Agricultura de precisión y sostenibilidad

En este momento en que el movimiento de personas, bienes y servicios se encuentra restringido, la extensión digital es más importante que nunca, aun para los agricultores, quienes han visto interrumpidas sus actividades comerciales normales. La tecnología digital ha demostrado una vez más asegurar una línea de continuidad durante esta crisis, está comprobado que los agricultores se encuentran recurriendo cada vez más a los servicios de video y fotometría para consultar sobre sus cultivos.

Para ahondar un poco más sobre el tema de la agricultura de precisión la cual realmente no es nueva, pues data de los años 80’s, es una estrategia de gestión agrícola que reúne, procesa y analiza datos temporales, espaciales e individuales para combinarlos con información que respalda las decisiones a tomar en cada cultivo, específicamente de acuerdo con la variabilidad estimada para mejorar la eficiencia del uso de los recursos, la productividad, la calidad, la sanidad, la rentabilidad y la sostenibilidad de la producción agrícola, según lo define la revista internacional de investigación, Springer.
Aunque fue recibido con escepticismo al principio, la agricultura de precisión está ganando cada vez más relevancia entre los agricultores y legisladores. Incluso los auditores de la Unión Europea avalan el alto valor de la información proporcionada por las herramientas digitales en la agricultura. Para darles una idea o ejemplo, existen productores alrededor del mundo que están tratando de maximizar las ganancias gastando dinero solo en áreas que requieren fertilizantes, identificando por fotos tomadas con drones o red guiada por GPS, el muestreo de cada zona del cultivo. El fertilizante que antes se habría extendido en áreas que no lo necesitan, se puede colocar en áreas específicamente que lo requieren, optimizando así su uso. El ahorro en agua y fertilizantes de estas tecnologías puede ser desde un 30 a un 50 %, según Craige Mackenzie, uno de los agricultores con mayor conocimiento tecnológico de Nueva Zelanda.
A continuación nombraré tres ejemplos de empresas que se encuentran posicionadas en la industria:
A nivel privado en Canadá existe la empresa Agrilyze quienes proveen desde el 2002 una solución de tecnología geoespacial, entre sus herramientas ofrecen la optimización del sector agrícola moderno, combatiendo así el problema de la imprevisibilidad, esta empresa inclusive promueve tecnología avanzada de reconocimiento de imágenes para identificar el tipo de especie invasora que afecta el cultivo. En Costa Rica, Indigo Drones ya lleva 5 años ofreciendo análisis de fotogrametría RGB y mapeo a productores agrícolas centroamericanos.
Agrilyze is a leading-edge, cloud-hosted, data-driven analytics platform for the Fraser Valley agriculture industry. Combining leading-edge technologies such…
DESCARGUE PDF PAD RESPUESTA AL COVID19
La Organización para el Desarrollo de la Agricultura de Precisión, PAD, por sus siglas en inglés, es una fundación sin fines de lucro que viene funcionando desde el año 2016 con equipos de técnicos que operan desde India, Kenya, Etiopia y Pakistán, dando asesoría global a más de 3.5 millones de agricultores y enfocada en la mejora de prácticas de agricultura sostenible para pequeños productores agrícolas en países en vías de desarrollo. Afirman que la falta de datos sistemáticos y confiables sobre las necesidades de estos productores, actúa como una limitación importante para los responsables de las políticas a la hora de organizar una respuesta efectiva y específica a la crisis que ha llegado en la producción de alimentos de origen vegetal en estos países tras la pandemia.
Para abordar este déficit de información, PAD está realizando una encuesta telefónica en varios países para comprender cómo la pandemia está afectando el comportamiento de la producción agrícola y la seguridad alimentaria. Además, recopilan datos de los agro-distribuidores en un subconjunto de países para monitorear el impacto del brote de COVID-19 en las cadenas de suministro agrícolas. Los datos y hallazgos se publicarán en su sitio web que se adjunta al final de este artículo.
Para concluir, se estima que el mercado de la oferta de software y agricultura inteligente, como también se le llama, aumente su tasa compuesta de un crecimiento anual de 9.8% desde el 2020 hasta el 2025, según la revista Business Wire. Esto debido a los importantes ahorros de costos asociados con una plataforma de software basada en la nube, como han comprobado agricultores, productores y ganaderos en Europa, Asia y Sudamérica, quienes han adoptado desde hace varios años un software de análisis predictivo, basado en inteligencia artificial para gestionar la seguridad de los datos, el control de la sanidad de los cultivos, el mapeo del trabajo agrícola y la gestión del inventario.

Leer más
Agricultura de precisión y sostenibilidad

Datos y métricas que abonan la agricultura de precisión

Su experiencia en el mundo de la agricultura y de la gestión de la industria ha llevado a cuatro ingenieros a crear D4SmartFarming, una startup madrileña que ayuda a los agricultores en la toma de decisiones precisas. Hace poco más de medio año que se dieron de alta como sociedad con el objetivo de «contribuir a un futuro más sostenible y a ayudar a los «stakeholders» del campo», explica José Manuel Fernández, socio fundador de la empresa. Este equipo de profesionales (agrónomos, técnicos e informáticos) apasionado por la agricultura inteligente y de precisión ha diseñado una plataforma web que permite identificar cualquier parcela y facilitar información acerca de la humedad y del crecimiento del cultivo. «Somos procesadores de datos y damos métricas», puntualiza Fernández, quien se ocupa de la parte técnica del proyecto.

Esta información la obtienen mediante imágenes hipertemporales ofrecidas vía satélite. «Utilizamos unos satélites que mandan sondas de luz y en función de la reflectancia con las plantas somos capaces de identificar su crecimiento. Lo mismo ocurre con la humedad», añade. Con una mínima aportación y sin necesidad de gastos en tecnología o desplazamientos, facilitan cultivos más productivos y con menos emisiones.

Empezaron enfocados en el mundo de la agricultura pero se han dado cuenta que la aplicación puede tener otros usos. «En la banca, para la tasación de las parcelas, en el mundo inmobiliario, para saber cuáles son las parcelas óptimas, y para los seguros que contrate el agricultor», afirma el socio fundador. En sus primeros ocho meses han facturado 60.000 euros y el objetivo para el próximo año es alcanzar los 350.000 euros. «Queremos incrementar el número de áreas, expandirnos y llegar a otros países», matiza. Sus usuarios pagan una cantidad por hectárea al año en función del valor del cultivo.

D4SmartFarming también puede aplicarse para la banca o el mundo inmobiliario
En un principio la startup empezó a operar en Extremadura, con el cultivo del tomate. Pero ya están trabajando en Toledo con maíz y cebada y su primera experiencia internacional ha sido en California. «Nos interesa mucho el mercado norteamericano porque las empresas gestionan muchas hectáreas», indica Fernández. Recientemente la startup madrileña ha sido reconocida en ese país entre más de mil empresas emergentes en unos premios convocados por el European American Enterprise Council. Este galardón en la categoría de AgroFood les brindará apoyo para entrar en este mercado.Además, tienen previsto dar el salto a otros países, entre ellos Italia y Turquía.

Leer más
Agricultura de precisión y sostenibilidad

Demostración del uso innovador de tecnologías de agricultura de precisión para optimizar la utilización de nutrientes del estiércol y reducir las preocupaciones ambientales

Precision Agriculture Technologies llegó para quedarse a medida que más cosechadoras, aplicadores y tractores están equipados con receptores GPS, sistemas de dirección y sistemas de registro de datos. Estas tecnologías ofrecen a los productores e investigadores un conjunto completamente nuevo de herramientas para realizar su trabajo. En este proyecto de investigación, hemos estado utilizando la tecnología para mejorar la gestión del estiércol y demostrar cómo utilizar la tecnología para implementar la investigación en la granja.

Hay una curva de aprendizaje pronunciada para esta tecnología, pero parece que podemos usar la tecnología para administrar de manera efectiva los nutrientes del estiércol con mayor precisión en las granjas porcinas y lecheras. Esto minimizará la aplicación excesiva o insuficiente de nutrientes y permitirá a los productores medir y registrar con precisión la aplicación de nutrientes. Después de registrar esta información, podemos desarrollar prescripciones de aplicación más precisas para mejorar la eficiencia del estiércol y otros nutrientes que se están aplicando. Esto también proporcionará un registro permanente de la aplicación de nutrientes que puede ser útil en situaciones en las que se cuestiona la responsabilidad por las acciones del productor. Los productores que han asistido a nuestros programas educativos se han mostrado muy interesados ​​en esta tecnología y están interesados ​​en implementarla en sus fincas.

