The digital coffee farmer a bet for the incursion of technology in agriculture
DOI:
https://doi.org/10.61799/2216-0388.1444Keywords:
Precision agriculture, Internet of things, machine learning, coffee crops, wireless sensor networksAbstract
The reality of Colombian agriculture in relation to the dissemination and adoption of information and communication technologies is almost non-existent, which is why currently productive processes related to crops such as coffee continue to be carried out empirically or manually; That is why in the present work we present an approach to what we have called the "Digital Coffee Farmer", where it is sought that coffee farmers in the region can make use of technology to improve the conditions of their crops, which is why we focus on wireless sensor networks (WSN) allowing the coffee farmer, through the use of this tool, to be able to monitor the most important agro-environmental variables for his crop and by applying automatic learning techniques to determine the incidence of these variables in the projection of future harvests or in the expected production.
Downloads
References
[1] M. Espinoza-Garcia, G. Alvarez-Martinez y D. Chora-Garcıa, «La perfecta combinacion de la internet de las cosas y la agricultura de precision,» Killkana Tecnica, vol. 3, nº 2, pp. 31-38, 2019. DOI: https://doi.org/10.26871/killkana_tecnica.v3i2.533
[2] A. I. Montoya-Muñoz y O. M. Caicedo-Rendon, «An approach based on fog computing for providing reliability in iot data collection: A case study in a colombian coffee smart farm,» Applied Sciences, vol. 10, nº 24, 2020. DOI: https://doi.org/10.3390/app10248904
[3] S. K. Swami-Durai y M. D. Shamili, «Smart farming using machine learning and deep learning techniques,» Decision Analytics Journal, vol. 3, nº 100041, 2022. DOI: https://doi.org/10.1016/j.dajour.2022.100041
[4] J. Herrera y V. Ortiz, «Implementación de un sistema de monitoreo y control con tecnología IoT para determinar el comportamiento de las variables ambientales en la avicultura,» Investigación e innovación En Ingenierías, vol. 10, nº 1, pp. 30-41, 2022. DOI: https://doi.org/10.17081/invinno.10.1.5016
[5] I. D. D. López, J. F. Grass, A. Figueroa y J. C. Corrales, «A proposal for a multi- domain data fusion strategy in a climate-smart agriculture context,» International Transactions in Operational Research, vol. 30, nº 4, pp. 2049-2070, 2023. DOI: https://doi.org/10.1111/itor.12899
[6] A. F. Jiménez, P. F. Cárdenas, F. Jiménez, A. Ruiz-Canales y A. López, «A cyber- physical intelligent agent for irrigation scheduling in horticultural crops,» Computers and Electronics in Agriculture, vol. 178, nº 105777, 2020. DOI: https://doi.org/10.1016/j.compag.2020.105777
[7] M. Gutierrez- Hinestroza y S. . A. Iturralde-Kure, «Universidad Estatal Península de Santa Elena,» [En línea]. Available: https://incyt.upse.edu.ec/libros/index.php/upse/catalog/view/2/6/124-1. [Último acceso: 24 07 2023].
[8] E. C. Mantovani y C. Magdalena, «Procisur,» 24 03 2014. [En línea]. Available: http://www.gisandbeers.com/RRSS/Publicaciones/Manual-Agricultura-Precision.pdf. [Último acceso: 27 07 2023].
[9] H. Salazar y H. Duque, «Variables agronómicas determinantes de la productividad del cultivo de café en fincas del departamento de caldas,» Revista Cenicafe, vol. 70, pp. 81-92, 2019. DOI: https://doi.org/10.38141/10778/70106
[10] J. E. Gutiérrez-Lopera, J. A. Toloza-Rangel, Á. J. Soto-Vergel, O. A. López-Bustamante y D. Guevara-Ibarra, «Sistema integrado de monitoreo inalámbrico de variables agroambientales en un cultivo de tomate para la generación de mapas de intensidad,» Revista UIS Ingenierıas, vol. 20, nº 2, pp. 163-180, 2021. DOI: https://doi.org/10.18273/revuin.v20n2-2021014
[11] R. Martínez Jacobson, Comparativa y estudio de plataformas IoT, Cataluña: Escola Universitaria Politécnica de Mataro, 2017.
