2. Figura 2. Sensor DHT
Fig. 3. El sistema de agricultura inteligente utiliza una arquitectura de nivel tres
Licencia de uso autorizada limitada a: Universidad Nacional Pedro Ruiz Gallo. Descargado el 3 de julio de 2022 a las 06:33:36 UTC de IEEE Xplore. Se aplican restricciones.
El espigado es una reacción persistente de la planta de cebolla para superar el
estrés de los factores ambientales. El espigado produce semillas antes de la
muerte de la planta. Ocurre tanto en invierno como en verano. La temperatura
para la ocurrencia es de 4 oC a 10oC en invierno o por encima de 30oC en
verano. Un aumento en el nivel de humedad puede hacer que la cebolla se
desprenda. Una agricultura basada en tecnología, que utiliza una técnica de
cultivo inteligente, puede ser una solución comprobada para mitigar los problemas
de la floración de las cebollas.
SISTEMAS DE AGRICULTURA INTELIGENTE BASADOS EN IOT
El advenimiento de la solución basada en IoT propuesta en esta investigación
puede abordar los problemas del atornillado de cebolla.
El espigado de la cebolla es uno de los problemas comunes debido a los cambios
climáticos. Las aplicaciones de IoT en la agricultura inteligente son una solución
predominante para abordar este problema. Monitorea los cambios en los
parámetros ambientales, su efecto en la planta de cebolla y habilita un mecanismo
preventivo. El objetivo de esta investigación es diseñar y desarrollar un sistema
agrícola inteligente (SFS) basado en IoT para monitorear el efecto de las
variaciones de temperatura y HR en el cultivo de cebolla, su efecto en el cultivo
de cebolla y proporcionar una información temprana a los agricultores para
minimizar la problema de atornillado. El sistema se desarrolla con la ayuda de
sensores [12], IoT y tecnologías habilitadas para la nube. Los datos recopilados
por estos sensores se analizan para evaluar el efecto favorable y adverso de los
parámetros climáticos y tomar decisiones para el cultivo de cultivos y
C. Trabajo relacionado
mantener un ambiente favorable en un invernadero y minimizar la pérdida de
cosecha debido a la mala cosecha.
En [22], los investigadores presentaron cómo los datos capturados por los
sensores se comunican a la nube y analizan los datos utilizando un motor de
análisis, y el resultado se envía al agricultor como una alerta.
Se analiza el efecto de la temperatura sobre las plantas de cebolla, que se
cultivan en un ambiente controlado y bien irrigadas y fertilizadas. Las variaciones
de temperatura y HR en un invernadero o campo abierto de cebollas, donde se
monitorearon continuamente por medio de un sensor de vigilancia como en la
figura (2).
Varias publicaciones de investigación destacaron claramente el efecto de los
cambios climáticos en el cultivo de cebolla. En [19] el autor investigó sobre los
cambios climáticos y las enfermedades fúngicas como
El resto del documento está organizado de la siguiente manera; Sección II –
El resultado experimental muestra que la temperatura tiene un efecto significativo
sobre el período de incubación y la gravedad de la enfermedad, independientemente
de la bacteria. La severidad de la enfermedad debida a patógenos, se observa
en el cambio de temperatura.
mancha morada en el cultivo de la cebolla.
explicó el ecosistema IoT aplicable a los sistemas agrícolas inteligentes basados
en IoT. Sección III: explicó el análisis y las pruebas de datos de desarrollo del
sistema, la Sección IV: el análisis de resultados siguió con la conclusión en la
sección V.
B. Efecto de la HR
En [5], la investigación de agricultura inteligente basada en IoT publicada presentó
la aplicación de IoT, sensores inalámbricos y computación ubicua para aumentar
la demanda de producción de alimentos, lo que explicó cómo IoT permitió que el
sistema de agricultura inteligente hiciera que las prácticas agrícolas fueran más
precisas y controladas, lo que ayuda a minimizar el fracaso del cultivo de cebolla.