También estamos estudiando si la colocación de estiércol en relación con la hilera de cultivo tiene un efecto significativo sobre el rendimiento y / o la utilización del estiércol. Los resultados del primer año no muestran una clara ventaja al inyectar estiércol de lechería o porcino debajo de la hilera en comparación con la inyección entre las hileras. Sin embargo, esparcir estiércol de cerdo en lugar de inyectarlo redujo significativamente los rendimientos, por lo que es importante inyectar estiércol de cerdo y / o trabajarlo en el suelo. Es probable que esto se deba a la pérdida de nitrógeno volátil en el estiércol porcino y, por lo tanto, a la escasez de nitrógeno para el cultivo. En nuestro segundo año de datos, vimos algún beneficio al colocar estiércol debajo de las hileras de maíz en lugar de colocar el estiércol entre las hileras. Esto puede deberse a que fue más fácil para las plantas de maíz acceder a los nutrientes cuando se colocaron más cerca de la hilera, durante los períodos de clima seco.

El equipo de agricultura de precisión definitivamente hace que la investigación en la granja sea más fácil de realizar y registrar las operaciones de campo. El trazado de parcelas y la reproducción de parcelas es mucho más fácil de lograr con la ayuda de sistemas de dirección. La recopilación y medición de datos también se mejora con la capacidad de medir y registrar información con monitores en tractores y cosechadoras. La adopción de estas tecnologías en granjas porcinas y lecheras permitirá a los productores refinar su manejo a través de una mejor medición y registro de la información. Esta gestión mejorada también debería dar como resultado y mejorar la rentabilidad de la granja.

Leer más
Drones agricolas pueden ayudar a disminuir la escorrentia beneficios de la agricultura de precisión

Drones para ayudar a agricultores con el control de malezas

El último lugar donde se podría esperar encontrar drones y vehículos de exploración sería haciendo observaciones y controles en un campo de maíz, sin embargo, pronto, estos podrían unirse a los tractores y arados en la lista de herramientas agrícolas obligatorias de un agricultor, gracias a su potencial para reducir el uso de pesticidas y aumentar la cantidad de cosechas que se pueden cultivar.

Es parte de una tendencia hacia la llamada agricultura de precisión, en la que los agricultores utilizan equipos para controlar sus cultivos y responder a problemas cuando y donde estos se produzcan, en lugar de aplicar soluciones generales a un campo entero.

El Problema
Los peligros del uso excesivo de pesticidas en el medio ambiente pueden remontarse al libro de 1962 ‘Silent Spring’ (Primavera Silenciosa) de Rachel Carson, al que le ha sido atribuido el mérito de iniciar el movimiento moderno de conservación.
La UE aplica, actualmente, restricciones a ciertos pesticidas que contienen neonicotinoides, que se han relacionado con la desaparición de poblaciones de abejas melíferas en toda Europa.
En 2014, un estudio de la UE destacó los beneficios de la agricultura de precisión. El uso de este método puede reducir la escorrentía de pesticidas y fertilizantes, que pueden dañar significativamente el medio ambiente local.

El Dr. José M. Peña del Instituto de Agricultura Sostenible de Córdoba, España, dirigió el proyecto TOAS financiado por la Unión Europea, en el que drones sobrevolaban los cultivos para crear mapas de zonas de infestación con malezas para los agricultores de modo que pudieran identificar qué áreas tratar.

‘En Europa, el 60 % de los pesticidas que aplicamos son herbicidas para controlar las malezas’, dijo el Dr. Peña. ‘(Con) la tecnología aplicada al cultivo, podemos reducir drásticamente el uso de estos productos químicos y eso es un beneficio para el medio ambiente y para el agricultor’.

El Dr. Peña y su equipo utilizaron drones y tecnología de análisis de imágenes, que detecta ligeras diferencias en el color del campo a fin de descubrir la vegetación y las malezas que compiten con los cultivos. Sin embargo, las malezas y los brotes de cultivos pueden parecer similares a principios de temporada, cuando los cultivos se hallan en su momento más vulnerable.

La solución implicó examinar los patrones de cultivo junto con las imágenes. ‘Nosotros sabemos que los cultivos siguen un patrón, y a la vegetación que se sale de este patrón se la clasifica como maleza’, dijo el Dr. Peña.

‘Así, de este modo, podemos integrar la información espectral (y) también la posición y la forma de las plantas en el software para detectar aquellas que son malezas’.

Luego, los agricultores pueden aplicar herbicidas a áreas específicas, monitorear la evolución de sus cultivos a través del tiempo, y crear un mapa en 3D fotorrealista de su campo tomando fotografías aéreas desde múltiples ángulos.
Investigadores programaron drones para identificar malezas que se salen de los patrones normales de cultivos. Imagen cortesía de TOAS

Maíz, aceitunas

Después de analizar en primer lugar los campos de maíz y los olivares, el equipo determinó, posteriormente, que la tecnología funcionó para otros cultivos como el del girasol, la almendra y la uva.

‘Esto demuestra que la tecnología y el proyecto pueden ir más allá de la idea original’, dijo el Dr. Peña. ‘Asimismo, obtuvimos una precisión muy alta – podemos detectar más del 95 % de las malezas en los campos. Una cosa importante es que podemos detectar las partes del campo de cultivo que están libres de infestación. Este lugar es la zona donde el agricultor no necesita aplicar herbicida’.

No obstante, detectar las malezas es sólo la mitad de la tarea, e investigadores en otros lugares están desarrollando vehículos terrestres no tripulados, o vehículos de exploración, que pueden completar la labor eliminando las malezas.

“Nosotros podemos reducir de manera radical el uso de estos productos químicos, y eso es un beneficio para el medio ambiente y para el agricultor”, señaló el Dr. José M. Peña, del Instituto de Agricultura Sostenible, España.

‘Lo que estamos haciendo es demostrar que, realmente se puede realizar de forma totalmente automática’, dijo el Prof. Roland Siegwart de ETH Zurich, Suiza, quien dirige un proyecto de robótica llamado FLOURISH, financiado por la Unión Europea, para desarrollar el prototipo de un sistema integrado de drones y vehículos de exploración.

Escaneando diferentes características de los cultivos, tales como la altura y la cubierta de copas, el dron puede comunicar al vehículo de exploración no tripulado en el terreno las áreas que necesitan atención. El vehículo de exploración, entonces, elimina las malezas, aplica pesticida a un área específica, o le señala al agricultor las áreas que pueden necesitar fertilizante extra.

El Prof. Siegwart dice que esto podría conducir a un uso mucho más eficaz de los pesticidas.

‘Yo podría hacer la estimación de que probablemente sea una fracción muy pequeña del porcentaje de todos los productos químicos que son rociados en el campo la que realmente tiene un impacto’, dijo él. ‘Si tenemos más información, en realidad, se puede, con suerte, alcanzar una eficacia mucho más alta. Con, probablemente, 100 veces menos sustancias químicas aplicadas al campo, se puede tener exactamente el mismo efecto’.

Un aumento en la investigación de la tecnología agrícola puede también tener el beneficio añadido de eliminar el estigma sobre la tecnología con drones en sí ya que ayuda a resolver problemas como el modo de producir suficiente alimento para una población en crecimiento.

‘Por lo general, decimos que alrededor del 20 al 30% de la cosecha total de alimentos del campo ya está perdida, debido a que hay algunos problemas en el campo. Si se puede reducir esto, realmente se puede ayudar a alimentar a la sociedad de todo el mundo’.

Leer más
Agricultura de precisión y sostenibilidad

Un sistema de monitoreo de información de bajo costo para aplicaciones de agricultura inteligente

Se propone una solución de bajo costo, bajo consumo de energía y baja velocidad de datos para cumplir con los requisitos de monitoreo de información para granjas agrícolas reales a gran escala. Una finca a pequeña escala se puede administrar fácilmente. Por el contrario, una granja grande requerirá equipos de automatización que contribuyan a la producción de cultivos. La medición de las propiedades del suelo basada en sensores juega un papel integral en el diseño de una granja agrícola totalmente automatizada y también proporciona resultados más satisfactorios que cualquier método manual. Las soluciones de monitoreo de información existentes son ineficientes en términos de mayor costo de implementación y rango de comunicación limitado para adaptar la necesidad de las granjas agrícolas a gran escala. Se propone un módulo de comunicación en serie de bajo consumo, largo alcance y bajo costo para enfrentar los desafíos de monitorear la información a largas distancias. En el sistema propuesto, Se implementa un mecanismo de comunicación basado en árboles para ampliar el rango de comunicación agregando nodos intermedios. Cada nodo sensor consta de un panel solar, una celda recargable, un microcontrolador, un sensor de humedad y una unidad de comunicación. Cada nodo puede funcionar como nodo sensor y nodo de enrutador para el tráfico de red. Los registros de datos minimizados desde el nodo central se envían diariamente a la nube para fines analíticos futuros. Después de realizar un experimento detallado a la vista, la distancia de comunicación midió 250 m entre dos puntos y aumentó a 750 m al agregar dos nodos intermedios. La corriente de trabajo mínima de cada nodo fue de 2 mA y la tasa de pérdida de paquetes fue de aproximadamente 2 a 5% en diferentes tamaños de paquetes de toda la red.

