplicada en
eldepartamento de Cundinamarca con el uso de tecnologías Deep Learning.
https://acofipapers.org/index.php/eiei/article/view/2642/1816
Chiliquinga, M., & Mañay, E. (2021). Sistema de agricultura inteligente con entorno de realidad virtual
mediante el uso de tecnología LORA orientado a minimizar el estrés abiótico. [masterThesis,
Universidad de las Fuerzas Armadas ESPE. Maestría en Electrónica y Automatización Mención
Redes Industriales]. http://repositorio.espe.edu.ec/jspui/handle/21000/28921
Cordero, H., & José, M. (s. f.). Análisis e implementación de un sistema meteorológico mediante el uso
de IOT y Raspberry.
Da Silva Santos , F., & López Vargas , R. (2020). Efecto del Estrés en la Función Inmune en Pacientes
con Enfermedades Autoinmunes: una Revisión de Estudios Latinoamericanos. Revista
Científica De Salud Y Desarrollo Humano, 1(1), 46–59. https://doi.org/10.61368/r.s.d.h.v1i1.9
Elena, M., Cortés, T., Alcántara, A., Romero, A., Nohemi, A., Castillo, P., García, A., Ramírez, A.,
Alberto, C., Mastachi, C., Verónica, C., Balderrama, V., Durán, E., Salinas, E., Chavez, R., &
ALCARAZ, J. (2023). Los objetivos del desarrollo sostenible VERSUS La pandemia de la
COVID-19 (p. 66 al 83). https://doi.org/10.59955/9786075967530
pág. 929
Fauziyah, M., Safitri, H. K., Dewatama, D., & Aulianta, E. (2021). Conditioning of Temperature and
Soil Moisture in Chrysanthemum Cut Flowers Greenhouse Prototype based on Internet of Things
(IoT). ELKHA, 13(1), 25. https://doi.org/10.26418/elkha.v13i1.43078
Hortalan, G. (2022). LivePlant Biotech Group. https://hortalan.com/ultimas-noticias/invernaderos-
para-cultivos-optimizando-la-produccion-agricola/
Hortalizas. (2024). Hortalizas. https://www.hortalizas.com/
igus. (2023). Automatización de invernaderos y cultivos. https://www.igus.es/info/automatizacion-
invernaderos-cultivos
JAIME CHAFLA AND DIEGO MONTA. (2016). Diseño E Implementación De Un Módulo
Electrónico Para La Automatización De Un Invernadero Comunitario De Producción De
Hortalizas Y Legumbres https://dspace.ups.edu.ec/bitstream/123456789/12361/1/UPS%20-
%20ST002206.pd
Maraveas, C., & Bartzanas, T. (2022). Aplicación de internet de las cosas (IoT) para entornos de
invernadero optimizados. Magna Scientia UCEVA, 2(2), Article 2.
https://doi.org/10.54502/msuceva.v2n2a11
Medina Carrasco, E. S., & Coral Ygnacio, M. A. (2022). Una revisión de procesos de implementación
para sistemas de riego automatizado. Recibe, revista electrónica de computación, informática,
biomédica y electrónica, 11(2), C1-1-C1-19. https://doi.org/10.32870/recibe.v11i1.216
Mesa, A. F. (2023). Análisis de las Técnicas de Prevención y Detección de Enfermedades y Plagas en
Cultivos.
Martínez Ortiz, C. (2023). Critical and Creative Skills in Mexican Education: An Innovative
Approach. Revista Veritas De Difusão Científica, 4(1), 30–51.
https://doi.org/10.61616/rvdc.v4i1.36
Martínez, O., Aranda , R., Barreto , E., Fanego , J., Fernández , A., López , J., Medina , J., Meza , M.,
Muñoz , D., & Urbieta , J. (2024). Los tipos de discriminación laboral en las ciudades de Capiatá
y San Lorenzo. Arandu UTIC, 11(1), 77–95. Recuperado a partir de
https://www.uticvirtual.edu.py/revista.ojs/index.php/revistas/article/view/179
pág. 930
Narula, H., & Pathak, Dr. A. (2022). IoT Based Smart Agriculture and Animal Detection System.
International Journal for Research in Applied Science and Engineering Technology, 10(5), 5032-
5041. https://doi.org/10.22214/ijraset.2022.43548
Pesantez , F. F., Gadvay Yambay , E. R., León Cueva , W. P., & Cuenca Torres , M. E. (2024).
Aplicación Del Modelo 2c En El Desarrollo Sustentable Para Estudiantes De Ingeniería En Una
Universidad Pública Ecuatoriana. Estudios Y Perspectivas Revista Científica Y
Académica , 4(2), 359–373. https://doi.org/10.61384/r.c.a.v4i2.227
Román, R. (2022). Sistema de monitoreo y control de irrigación usando Internet de las Cosas (IoT)
[bachelorThesis]. https://repositorio.utn.edu.ec/handle/123456789/12080
Saavedra, E., Mascaraque, L., Calderon, G., del Campo, G., & Santamaria, A. (2022). A Universal
Testbed for IoT Wireless Technologies: Abstracting Latency, Error Rate and Stability from the
IoT Protocol and Hardware Platform. Sensors, 22(11), Article 11.
https://doi.org/10.3390/s22114159
Sharma, A., Soni, G., & Aggarwal, N. (2024). Implementation of Smart Agriculture System using IoT
on ThingSpeak cloud and MATLAB. IOP Conference Series: Earth and Environmental Science,
1285(1), 012022. https://doi.org/10.1088/1755-1315/1285/1/012022
Tantalean Tapia, I. O. (2024). La Empresa como Instrumento del Delito: Una Aproximación Teórica y
Doctrinal en Perú. Emergentes - Revista Científica, 4(1), 22–48.
https://doi.org/10.60112/erc.v3i2.81
Urquilla Castaneda, A. (2023). ¿Será la Agricultura 4.0 la solución al hambre global? Realidad y
Reflexión, 57, 39-58. https://doi.org/10.5377/ryr.v1i57.16696
Vera Polanco, L. A. (2023). prototipo de telecontrol para agricultura inteligente mediante iot y
tecnología inalambrica.
https://repositorio.unesum.edu.ec/bitstream/53000/5947/1/VERA%20POLANCO%20LUIS%2
0ALEXANDER.pdf
Zeballos , F. (2024). Accidente Cerebrovascular en Terapia Intensiva Adulto del Hospital San Juan de
Dios de la ciudad de Tarija. Revista Científica De Salud Y Desarrollo Humano, 5(2), 165–178.
https://doi.org/10.61368/r.s.d.h.v5i2.127