Para probar el efecto de la humedad relativa en las plantas de cebolla se realiza
un experimento y el proceso se repite varias veces. La HR se monitorea
continuamente usando un sensor de vigilancia. Se observa que la severidad de
la enfermedad es mayor cuando las plantas de cebolla inoculadas se incubaron
bajo 100% de HR independientemente del patógeno [23]. El empernado de
cebolla es otro
El SFS registra continuamente los parámetros que afectan el cultivo de cebolla
tanto en campos abiertos como en invernaderos. Los datos relacionados con la
temperatura y la HR se pueden analizar para evaluar los problemas de floración
y tomar decisiones para adoptar el mecanismo preventivo para reducir la floración
en el cultivo de cebolla y aumentar el rendimiento. El concepto de agricultura
inteligente que se refiere al cultivo de la cebolla es una aplicación de las modernas
tecnologías de la información y la comunicación (TIC) en la agricultura [14].
Promete reformar la introducción de IoT, con el alto
A. Efecto de la temperatura
principal problema, afecta el rendimiento de la cebolla debido a la variación de
temperatura y humedad. El problema del florecimiento de la cebolla con la
formación del tallo floral se muestra en la figura (1). El problema del florecimiento
se debe a los cambios hormonales en las plantas ya la variación de factores
ambientales como la temperatura y la humedad.
II.
Machine Translated by Google
3. Figura 4. Modelo de implementación de agricultura inteligente
Tabla 1: Especificaciones detalladas de DHT 11 y BMP 180
Licencia de uso autorizada limitada a: Universidad Nacional Pedro Ruiz Gallo. Descargado el 3 de julio de 2022 a las 06:33:36 UTC de IEEE Xplore. Se aplican restricciones.
B. Dominio del dispositivo
El modelo de clasificación es una técnica de aprendizaje supervisado, que
utiliza la información anterior como datos de entrenamiento para clasificar
objetos de datos en segmentos.
Toda la tecnología fue desarrollada utilizando Arduino IDE,
Una red bayesiana es la mejor opción para la clasificación, lo que ofrece la
interoperabilidad del modelo. Es una técnica eficiente para analizar la estructura
de datos completa de un gran almacén de datos (bigdata) en lugar del formato
de estructura de datos tradicional.
La computación en la nube y el sistema de comunicación móvil son las
tecnologías habilitadoras con IoT. La computación en la nube permite un
procesamiento poderoso del sistema de sensores y el monitoreo de los servicios
al configurar el tablero y ejecutar el motor de análisis para el análisis de datos.
La nube ayuda a mitigar el problema de almacenar, procesar y acceder a la
gran cantidad de datos que surgen
Plataforma de análisis Think Speak y modelos de aprendizaje automático. Esto
incluye un editor para escribir código de extremo a extremo
SVM utiliza la teoría del aprendizaje estadístico para analizar los datos
[20]. Los múltiples beneficios de la nube de IoT son muchas opciones de
conectividad, servicios de gran acceso a la red bajo demanda, acceso a
recursos de computación en la nube, como dispositivos móviles y decenas de
miles de dispositivos de IoT. La tecnología móvil ayudará a proporcionar
información en tiempo real a los agricultores mediante SMS o aplicaciones
móviles.
Se compone de Arduino con ATmag 2590 alimentado con una velocidad de
reloj de 16 MHz y almacenamiento de 8 KB de SRAM y memoria flash de 256
KB. El DHT 11 utilizado es un sensor digital de temperatura y humedad de bajo
costo y alta sensibilidad [7]. Este dispositivo detecta la temperatura atmosférica
y el nivel de humedad con precisión. Los valores de temperatura y humedad
son
sensores de precisión, actuadores, computación en la nube y análisis de datos
[5].