Palabras clave: monitoreo de información, sensor, agricultura inteligente, red de sensores inalámbricos
Ir:
1. Introducción
La agricultura inteligente representa la aplicación de tecnologías modernas de información y comunicación a la agricultura. Potencialmente, puede generar una producción agrícola productiva y sostenible basada en un enfoque preciso y eficiente en el uso de recursos. Los sensores en las granjas agrícolas permiten a los agricultores obtener datos detallados en tiempo real como variables, como la temperatura del suelo y ambiente, el agua de riego y la conductividad del suelo, y el suelo o el pH del agua de riego. Con el uso de tecnologías de comunicación, estos datos se pueden transmitir a pasarelas para desencadenar las acciones necesarias basadas en las propiedades del suelo y los registros de datos, que se pueden enviar a la nube para análisis futuros [ 1 , 2 ].

Para acceder a datos de campo con un cableado mínimo, fácil instalación y bajo esfuerzo de mantenimiento, diferentes aplicaciones que utilizan las características de detección distribuida de las redes de sensores inalámbricos (WSN), incluido el monitoreo del agua [ 3 , 4 , 5 ], bosque [ 6 , 7 ], industrial [ 8 , 9 ], agricultura [ 10 , 11 , 12 ], medioambiental [ 13 , 14 ] y ciudad inteligente y marco comunitario [ 15 , 16] Haber emergido. Estas tecnologías son plataformas adecuadas para implementar sistemas inalámbricos en la agricultura debido a las propiedades orientadas a la aplicación de las WSN. Una WSN es una colección de nodos que funcionan de forma cooperativa. Cada nodo incluye un microcontrolador, una fuente de alimentación y una unidad de comunicación, y puede alojar varios sensores. Los datos del sensor se transfieren a una puerta de enlace utilizando la unidad de comunicación a través de uno o varios saltos.

Las WSN están emergiendo como una gran ayuda para mejorar la calidad agrícola, la productividad y la optimización de recursos. En la actualidad, la investigación sustancial [ 17 , 18 , 19 , 20] se ha centrado en el desarrollo de sistemas WSN eficientes que proporcionarán una supervisión y una automatización detalladas de los procesos agrícolas. Los valores medidos de los nodos de sensores de suelo deben transferirse de manera confiable a una puerta de enlace a través de un medio de comunicación. Los WSN pueden recopilar datos de los nodos de sensores de campo con bajo costo, cableado mínimo, fácil instalación y mejor mantenimiento. Una red basada en WSN comprende nodos finales para obtener la medición de datos de campo (por ejemplo, temperatura y humedad), un módulo de comunicación para la transmisión de datos (por ejemplo, ZigBee) y un controlador central para administrar los datos de los sensores, activar los actuadores y almacenar datos [ 21 , 22 ].

Actualmente, las tecnologías de comunicación ZigBee, Bluetooth, Cellular y otras más utilizadas tienen sus pros y sus contras [ 23 , 24 ]. En un sistema, los parámetros ambientales de campo recopilados, por ejemplo, la humedad, la temperatura se utilizan para enviar a través del módulo ZigBee hacia el nodo receptor y un módulo GPRS se integra en el nodo receptor para la comunicación a larga distancia con el servidor que realizó el monitoreo de información centralizado, visualización de datos, almacenamiento de datos. y realiza análisis de datos en el invernadero [ 25 ]. En un sistema de detección de información de tráfico, Bluetooth se utiliza para transmitir los parámetros del vehículo, por ejemplo, posición y velocidad, etc. [ 26]. Se propone un sistema de supervisión de sensores basado en GPRS para garantizar la transmisión precisa de datos a larga distancia en un entorno distribuido [ 27 ]. Sin embargo, ZigBee y Bluetooth son tecnologías de radio de corto alcance y no son adecuadas para escenarios de transmisión de largo alcance. 2G, 3G, 4G y otras soluciones basadas en la comunicación celular pueden proporcionar una cobertura más amplia, pero consumen demasiada energía y aumentan los costes operativos [ 24 ].

Los objetivos centrales de la construcción del sistema de destino son la cobertura de distancia, la rentabilidad y la fiabilidad de la comunicación. En este trabajo, se utiliza un módulo de comunicación de bajo costo llamado HC12 para la transmisión de datos a larga distancia en la finca agrícola. El HC12 tiene un rango de comunicación de 200 a 1000 m en un escenario punto a punto. Sin embargo, en comparación con el sistema propuesto, la comunicación celular y las soluciones basadas en LPWAN [ 24 , 28] proporcionan un mejor alcance de comunicación a varios kilómetros a la vista. Sin embargo, existe una compensación entre la cobertura de la distancia y la ubicación de los nodos en cada zona. Por ejemplo, si la distancia de ubicación de los nodos aumenta en kilómetros en aras de un rango de comunicación más alto, es posible que un agricultor no pueda medir las zonas intermedias. Por el contrario, si la distancia de ubicación de los nodos disminuye, no es necesario implementar un sistema costoso. En nuestra aplicación, la cobertura de zona y la cobertura de distancia son igualmente importantes. Para tener en cuenta los requisitos de la aplicación, HC12 se ha considerado la solución más adecuada. Se ha diseñado un mecanismo de red para extender la comunicación agregando nodos intermedios. A nuestro leal saber y entender, el trabajo propuesto puede ajustarse mejor a los requisitos de la aplicación.

El resto de este documento está organizado de la siguiente manera: Las tecnologías de IoT existentes en el monitoreo de información se analizan en la Sección 2 . El componente clave y la tecnología propuesta se presentan en la Sección 3 . La metodología detallada del sistema propuesto se analiza en la Sección 4 . En la Sección 5 se presenta y comenta un conjunto de experimentos en tiempo real . Finalmente, las conclusiones, la limitación y el trabajo futuro se resumen en la Sección 6 .

Ir:
2. Revisión de la literatura
El papel de las WSN en la agricultura se ha vuelto prominente como parte de la iniciativa de agricultura de precisión (AP), y estas redes ayudan a constituir AP [ 1 , 17 ]. La adaptación de sistemas WSN en agricultura ha sido ampliamente explorada en la última década [ 22 , 29 ] desde diferentes perspectivas, por ejemplo, diseño de plataforma inalámbrica para un mejor rendimiento, estrategia de implementación óptima de nodos de sensores y sistemas de gestión de riego automatizados para ahorrar agua. En [ 30 ], los parámetros de la capa MAC IEEE 802.15.4 se ajustan correctamente para seguir la frecuencia de muestreo de los nodos de sensores de acuerdo con los requisitos de la agricultura de precisión. Se propone un patrón de despliegue de nodos de sensores de calidad para la agricultura de precisión [ 31]. El método utiliza varias métricas para cuantificar los patrones de implementación de sensores para proporcionar conectividad cualitativa en la granja. Desde la perspectiva de los costos, el problema del despliegue óptimo se logra manteniendo el nivel deseado de cobertura y conectividad con un número mínimo de nodos [ 32 ]. Además, la gestión del sistema de riego se analiza ampliamente para ahorrar agua [ 22 , 33 , 34 ]. Por ejemplo, el valor en tiempo real de las zonas de raíces de la planta se mide de manera distribuida y se usa un valor umbral en la puerta de enlace para lograr el ahorro de agua [ 21]. Recientemente, un sistema de apoyo a la toma de decisiones (DSS) integrado en la puerta de enlace de la red superó los métodos de última generación basados ​​en el umbral de parámetros [ 22 ].

De hecho, la mayor parte del esfuerzo se ha realizado en el diseño y las estrategias de implementación para WSN con la realización de la capacidad de detección y una mejor gestión en la agricultura de precisión. Considerando que, la transmisión confiable de datos en tiempo real adquirida por sensores en red a larga distancia ha sido menos investigada. Aunque, muchos investigadores han centrado la atención en el estudio y diseño de la transmisión de datos en el entorno WSN, los inconvenientes comunes son su cobertura de distancia limitada o su mayor costo de implementación. Por ejemplo, ZigBee siempre se ha considerado una solución óptima debido a su bajo consumo de energía y fuerte movilidad [ 35 , 36 , 37]; sin embargo, su alcance de transmisión de datos está limitado a 100 m entre dos puntos. El recuento de dispositivos ZigBee aumenta cuando se requiere cubrir más de 100 m; por lo tanto, el costo de implementación y la sobrecarga de la red también aumentarán. Para garantizar la cobertura de larga distancia, se utiliza una solución basada en GSM en la que cada nodo contiene un módulo GSM y envía directamente los datos de sus sensores a la nube, cambiando así la topología de la red de centralizada a distribuida [ 38 ]. Aunque se elimina la tensión de cobertura, el costo de implementación y la complejidad de la instalación son extremadamente altos. Recientemente, se ha propuesto una solución de red de área amplia de baja potencia (LPWAN) basada en LoRa para resolver el problema de monitoreo de información en un área extensa [ 28]. Un módulo de comunicación LoRa proporciona una transmisión de datos confiable a una distancia de más de 1 km en un entorno relativamente complejo; sin embargo, el principal inconveniente de la solución LPWAN es que requiere una suscripción anual de un solo proveedor (Semtech) [ 39 ] y una puerta de enlace dedicada llamada NB-IoT / LoRaWAN [ 24 ], que puede resultar costosa.