[12] V. Nundloll, B. Porter, B. Gordon S. , B. Emmett, J. Cosby, J. Davey L. , D. Chadwick, B. Winterbourn, P. Beattie, . D. Graham, R. Shaw, W. Shelley, M. Brown y I. Ullah, «The design and deployment of an end-to-end IoT infrastructure for the natural environment,» Future Internet, vol. 11, nº 6, pp. 1-27, 2019. DOI: https://doi.org/10.3390/fi11060129
[13] P. Sanjeevi, S. Prasanna, B. Siva Kumar, G. Gunasekaran, I. Alagiri y R. Vijay Anand, «Precision agriculture and farming using internet of things based on wireless sensor network,» Transactions on Emerging Telecommunications Technologies, vol. 12, p. 31, 2020. DOI: https://doi.org/10.1002/ett.3978
[14] J. Jin, M. Yajie , Z. Yingcong y H. Qihui, «Design and implementation of an agricultural IoT based on LORA,» de MATEC Web Conf, Malasya, 2018. DOI: https://doi.org/10.1051/matecconf/201818904011
[15] M. Quiñones-Cuenca, V. González-Jaramillo, R. Torres y . M. Jumbo, «Sistema De Monitoreo de Variables Medioambientales Usando Una Red de Sensores Inalámbricos y Plataformas De Internet De Las Cosas,» ENFOQUE UTE, vol. 8, nº 1, pp. 329-343, 2017. DOI: https://doi.org/10.29019/enfoqueute.v8n1.139
[16] H. Syed Zaeem, «aeris,» [En línea]. Available: https://www.aeris.com/resources/aeris-intelligent-iot-network/. [Último acceso: 01 08 2023].
[17] J. Fernandez, N. Miranda, R. Guerrero y F. Piccoli, «Datos no Estructurados No Textuales: Desarrollo de nuevas tecnologías,» de XII Workshop de Investigadores en Ciencias de la Computación, San Luís , 2010.
[18] J. Villanueva Chávez, Marco de trabajo basado en ontologías para el proceso ETL (Tesis de maestría), Mexico D.F.: Centro de Investigación y de Estudios avanzados del IPN, 2011.
[19] C. Egas, D. Viracocha y J. Rivera, «Implementación de una red inalámbrica de sensores para la gestión de luminarias utilizando IPv6,» Enfoque UTE, vol. 10, nº 4, pp. 45-56, 2019. DOI: https://doi.org/10.29019/enfoque.v10n4.553
[20] . P. Fremantle, «WSO2,» [En línea]. Available: https://resources.wso2.com/whitepapers/a-reference-architecture-for-the-internet-of-things. [Último acceso: 21 07 2023].
[21] J. Arcila Pulgarin, «Factores que determinan la productividad del cafetal,» [En línea]. Available: https://www.cenicafe.org/es/documents/LibroSistemasProduccionCapitulo3.pdf. [Último acceso: 02 08 2023].
[22] M. Nielsen, «Neural Networks and Deep Learning,» [En línea]. Available: http://neuralnetworksanddeeplearning.com/about.html. [Último acceso: 06 08 2023].
23] L. Bertona, Entrenamiento de Redes Neuronales Basado en Algoritmos (Tesis de grado)., Buenos Aires: Universidad de Buenos Aires, 2005.
[24] «Weather Spark,» [En línea]. Available: https://es.weatherspark.com/m/22426/7/Tiempo-promedio-en-julio-en-Salento-Colombia. [Último acceso: 06 08 2023].
[25] J. Egas Daza y A. F. Bravo Portilla, Calculando la disponibilidad de nitrógeno en suelos establecidos con cultivos de café utilizando técnicas de aprendizaje automático (Tesis de grado), Popayán : Universidad del Cauca, 2022.
Downloads
Published
Issue
Section
License
Copyright (c) 2023 Mundo FESC Journal
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