El objetivo de la agricultura inteligente es ofrecer una producción agrícola más
eficiente y sostenible, a través de percepciones basadas en datos y una mejor
gestión de los recursos.
operación. El boceto escrito mediante el uso de esta plataforma conecta el
hardware Arduino para cargar programas y comunicar los datos a Think Speak
Cloud. Ayuda a almacenar los datos capturados y se puede acceder a ellos
mediante un navegador. Thinks Speak también ayuda a desarrollar un tablero
y extraer los desgloses.
capturado por el sensor se transfiere a la mega placa Arduino a través del pin
9. El sensor puede comunicarse con IoT usando el modo alámbrico o inalámbrico
(Bluetooth, Zigbee). Otros módulos adjuntos son LDR y BMP 180. Las
especificaciones detalladas de todos los dispositivos utilizados en este dominio
se dan en la tabla (1).
A. Metodología
tercero ANÁLISIS DE DATOS DE DESARROLLO DE SISTEMAS
C. Dominio de la comunicación
En esta sección se describe la causa real de la infección por hongos y los
problemas de atornillado debido a las disparidades en las condiciones
ambientales mediante un mecanismo de monitoreo inteligente.
Y PRUEBAS
El módulo presente en este dominio es el módulo Wi Fi SoC (sistema en chip)
ESP8266, integrado con la pila de protocolos TCP/IP, que permite a la MCU
acceder al punto de acceso Wi Fi.
El modelo desarrollado utilizando el sistema de agricultura inteligente basado
en IoT utiliza una arquitectura de nivel 3 que se puede dividir en tres niveles
como dominio de dispositivos, dominio de comunicación y dominio de aplicación
como se muestra en la figura (3).
Toda la arquitectura del sistema es como se muestra en la figura (5). Se analiza
una gran cantidad de datos de sensores, que desempeñan un papel importante
en la mejora de la eficiencia operativa y el aumento de la productividad. En un
sistema de agricultura inteligente, utilizamos los datos de los sensores obtenidos
para diferentes tipos de análisis, como análisis en tiempo real o análisis fuera
de línea [8]. Los datos y el informe de análisis se utilizan para la detección de
problemas de atornillado.
E. Programación en IoT y Cloud
La función del módulo de comunicación se basa en el firmware integrado en él.
Hay varios métodos de análisis de datos categorizados como reglas de
clasificación, agrupación, predicción y asociación.
D. Dominio de la aplicación
Machine Translated by Google
4. 1 1
+
…….(2)
Los datos requeridos para el análisis se capturan de varias partes del
campo de cebolla. Los sensores están expuestos a las condiciones
ambientales para capturar los datos durante un período muy largo. Los
datos del sensor se ingresan en la base de datos PostgrSQL mantenida
en la computadora personal. Además, para examinar los datos
capturados y encontrar el modelo de predicción para los datos
recopilados, se utilizan los datos almacenados en la nube [9]. Ahora
los datos transferidos archivo .csv. Una vez que los datos se procesan
previamente, se analizan los valores anómalos en el conjunto de datos,
como una temperatura baja y un valor de humedad alto. Los datos
capturados se analizan utilizando el modelo de regresión lineal
considerando las tres variables TH y L (temperatura, HR y luz detectada
por LDR), porque estos parámetros ambientales son
responsable del empernado de la cebolla. El objetivo clave era
encontrar la relación que hace que los terceros parámetros sean una
función de los dos primeros parámetros, que causan el empernado. La
medición de respuesta única en el modelo de regresión lineal simple
da como resultado un predictor único x, para cada observación, lo que
muestra que la función media condicional es lineal como en la ecuación
(3).