Uno de los desafíos actuales es diseñar un sistema rentable para la transmisión de datos de campo a larga distancia, que es más deseable en esta aplicación, que rara vez se explora. Por lo tanto, el estudio actual propone e implementa una red de sensores inalámbricos de bajo costo, que se puede utilizar como modelo de referencia para la recolección de datos de sensores de campo en un área amplia. Sin embargo, algunos sistemas de monitoreo de información basados ​​en WSN ya están disponibles [ 22 , 28 , 34 , 38 ], pero el inconveniente común de estos sistemas es el costo de implementación extremadamente alto cuando aumenta el número de dispositivos.

Ir:
3. Granja de modelos basada en IoT
Nuestra solución propuesta es específica de la aplicación y consta de sensores de humedad, microcontroladores, módulos de comunicación por radiofrecuencia, paneles solares, una puerta de enlace basada en Linux, un módulo de conectividad a Internet y almacenamiento en la nube. El diagrama del diseño del sistema propuesto se muestra enFigura 1. La solución está diseñada con el objetivo final de garantizar una cobertura de alta distancia con un costo de implementación mínimo.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es sensores-20-02367-g001.jpg
Figura 1
Diagrama de bloques de una granja agrícola basada en IoT.

3.1. Descripción general de HC12
HC12 [ 40 ] es un módulo de transmisión inalámbrica semidúplex de nueva generación, que tiene un rango de frecuencia de 433,4 a 473,0 MHz. El módulo tiene varios canales integrados y puede utilizar 100 canales con un paso de 400 KHz. La potencia de transmisión máxima del módulo es de 100 mW (20 dBm), la sensibilidad de recepción es de −112 dBm a una velocidad de 9600 baudios en el aire y la distancia de comunicación es de 200 a 1000 m en espacio abierto. El rango de comunicación más lejano se puede lograr cuando un módulo se configura a una velocidad de datos baja. Se pueden configurar tres modos de trabajo, llamados FU1, FU2 y FU3, para adaptarse a diferentes requisitos de aplicación. FU1 y FU2 son modos de ahorro de energía, mientras que FU3 es el modo de máxima potencia.

3.2. Descripción general de Orange-Pi
Orange PI es una computadora de placa única de código abierto que puede funcionar con una alimentación de 5 V. Tiene 512 MB de SDRAM y 2 MB de flash de interfaz periférica serie (SPI) incorporada y puede admitir un máximo de 32 GB de tarjeta TF. Orange PI tiene hasta 26 pines de entrada / salida (E / S) de propósito general, que se pueden usar para varios propósitos, dos ranuras USB 2.0, una SPI, una I2C, tres transmisores receptores asíncronos universales (UART) y un hardware real -reloj / calendario. El microcontrolador es adecuado para esta aplicación remota y puede ejecutar los sistemas operativos (SO) Android 4.4, Ubuntu, Debian y Raspbian.

3.3. Descripción general del módulo 2G (SIM900)
El módulo 2G es un módulo basado en GSM que puede ofrecer un rendimiento de 850/900/1800/1900 MHz para voz y datos. El módulo se comunica con la placa principal mediante comandos AT a través de una interfaz serie UART. El rango de voltaje de funcionamiento es de 4,5 a 5,5 V. En este estudio, este módulo se utiliza para recopilar datos meteorológicos de Internet y establecer una conexión con la nube mediante el protocolo GSM / GPRS. En comparación con 3G o 4G, el módulo 2G es más adecuado para aplicaciones agrícolas porque la mayoría de las granjas agrícolas están ubicadas en el campo, donde 3G o 4G aún no están establecidos. Aunque la tasa de datos es considerablemente más lenta que la última tecnología, la velocidad no es un factor importante en nuestro contexto porque la cantidad de datos recopilados es extremadamente pequeña.

Ir:
4. Diseño e implementación del sistema
Nuestro sistema incluye principalmente nodos (instalados en el campo), el nodo central (puerta de enlace) y almacenamiento en la nube, como se presenta en Figura 1. Los datos de campo se miden usando el sensor adjunto del nodo sensor y se transmiten a la puerta de enlace usando un módulo de comunicación HC12 en uno o varios saltos. El nodo central recibe datos de campo de los nodos de sensores, obtiene datos meteorológicos de Open Weather API y envía registros minimizados a la nube utilizando el módulo 2G (GSM / GPRS).

4.1. Diseño de hardware
El diseño de los nodos y la puerta de enlace se ha diseñado observando un escenario de aplicación, por ejemplo, recopilación de datos óptima, bajo consumo de energía y transmisión confiable.

4.1.1. Diseño de hardware del nodo sensor
El trabajo básico de un nodo es recibir una solicitud oportuna de la puerta de enlace a través de una unidad de comunicación, recopilar los parámetros del suelo del campo y enviar los valores resultantes a la puerta de enlace en el paquete de respuesta. Cada nodo comprende un microcontrolador, un sensor de humedad del suelo, una unidad de comunicación HC12 y una unidad de energía solar. Un diagrama de bloques de un nodo se muestra enFigura 2.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es sensores-20-02367-g002.jpg
Figura 2
Diseño de hardware del nodo sensor.

La unidad de microcontrolador (MCU) es ATmega328p (Arduino Nano 3.0). La tensión de entrada recomendada para el microcontrolador es de 7 a 12 V y la tensión de funcionamiento (nivel lógico) es de 5 V. La MCU tiene 14 E / S digitales y 8 pines de entrada analógica. Cada pin tiene una corriente continua de 40 mA. La suma de todas las corrientes que entran o salen de los pines de entrada / salida (todos los pines analógicos y digitales combinados) del microcontrolador ATMEGA328P en sí no puede exceder los 200 mA. En nuestro escenario, el nodo sensor ha utilizado 4 pines GPIO (3 digitales y 1 analógico) que está por debajo del límite máximo de ATMEGA328P. La memoria flash de la placa es de 16 KB y SRAM de 2 KB. El sensor de humedad del suelo está conectado a pines analógicos y digitales en la placa del microcontrolador. El microcontrolador controla la potencia del sensor utilizando el pin digital para mantenerlo bajo durante los tiempos de inactividad.

El hardware HC12 consta de una MCU incorporada, una interfaz de comunicación en serie TTL, una fuente de alimentación, un control de modo y una antena. La MCU incorporada se comunica con un dispositivo externo mediante el puerto serie. El HC12 se puede alimentar con un voltaje de 3,2 a 5,5 CC. La transmisión de datos tiene tres modos, a saber, FU1, FU2 y FU3, que se pueden configurar mediante comandos AT de acuerdo con los requisitos de la aplicación.

En este estudio, solo usamos el modo FU3, que tiene un consumo de energía promedio de 16 mA (en estado inactivo) y el consumo de corriente máximo se mide entre 50 y 55 mA (en estado de transmisión). Dos módulos emparejados deben tener el mismo modo de transmisión, velocidad de transmisión serial y canal de comunicación inalámbrica. Además, el módulo es semidúplex y los datos no se pueden enviar y recibir simultáneamente entre dos módulos.

La unidad de potencia consta de un panel solar de 10 W, una placa de protección de batería y una celda de almacenamiento de 3,7. La placa de protección se utiliza para regular la salida de voltaje de un panel solar y para evitar que la celda de carga se sobrecargue. El voltaje de salida de 4 V va directamente al microcontrolador, sensor de suelo y unidad de comunicación. La celda de almacenamiento se carga durante el día, lo que mantiene vivo el nodo del sensor en un clima parcialmente nublado, incluso de noche. La vida operativa del nodo se estimó midiendo el consumo de corriente real. Para el experimento de medición actual, programamos el nodo del sensor para medir continuamente el estado de la humedad del suelo y transmitir los valores resultantes a la puerta de enlace, de forma continua. Mientras se ejecuta el dispositivo en modo de funcionamiento completo, el consumo de corriente medido del nodo sensor fue de 80 a 85 mA. El consumo de corriente del módulo individual, por ejemplo, el microcontrolador, el sensor y el transceptor, se midió como 20 mA, 5 mA y 55 mA, respectivamente. Para la medición de la vida útil, el nodo del sensor se encendió mediante una celda de 3,7 V completamente cargada con una capacidad de 1800 mAh. Como el consumo de corriente del dispositivo fue de 80 a 85 mA, la batería duró casi 20 h en el experimento. El diagrama físico del nodo sensor se muestra enfigura 3.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es sensores-20-02367-g003.jpg
figura 3
Diagrama físico del nodo sensor.

