Sistema de predicción de datos ambientales de una red de sensores inalámbrica en cultivos agrícolas

En la actualidad el desconocimiento de la variación de la temperatura afecta la toma de decisiones de los agricultores, por lo que no conocen cuando es el momento ideal para sembrar, cosechar y que cantidad de agua regar en sus cultivos, debido a que la temperatura es un factor importante en la agricultura. Por eso, es necesario implementar un sistema de predicción de datos ambientales 100% funcional de una red de sensores inalámbrica en cultivos agrícolas para que facilite la toma de decisiones a los agricultores. Se realizaron pruebas experimentales con un dataset de temperatura del INAMHI (Instituto Nacional de Meteorología e Hidrología) que sirvió como fuente de datos para realizar las predicciones. Se evaluaron 3 modelos de inteligencia artificial ARIMA, LSTM y Transformer que al variar sus parámetros y con diferentes métricas para analizar sus errores, se seleccionó el mejor modelo para ser implementado en el sistema de predicción. Adicionalmente, se implementaron interfaces gráficas para que el agricultor y administrador puedan interactuar con el sistema de predicción, para esto se usó el framework de Angular para el frontend y el framework Django de python para el backend. El modelo LSTM fue el mejor modelo con un error MSE de 0.001596. En cuanto a la experiencia del usuario, esta fue satisfactoria, ya que la interfaz gráfica fue muy fácil de usar tanto como para el agricultor, como para el administrador. Finalmente, se comprobó que el sistema de predicción logra cumplir con los objetivos planteados, permitiéndole al agricultor conocer una predicción a futuro de sus cultivos. Como trabajo a futuro, se recomienda implementar un sistema de notificaciones, el cual alerte al agricultor cuando el cultivo tenga un factor ambiental no acorde a lo esperado.

• Hoofdauteur: López Damián, Dennys Eduardo (author)
• Andere auteurs: Medina Masa, William Steeven (author), Realpe Robalino, Miguel, Director (author)
• Formaat: bachelorThesis
• Gepubliceerd in: 2021
• Onderwerpen: Agricultura; Inteligencia Artificial; Machine Learning
• Online toegang: http://www.dspace.espol.edu.ec/handle/123456789/56326