Fig. 5. Arquitectura agrícola inteligente
……..(1)
+
patrones y la creación de grupos. Su aplicación incluye clasificación de
texto, coincidencia de patrones, diagnóstico de salud y en el campo de
análisis de negocios. Además, se utilizó un enfoque KNN para
encontrar el patrón oculto del conjunto de bigdata. Al contrario de la
clasificación, el agrupamiento también utiliza un modelo no supervisado
y crea un grupo para un objeto dado en función de sus características
significativas únicas. Las técnicas populares utilizadas para el
agrupamiento son el agrupamiento jerárquico y la partición. Se obtiene
un agrupamiento jerárquico combinando los pequeños grupos de
objetos de datos y formando un árbol jerárquico y creando grupos
aglomerativos. El análisis predictivo utiliza datos históricos, que
también se consideran como el conjunto de datos de entrenamiento.
Determina el resultado como tendencias o comportamientos en los datos.
El costo involucrado en la implementación del sistema de agricultura
inteligente basado en IoT se clasifica en dos tipos: costo de instalación
y costo de funcionamiento. El costo relacionado con el anterior
comprende la infraestructura física, los dispositivos y los componentes.
El costo de funcionamiento implica el costo recurrente, como el costo
de suscripción a la nube o la plataforma IoT, para recopilar datos y
comunicarlos a otros dispositivos, el costo de la utilización de Internet
también se sumará a esto. El éxito de SFS habilitado para IoT, la
implementación se basa en dos factores según Turgut y Boloni as; 1)
la percepción de los agricultores es que la tecnología habilitada por
IoT proporciona un valor que supera su costo físico y de privacidad. 2).
el modelo de negocio que utiliza la tecnología IoT permitirá generar
ingresos adicionales con éxito.
=
Para la predicción, la relación entre las variables independientes y
dependientes se obtienen utilizando la lógica Fuzy y los modelos SVM.
= …………………..(3)
Con múltiples variables predictoras, la regresión múltiple
En la ecuación (2), el valor de la información obtenida de un SFS
habilitado para IoT está destinado a la prestación de los servicios que
necesita el agricultor. Un costo de suscripción subsidiado minimizará
los gastos generales de los agricultores.
VI. ANÁLISIS DE RESULTADOS
la función media se da en la ecuación (4).
2 +……(4)
Hemos considerado condiciones climáticas básicas como temperatura,
HR, presión barométrica y luz ambiental.
Estas dos condiciones se expresan en la ecuación (1) y (2) como ( ÿ ÿ
Donde a – intersección b- Pendiente o coeficiente de la variable
x al mantener el resto de los predictores inalterados, cada coeficiente
estima los cambios en la respuesta media por unidad de cambio en el
valor de x en la ecuación (3), que se logra mediante el uso de regresión
lineal modelo representa la predicción de
Entre estos nos interesa la temperatura y la humedad relativa para
analizar las razones del espigado en la finca de cebolla.
Fig. 6. Variación de la temperatura media
Licencia de uso autorizada limitada a: Universidad Nacional Pedro Ruiz Gallo. Descargado el 3 de julio de 2022 a las 06:33:36 UTC de IEEE Xplore. Se aplican restricciones.
Vs Cpri Ch C pagar
granjero
) ÿ 0
( - - ÿ
ÿ
) ÿ 0
Vs Cpri Ch C
granjero
pagar
Machine Translated by Google
6. Licencia de uso autorizada limitada a: Universidad Nacional Pedro Ruiz Gallo. Descargado el 3 de julio de 2022 a las 06:33:36 UTC de IEEE Xplore. Se aplican restricciones.
DOI:10.1007/978-981-15-5309-7_5.
https://ieeexplore.ieee.org/document/9591890.
Electrónica inteligente y comunicación (ICOSEC) 2021,
John Wiley & Sons Ltd.
[25]. Rathnakar Achary Internet de las cosas (IoT) Amenazas de seguridad en
la seguridad de la capa física, ciencia de datos y seguridad (págs. 39-48)
[24]. Rathnakar Achary, "Análisis de rendimiento del sistema inteligente de gestión
de bibliotecas basado en RFID e IoT" Conferencia internacional sobre
Machine Translated by Google