4.1.2. Diseño de hardware de Gateway
La puerta de enlace se dedica a recopilar datos de campo de todos los nodos y datos meteorológicos de Internet y a enviar registros de datos minimizados al almacenamiento en la nube. Un dispositivo basado en Armbian, llamado Orange Pi, se utiliza con fines operativos. El dispositivo se instala en una ubicación central en una granja donde hay electricidad disponible, eliminando así la necesidad de un panel solar y una placa de protección. El diseño de hardware del nodo primario comprende una fuente de alimentación de 5 V CC, un dispositivo Orange Pi, un módulo 2G (GSM / GPRS) y una unidad de comunicación HC12. Los módulos HC12 y GPS están conectados a la placa Orange Pi en interfaces seriales. El diagrama de bloques del nodo central se muestra enFigura 4, mientras que el diagrama físico se muestra en Figura 5.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es sensores-20-02367-g004.jpg
Figura 4
Diseño de hardware del nodo de puerta de enlace.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es sensores-20-02367-g005.jpg
Figura 5
Diagrama físico del nodo de puerta de enlace.

4.2. Diseño de software
El diseño de software del sistema propuesto incluye un mecanismo de comunicación de red basado en árbol integrado en los nodos y un programa de puerta de enlace. Una sola unidad de comunicación no puede satisfacer los requisitos de una granja a gran escala debido a su alcance limitado. Por lo tanto, la lógica completa de la red se implementa en el lado del software de los nodos y la puerta de enlace.

4.2.1. Diseño de software del nodo sensor
El diseño de software de los nodos incluye una función de configuración, un bucle principal, una función de recopilación de datos y lógica de red. La compilación y desarrollo del programa completo se realiza utilizando lenguaje C ++ con software Arduino. En la parte de configuración, establecemos pines de entrada para el sensor, una velocidad en baudios en serie y comandos relacionados con HC12, que incluyen el modo de transmisión, la velocidad en baudios y el canal de transmisión inalámbrico. Un pin SET está disponible en la unidad de comunicación, que debe establecerse a tierra en el momento de la configuración.

La configuración se puede ejecutar en cada reinicio. En el programa principal, un bucle siempre está esperando paquetes entrantes. Si un paquete entrante está destinado a ese nodo, entonces el pin del sensor se activa para recopilar datos de campo y enviar el valor resultante en el paquete de respuesta a la puerta de enlace. El diagrama de flujo completo de los nodos se muestra enFigura 6, en el que se utiliza un nodo para reenviar el paquete si la dirección de destino no coincide con su dirección. En este estudio, solo usamos el sensor de humedad, que recopila datos tres veces y luego toma el promedio para obtener resultados precisos.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es sensores-20-02367-g006.jpg
Figura 6
Diagrama de flujo del nodo sensor.

4.2.2. Diseño de software de Gateway
El diseño del software de la puerta de enlace se desarrolla en función del diseño del hardware, que incluye principalmente la configuración, la recopilación de datos y el almacenamiento de datos. La compilación y desarrollo del programa completo se realiza utilizando el lenguaje Python en la imagen del sistema operativo Raspbian. El diagrama de flujo de la puerta de enlace se muestra enFigura 7.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es sensores-20-02367-g007.jpg
Figura 7
Diagrama de flujo del nodo de puerta de enlace.

La configuración del nodo central incluye comandos AT para la unidad de comunicación y el módulo GSM y credenciales de inicio de sesión para el almacenamiento en la nube. Después de la configuración inicial, el proceso de recopilación de datos comienza a ejecutarse diariamente por la mañana para recopilar datos de campo y meteorológicos. Este proceso también utiliza un mecanismo de reintento para superar la pérdida de paquetes debido a problemas de conectividad entre los nodos. En cada solicitud de nodo, la respuesta se almacena localmente con una ID de nodo o la ID de nodo se agrega a la lista muerta después del tiempo de espera. Después de completar los datos de todos los nodos y la API de Open Weather, la puerta de enlace inicia el proceso de retransmisión para los nodos fuera de línea utilizando sus nodos vecinos. Finalmente, para ahorrar ancho de banda, la puerta de enlace inicia el proceso de minimización de datos en los datos almacenados localmente, para enviar los registros minimizados a la nube.

4.3. Red de arquitectura
El mecanismo de red está diseñado en base a una topología de árbol. El rango del módulo de comunicación es limitado; por lo tanto, la cobertura de distancia se amplía agregando nodos intermedios. Se utiliza un enfoque simple basado en capas donde cada nodo intermedio crea una capa. El recuento de capas aumenta con el recuento de nodos intermedios. El nodo de la capa inferior depende de la vida útil del nodo de la capa superior, donde la falla de un nodo puede hacer que toda la subred deje de estar disponible. Cada nodo puede albergar de uno a nueve nodos conectados directamente y puede tener muchos nodos conectados indirectamente, como se muestra enFigura 8.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es sensores-20-02367-g008.jpg
Figura 8
Arquitectura de red basada en capas.

El nodo de la puerta de enlace se encuentra en la capa superior, lo que genera la solicitud de datos, mientras que todos los nodos sensores se encuentran en las capas inferiores. Cuando el paquete se origina en la capa 0 (puerta de enlace) hacia los nodos objetivo, cada nodo comprueba si el paquete está destinado a él y luego procesa el paquete; de lo contrario, reenvía el paquete a sus nodos secundarios. Para superar el reenvío de paquetes innecesario y la sobrecarga de red, la longitud de la dirección se define en cada capa del árbol (por ejemplo, la capa 1 tiene una dirección de un solo dígito, la capa 2 tiene dos dígitos y la capa 3 tiene tres dígitos de la dirección). La longitud de la dirección de destino en cada nodo se usa para calcular en dígitos antes del reenvío de paquetes. Por ejemplo, se genera un paquete con la dirección de destino 112 y el nodo 1 reenviará el paquete a todos los nodos de su subárbol. Cuando el paquete se recibe en la segunda capa, el nodo 11 reenvía el paquete a sus nodos sensores, mientras que los otros nodos descartan el paquete inmediatamente. La lógica de red para el proceso y el movimiento de paquetes se implementa en el nodo sensor.

Las redes de sensores inalámbricas (WSN) consisten en nodos de sensores autónomos distribuidos espacialmente para monitorear de manera cooperativa ciertos eventos y fenómenos en un área interesante. En comparación con la red cableada, los nodos de la WSN son muy propensos a fallar debido a sus limitados recursos disponibles [ 41 ]. La falla también afecta a la subred si la topología subyacente está basada en árboles. Tal falla no solo causa la pérdida de cobertura del área monitoreada sino que también desarticula algunos nodos con la estación base. Por lo tanto, es crucial restaurar la conectividad de estos WSN dañados.

El problema de restauración de la conectividad se puede resolver colocando el nodo de retransmisión (RN) [ 42 , 43 ]. En nuestro sistema, cada nodo está diseñado para actuar como un nodo sensor y un nodo de retransmisión también. Con la realización de la restauración de la conectividad, clasificamos los nodos vecinos en rutas primarias y secundarias, para redirigir el tráfico en caso de falla. Todos los nodos se consideran vecinos que se colocan dentro de un radio y pueden comunicarse directamente. Cada nodo tiene cuatro vecinos en su radio: en forma de columna, que sigue la ruta primaria verticalmente y en fila, que sigue la ruta secundaria horizontalmente. En caso de cualquier falla en el nodo de la ruta principal, la puerta de enlace redirige el tráfico a la ruta secundaria como se muestra enFigura 9. El nodo se marca como muerto si no responde en el intervalo de tiempo.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es sensores-20-02367-g009.jpg
Figura 9
Diagrama de retransmisión para nodos fuera de línea.

Se desarrolla una estructura de paquete personalizado de 10 bytes, como se muestra en tabla 1. En nuestra estructura de paquetes se utilizan tres tipos de ID de paquete (S, F y R). Cuando un paquete se origina en la puerta de enlace, el ID del paquete se establece en S (paquete de estado). Los ID de paquete F y R se utilizan con fines de reenvío y respuesta, respectivamente.

tabla 1
Paquete de red personalizado.

Tipo de campo Número de bytes
ID de paquete 2 bytes
Dirección MAC 2 bytes
Dirección de la fuente 2 bytes
Dirección de destino 2 bytes
Datos N bytes
Ir:
5. Resultados y discusión
Se realiza una prueba experimental en línea de visión en una finca de uva a gran escala, que cubre cerca de 700 m de este a oeste y 500 m de norte a sur. La prueba en tiempo real tiene como objetivo medir el rango de comunicación, el tiempo de retardo de la transmisión y la tasa de éxito del paquete en la red en un tamaño de paquete diferente. Los sensores de humedad del suelo se utilizan para medir el nivel de humedad en diferentes áreas de la finca para validar los resultados porque el valor de la humedad es familiar para los agricultores.

5.1. Prueba de distancia de comunicación punto a punto
El primer paso es medir el rango de comunicación entre dos nodos conectados directamente. El nodo central (puerta de enlace) se fija en la esquina este-norte, lo que genera la solicitud de datos para los nodos sensores de manera oportuna. La tasa de respuesta en la puerta de enlace se examina generando una solicitud de datos continua y moviendo lentamente el nodo 1. La distancia óptima medida es de aproximadamente 250 m, como se muestra enFigura 10. Para medir la pérdida de paquetes, se envían 1000 paquetes de baliza desde la puerta de enlace hacia el nodo 1, lo que da como resultado una tasa de pérdida de paquetes del 1,5% entre dos nodos conectados directamente.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es sensores-20-02367-g010.jpg
Figura 10
Mapa de distancias de comunicación punto a punto.

5.2. Prueba de distancia de comunicación de esperanza múltiple
El trabajo real de la red se examina mediante una prueba de distancia de comunicación de varios saltos, en la que cada nodo puede servir como un enrutador y una unidad de recopilación de datos. Teniendo en cuenta el resultado anterior, el nodo 1 se fijó inicialmente en la posición n. ° 1 desde donde respondía de manera confiable en la prueba punto a punto. Como nodo móvil, el nodo 11 se movió lentamente, la tasa de respuesta se midió continuamente y el nodo 11 se fijó en la posición 11 a una distancia de 250 m junto al nodo 1. Además, se implementaron dos nodos más (111 y 112) junto al nodo 11 para comprobar el trabajo de varios nodos en la misma capa. Los dos últimos nodos se desplegaron en direcciones opuestas a una distancia de 250 m del nodo 11 en las posiciones # 111 y # 112, como se muestra enFigura 11.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es sensores-20-02367-g011.jpg
Figura 11
Mapa de distancias de comunicación de múltiples esperanzas.

Como se muestra en la arquitectura de la red, la puerta de enlace, el nodo 1 y el nodo 11 se encuentran en la capa 0, la primera capa y la segunda capa, respectivamente; mientras que los nodos 111 y 119 están ubicados en la tercera capa. Después de realizar el experimento en el rango de comunicación de nuestra solución propuesta, los nodos se fijan en las mismas posiciones enFigura 11, desde donde están respondiendo de manera confiable. Para concluir la prueba de cobertura de distancia, la distancia punto a punto medida es de 250 m, que aumenta a casi 750 m al agregar dos nodos intermedios.

Se realizó una prueba a largo plazo en los postes fijos en un área abierta de la finca de uva. Cada nodo estaba alimentado por un panel solar monocristalino de 10 W y tenía un sensor de humedad conectado, que medía el estado del suelo en el área. La prueba se llevó a cabo durante 5 días desde el 16 de enero de 2020 hasta el 20 de enero de 2020. El tiempo de solicitud de datos se estableció de 10:00 a.m. a 1:00 p.m. Diariamente, el nodo de puerta de enlace (Nodo 0) obtiene datos meteorológicos (por ejemplo, temperatura y humedad del aire) de OpenWeatherAPI y genera solicitudes de humedad del suelo para los nodos 1, 11, 111 y 112. También se utilizó un mecanismo de reintento en el nodo de la puerta de enlace para mantener un registro diario del estado de humedad en diferentes áreas. Durante la recolección de datos el segundo y tercer día, se vertió agua en las zonas del nodo 111 y 112, respectivamente.

Como se muestra en Figura 12, los resultados indican que el nivel de humedad aumentó considerablemente después de verter el agua. Además, la temperatura y la humedad del aire tienen una fuerte correlación con la humedad del suelo, por lo que estos parámetros se han utilizado en las pruebas. Por ejemplo, el aumento de temperatura provocará una disminución en el porcentaje de humedad.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es sensores-20-02367-g012.jpg
Figura 12
Datos históricos de humedad del suelo y clima del nodo 111 y el nodo 112.

5.3. Prueba de rendimiento de la red
El alcance máximo de comunicación de un solo salto es de 250 m de radio. Las pruebas se realizaron con dos y tres saltos, teniendo cada salto una distancia de 250 m. Un enrutador que se colocó entre saltos funcionó como un repetidor. Reconstruyó el paquete y lo reenvió al destino, regenerando así la señal de radio. Se realizó una serie de pruebas en el corredor dentro de la línea de visión, con un tamaño de paquete diferente hasta un máximo de 256 bytes a una velocidad subyacente de 9,6 kbps. Nuestro sistema admite el enrutamiento del siguiente salto para mensajes controlados en el árbol y el enrutamiento de varios a uno a la puerta de enlace.

En esta fase del experimento, se realizó una prueba en tiempo real para verificar la latencia y la tasa de pérdida de paquetes en diferentes tamaños de paquetes. La prueba se realizó durante un tiempo soleado de 10:00 am a 5:00 pm La red constaba de cuatro nodos ubicados en tres capas diferentes. Para cada nodo, se enviaron cientos de paquetes continuamente en cada tamaño de paquete. Por lo tanto, se envió un total de 400 paquetes en cada tamaño de paquete desde la puerta de enlace a los nodos. Se midieron la pérdida de paquetes y el retardo de tiempo para cada nodo de la red. La tasa de pérdida de paquetes se incrementó ligeramente con el tamaño del paquete, pero los resultados por nodo enTabla 2muestran que la tasa de pérdida no depende completamente del tamaño del paquete y que pueden estar involucrados otros factores, como problemas de energía y ubicación de la antena. En la prueba de 16 bytes, la tasa de pérdida del nodo secundario fue menor que la de su principal cuando se implementó una estructura de árbol en la que la pérdida del paquete principal debería reflejar las de sus nodos secundarios. La razón de tal hallazgo es que las solicitudes de datos secuenciales se generan desde el nodo de la puerta de enlace, y la puerta de enlace espera la respuesta del paquete generador y aumenta la ID del nodo en caso de una respuesta de paquete o un tiempo de espera. Podría decirse que el nodo 11 se activó cuando se generó un paquete para el nodo 111. La pérdida total de paquetes en la red en diferentes tamaños de paquetes se presenta enTabla 3.

Tabla 2
Pérdida de paquetes por nodo en diferentes tamaños de paquetes.

Tamaño del paquete Nodo 1 Nodo 11 Nodo 111 Nodo 112
8 bytes 2 2 4 4
16 bytes 1 4 3 5
32 bytes 1 2 4 6
64 bytes 2 3 6 4
128 bytes 1 5 6 4
256 bytes 2 3 7 9
Tabla 3
Pérdida de paquetes de red en diferentes tamaños de paquetes.

Tamaño del paquete (bytes) Número de pérdida de paquetes
8 12
dieciséis 13
32 13
64 15
128 dieciséis
256 21
El retardo de tiempo de la red también se probó en un escenario de múltiples saltos en diferentes tamaños de paquetes. Dado que nuestro mecanismo de red se basa en una estructura de árbol,Figura 13 muestra que la latencia aumenta al agregar cada nodo intermedio.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es sensores-20-02367-g013.jpg
Figura 13
Latencia de red en diferentes tamaños de paquetes.

La latencia aceptable y la pérdida de paquetes dependen de la aplicación. Cuadro 4presenta las comparaciones de latencia, rango de comunicación y pérdida de paquetes entre ZigBee [ 44 ] y nuestro módulo propuesto HC12 en un tamaño de paquete dado. La pérdida de paquetes es casi la misma, pero el rango de comunicación es considerablemente mayor en nuestro sistema, que es el aspecto más importante de nuestra aplicación. Aunque su latencia de red es notablemente superior a la de ZigBee, nuestra aplicación sigue siendo aceptable porque los nodos solo informan una pequeña cantidad de datos una vez al día. El módulo propuesto supera al enfoque existente.

Cuadro 4
Comparaciones de rendimiento de red entre HC12 y ZigBee.

Módulo Tamaño del paquete Distancia RTT Paquete perdido
ZigBee 50 bytes 85 metros 18,6 ms 1,65%
HC12 64 bytes 250 metros 271 ms 2%
5.4. Comparaciones con tecnologías existentes
Con el rápido crecimiento de IoT en diferentes aplicaciones, se prefieren los dispositivos o protocolos con dicha característica porque pueden ajustarse bien a los requisitos de la aplicación. En el contexto agrícola, la distancia de cobertura y la rentabilidad son más importantes que la velocidad de datos. La medición de las propiedades del suelo, que se realiza principalmente en ciertos intervalos, por ejemplo, diaria o semanalmente, elimina la necesidad de una red de alta velocidad. De acuerdo con los requisitos de la aplicación, el dispositivo de comunicación en serie llamado HC12 [ 41 ] es la solución más adecuada debido a su menor costo de implementación y mejor rango de comunicación. Sin embargo, tiene una tasa de datos baja con una latencia alta, lo que es menos importante en nuestra aplicación.Cuadro 5 presenta la comparación detallada del módulo propuesto con otros enfoques existentes basados ​​en varios parámetros, como el consumo de energía, el rango de comunicación, el costo de implementación y la tasa de datos.

Cuadro 5
Comparaciones detalladas del módulo propuesto con tecnologías existentes.

Parámetros GSM ZigBee LoRa HC12
Velocidad de datos 9600-115,200 b / s 20.000–250.000 b / s 300–50 000 b / s 1200-115,200 b / s
Rango – 10-100 m 5 km (URBANO), 15 km (RURAL) 200–1000 m
Topología Repartido Estrella / Malla Estrella en estrella Estrella en estrella
Potencia de transmisión (máx.) 29–39 dBm 3-4 dBm 20 dBm 20 dBm
Costo del espectro Se requiere suscripción Gratis Gratis Gratis
Costo del dispositivo final 10-13 USD 20 a 23 USD 5 a 7 dólares estadounidenses 2,5–3 USD
Costo de puerta de enlace – 20-25 USD 100-150 USD 20-25 USD
Ir:
6. Conclusiones
Este trabajo propone un enfoque de monitoreo de información para recopilar datos de campo a largas distancias, que se puede utilizar en una granja agrícola completamente automatizada. En este sistema, un mecanismo de red para el módulo HC12 está diseñado para mejorar el rango de comunicación. Un experimento en una granja real muestra que el sistema funciona mejor en la medición del suelo en un área amplia. Los casos de prueba indican que el sistema funciona de forma estable y precisa. Como se indica en los resultados, la distancia punto a punto es de 250 m, que aumenta a 750 m cuando se agregan dos nodos intermedios. El enfoque propuesto reemplaza las obras existentes en términos de menor costo de implementación y mejor rango de comunicación. El rendimiento de la red es de alguna manera mejor que los enfoques existentes, excepto por la latencia, que no es un requisito para la aplicación de destino. Se realiza una prueba a largo plazo para verificar la recopilación en tiempo real de datos de campo, lo que da como resultado actualizaciones precisas del estado del campo. Por último, el enfoque propuesto se puede utilizar como modelo de referencia para cualquier tipo de sistema de monitoreo de información de área amplia.

El retardo de tiempo de transmisión puede considerarse un factor de limitación si el sistema se implementa en aplicaciones donde la velocidad de los datos es igualmente importante. Sin embargo, la cobertura de bajo costo y la distancia son más importantes que la velocidad de los datos en el contexto agrícola.

El sistema propuesto utiliza un solo canal inalámbrico para toda la comunicación de la red. La multicanalización se puede aplicar dividiendo la red en grupos. Cada clúster utilizará dos canales diferentes: uno para la puerta de enlace y otro para sus nodos secundarios. Al implementar la multicanalización, la puerta de enlace ya no esperará la respuesta de cada nodo; por tanto, el tiempo de retardo en la puerta de enlace se puede reducir considerablemente. La limitación del fallo del nodo sensor debido a un nodo padre estático también se puede eliminar mediante el uso de un escenario de malla en el que cada nodo tendrá un trayecto múltiple hacia su nodo padre. Por último, la escalabilidad del sistema en una red grande también se puede comprobar mediante un simulador.

Leer más
Agricultura de precisión y sostenibilidad

5 consejos para el éxito de la exploración de campo

¿Su exploración de campo se siente como un nuevo truco ridículo o le proporciona datos útiles de agricultura de precisión? Siga estos 5 consejos para tener éxito en la exploración de campo y mejorar la eficiencia de recopilación de datos de su granja.

Estos consejos son para principiantes en granjas, amantes de los drones y cínicos de la agricultura de precisión.

Mire antes del brote
Ya sea que sus campos sean susceptibles a los roedores como las ratas o que siempre estén brotando de malas hierbas molestas, debe buscar señales antes de que realmente se apoderen de ellas.

Esto significa verificar al principio de la temporada de crecimiento: ¿puede ver áreas de vegetación densa que tienen más probabilidades de ser malezas que cultivos? ¿Puedes ver los inicios de surcos de plagas? En el caso de las plagas, es posible que incluso pueda ver evidencia de ellas antes de plantar cualquier cultivo, especialmente si son roedores grandes.

Mira más allá del campo
Seguro, la tierra más allá de tus campos puede que no sea tu tierra, pero ¿se preocuparán los animales y los intrusos? ¡No! El truco consiste en apuntar la cámara en un movimiento lateral para obtener una buena vista de lo que está sucediendo en la tierra vecina sin volar su dron hacia su espacio aéreo. Busque problemas potenciales: tierra que pueda deslizarse sobre la suya en una inundación o los signos habituales de plagas y especies de malezas invasoras.

Estos datos valiosos pueden ayudarlo a prepararse o informar a sus vecinos con anticipación para tratar de evitar posibles problemas.

Inspeccione sus propias acciones
¿Está usando el mismo pesticida que ha estado usando durante la última década porque ocasionalmente ha visto una determinada especie de insecto? No solo los pesticidas se han vuelto mucho más efectivos en los últimos años, sino que sus campos también habrán cambiado y lo que era un problema importante en ese entonces no lo es ahora. ¡Explore los campos para verificar si su pesticida realmente está funcionando o si simplemente no es necesario!

Hacer esto le ahorrará dinero y hará que su granja sea mucho más eficiente. Explore unos días después de la pulverización para ver el efecto.

Utilice el equipo adecuado
¿Consiguió que el empleado técnico configurara el sistema informático para administrar el dron o realmente sabe cómo usarlo? El sistema de monitoreo de cultivos por satélite adecuado junto con su trabajo con drones puede descubrir el 90% de los problemas con sus campos. Consulte los sistemas Cropio o haga su propia investigación.

La clave es no ignorar la tecnología. Es el futuro y si desea que los productos agrícolas sigan siendo competitivos, debe estar actualizado. Suscríbase y marque nuestro blog para que esto sea un poco más fácil.

Utilice todos sus datos
Aunque nos encantan los drones agrícolas y estamos asombrados de lo que puede lograr con ellos, realmente necesita usar una combinación de muchos conjuntos de datos para tomar decisiones sobre qué hacer a continuación. Cosas como registros de años anteriores (datos que recopiló usted mismo y datos de estaciones meteorológicas, por ejemplo), análisis de contenido y humedad del suelo, datos sobre los cultivos que está considerando plantar, etc.

Todo esto debe sopesarse antes de tomar una decisión importante de regar más, rociar un nuevo pesticida, decidir la profundidad de la hilera y prácticamente cualquier otra decisión importante que pueda afectar su rendimiento.

La exploración de campo no tiene por qué ser difícil; ¡mantén los ojos abiertos! Comparta sus consejos con nosotros a continuación y póngase en contacto con Cropio para averiguar cómo el software podría ayudar a su granja.

Leer más
Agricultura de precisión y sostenibilidad

Consejos para mejorar las prácticas de agricultura de precisión

A medida que crece la población mundial, los agricultores necesitan producir más alimentos. Sin embargo, la superficie cultivable no se puede ampliar y mantener el ritmo. Esto aumenta la amenaza a la seguridad alimentaria que resultará fácilmente en inestabilidad regional o global. La agricultura tradicional se basa en gran medida en la gestión de todo el campo. Las decisiones que se toman con respecto a la cosecha, la siembra, el riego y la aplicación de fertilizantes y pesticidas se basan en datos históricos, predicciones manuales y condiciones regionales. Por otro lado, la agricultura de precisión combina el uso de un sistema de posicionamiento global, sensores, robots, herramientas de mapeo y software de análisis de big data para informar los procesos de toma de decisiones que son particulares para cada cultivo y cada sección de un campo sin costos laborales adicionales. . Las herramientas modernas como los sensores montados en robots o los estacionarios y los vehículos no tripulados equipados con cámaras envían datos e imágenes de forma inalámbrica en cada planta. La información como el tamaño del tallo, las plagas, la forma de las hojas y la humedad del suelo alrededor de una planta se transmite en tiempo real al agricultor de forma remota. A continuación, el agricultor buscará cualquier signo de estrés que estén sufriendo el cultivo o el ganado. Entonces podrán contrarrestar el estrés proporcionando agua, fertilizante, pesticida o cualquier nutriente que le falte a la planta sin necesariamente rociar todo el campo. Estas tecnologías también ayudan a los agricultores a planificar con anticipación la cosecha. A continuación, el agricultor buscará cualquier signo de estrés que estén sufriendo el cultivo o el ganado. Entonces podrán contrarrestar el estrés proporcionando agua, fertilizante, pesticida o cualquier nutriente que le falte a la planta sin necesariamente rociar todo el campo. Estas tecnologías también ayudan a los agricultores a planificar con anticipación la cosecha. A continuación, el agricultor buscará cualquier signo de estrés que estén sufriendo el cultivo o el ganado. Entonces podrán contrarrestar el estrés proporcionando agua, fertilizante, pesticida o cualquier nutriente que le falte a la planta sin necesariamente rociar todo el campo. Estas tecnologías también ayudan a los agricultores a planificar con anticipación la cosecha.

Como resultado, la agricultura de precisión es esencial en la gestión del tiempo, la reducción del desperdicio o uso de agua y químicos, y la producción de mayores rendimientos y cultivos más saludables. Todos estos benefician los ingresos del agricultor al tiempo que reducen la escasez mundial de alimentos y la contaminación del medio ambiente. Muchas empresas emergentes están desarrollando software, recopilación de datos y herramientas de análisis y sensores, entre otras tecnologías agrícolas, para impulsar dichos desarrollos. Por otro lado, los científicos están creando semillas y razas de plantas y animales que se esfuerzan bajo diferentes condiciones climáticas y tipos de suelo.

Consejos para mejorar su agricultura de precisión

Actualmente, los agricultores han comenzado a adoptar universalmente la agricultura de precisión por varias razones diferentes. Los costos de adquirir diferentes artículos están disminuyendo lentamente a medida que los fabricantes continúan surgiendo todos los días con mejoras y diferentes soluciones nuevas. No hace falta decir que una granja que utiliza tecnología inteligente es una granja más rentable que las demás. Sin embargo, saber por dónde empezar y la tecnología a implementar que se adapte a una granja específica puede ser una tarea difícil. Es por eso que hemos desarrollado una lista de algunas de las herramientas de precisión o tecnología en las que vale la pena invertir.

Zumbido
Cada granja debe tener al menos un dron. Sin embargo, las granjas más grandes a menudo pueden necesitar más de un dron. La regla general es que al menos cada granja debe tener un dron que ayude en las operaciones de la granja. Los drones son la tecnología de precisión más básica que ofrece al agricultor una vista aérea de sus granjas dándoles la oportunidad de identificar problemas y monitorear otra información general y piezas. Cuando estos UAV están equipados con el software y el agricultor recibe la capacitación adecuada, los drones ofrecen un alto nivel de sofisticación técnica a las prácticas de gestión agrícola. Consulta en nuestro sitio web más beneficios que ofrecen los drones en la gestión de granjas.

Uso de teléfono inteligente / tableta

Las empresas de tecnología agrícola están ideando formas innovadoras y nuevas de gestionar los datos agrícolas. Muchas aplicaciones móviles en diferentes sistemas operativos ofrecen soluciones en granjas en ejecución, incluso cuando no está conectado. Esto implica que el problema de la humedad o el ataque de plagas que identificó el dron se puede resolver con solo presionar un botón en su teléfono. Puede controlar el riego de su finca desde la comodidad de su sala de estar. Esta herramienta aumenta la precisión y la eficiencia.

Almacene sus datos en la nube

Los servicios en la nube permiten a los agricultores guardar todos los datos de gestión de su explotación sin tener que realizar pujas. Estos datos pueden ser referenciados en el futuro o incluso usarse para pronosticar los rendimientos y el clima. Cuando se integra con teléfonos inteligentes o tabletas, los agricultores obtienen acceso a macrodatos que incluso se pueden compartir con otros agricultores. Los agricultores pueden ver lo que otros han intentado y fallado, e intentar implementar las mejores prácticas. Además, los datos se pueden recopilar de manera pasiva sin que los agricultores los ingresen físicamente porque el software lo hace por ellos.

Uso de GPS

La mayoría de la tecnología y maquinaria agrícola ya viene equipada con elementos de GPS. Funciones como la dirección automática del tractor se realizan con la ayuda de GPS. Esto libera el tiempo utilizado por el agricultor en la granja y lo hace concentrarse en otras cosas y, en segundo lugar, reduce las lesiones causadas por las máquinas.

Fertilizante de dosis variable

Aquí, los agricultores pueden esencialmente probar el contenido de nutrientes disponible en diferentes áreas de los campos y depositar el fertilizante en los lugares que más lo necesitan en cantidades variables.

Siembra de tasa variable

Al igual que la fertilización de dosis variable, este proceso en particular permite a los agricultores concentrarse en sembrar áreas específicas que más necesitan sembrar. Esto deja otras partes de la granja que requieren menos semillas para maximizar los rendimientos con menos semillas sembradas.

Resumen

Hay tantas prácticas y tecnologías de precisión en las que los agricultores deben invertir y adoptar en su gestión agrícola diaria. Un agricultor que prioriza la tecnología tiene mayores posibilidades de aumentar la producción y minimizar los costos de insumos.

Leer más
Agricultura de precisión y sostenibilidad

La evolución del mapeo preciso de drones

Durante la última década, el proceso de creación de mapas y modelos 3D precisos a partir de fotos de drones ha recorrido un largo camino. Las capacidades de captura de drones y el software y los servicios de procesamiento de fotogrametría han mejorado en costo y eficiencia hasta un punto en el que los gemelos digitales 3D son un elemento básico para la topografía e inspección.

Hacer que estos modelos sean precisos y probar la precisión, lo fundamental de cualquier encuesta, también ha recorrido un largo camino.

En el proceso de captura de un dron típico, conocemos la ubicación del dron cuando cada foto se tomó con una precisión de 35 m con el GNSS integrado (GPS y otras constelaciones de posicionamiento global por satélite). ¡Aplátelos juntos en el software de fotogrametría y tenemos un modelo 3D! Sin embargo, este modelo está flotando en el espacio; puede parecer impresionante, pero no es necesariamente una buena representación de la Tierra real.

El software de fotogrametría hace todo lo posible para hacer coincidir los píxeles en las fotos superpuestas, haciendo suposiciones de la distancia focal de la cámara y las distorsiones de la lente, las orientaciones de la cámara, las posiciones de la cámara y si el píxel en una foto es el mismo punto que un píxel en otra foto. Son muchos los errores que ocurren a través de este proceso, que se gestionan para lograr estadísticamente el mejor resultado posible: el modelo 3D.

Este modelo puede considerarse efectivamente maleable, o flexible, y cuando podemos fijar algunos parámetros al mundo real, podemos tomar ese modelo y ajustarlo, estirarlo y doblarlo para que se ajuste a las restricciones que podemos encontrar en el mundo real. Luego, los topógrafos deben poder confirmar que sus medidas en el modelo equivalen a valores del mundo real.

La primera forma en que se hizo esto fue utilizar GCP (Ground Control Points): objetivos en el suelo, normalmente colocados por un topógrafo, con coordenadas conocidas en un sistema de coordenadas conocido. Esto requería mucho tiempo en el sitio, ya que requería viajar por todo el sitio con equipo de inspección o colocar y recopilar GCP «inteligentes». El tiempo de procesamiento también fue más largo para que el operador eligiera esos GCP y el procesamiento para repetir las posiciones de la cámara una y otra vez en función de los GCP y los puntos de enlace. Los errores en el sistema debido a las distorsiones de la lente y la coincidencia de superficies se introducirían entre los GCP.

Poner el control en la cámara cambia el flujo de trabajo. Al saber dónde estaba la cámara para cada foto, el proceso AT (triangulación aérea o emparejamiento) en fotogrametría es más confiable y mucho más rápido, ya que ya no estamos aplicando ingeniería inversa a las posiciones asumidas de la cámara. AT funciona mejor en superficies difíciles. Todo el proyecto está cubierto por una manta de cientos de puntos de control. Más preciso, más confiable, más eficiente.

RTK (cinemática en tiempo real) fue la primera forma de habilitar esto. Utilizado por topógrafos durante décadas, RTK calcula coordenadas precisas del dron en tiempo real, utilizando datos transmitidos desde una estación base (en una ubicación conocida) al dron. Precisión de 5 cm normalmente. Sin embargo, RTK a menudo demuestra ser poco confiable en un entorno de drones, con pérdida de ‘bloqueo’ debido a obstrucciones o inclinaciones de drones, a veces una inicialización incorrecta y el alcance limitado debido al enlace de radio de la estación base.

PPK (cinemática postprocesada) demostró ser una alternativa más robusta a RTK. En lugar de intentar calcular las coordenadas precisas en tiempo real, lo que normalmente no es necesario de todos modos, los datos GNSS se almacenan en el dron y en el receptor de la estación base. Después del vuelo, los datos se reúnen y procesan hacia adelante y hacia atrás para determinar los resultados más precisos y confiables para cada posición de la cámara.

Existe mucha discusión sobre si las coordenadas confiables de la cámara PPK eliminan la necesidad de GCP . Ellos pueden. El principal error que queda en el sistema es la lente de la cámara, su distancia focal real y las distorsiones. Si los parámetros de la cámara están calibrados, son conocidos y estables, entonces pueden pasar a la solución de fotogrametría para lograr excelentes resultados sin GCP. Sin embargo, como cualquier topógrafo sabría, no es ahí donde termina. Es esencial tener comprobaciones en tierra, ya sean objetivos o características conocidas, que pueda medir y comparar, para saber exactamente qué tan preciso es su modelo 3D.

Entonces, sigamos con la evolución. PPK es similar a RTK, ya que utiliza datos de fase de portadora GNSS de frecuencia dual de múltiples constelaciones de relojes en satélites, aplicando modelos ionosféricos para determinar la resolución de ambigüedad del ciclo y datos de rango relativo entre una base y un móvil. ¡Tecnología de alta resistencia! Esencialmente una forma compleja de medir con mucha precisión el vector desde la estación base hasta el dron, muchas veces por segundo. Por lo tanto, necesita una estación base (con una coordenada conocida) o datos de una estación de referencia de funcionamiento continuo (CORS). Con PPK puede ir mucho más lejos de su base que RTK, pero todavía es mejor por debajo de los 30 km (20 millas).

Lo que nos lleva a la siguiente ‘especie’ en nuestra evolución: Make It Accurate (MIA). MIA hará que los datos de su drone rover sean precisos, en cualquier parte del mundo, sin datos de la estación base. MIA se basa en la tecnología PPP (posicionamiento de punto preciso) que aplica correcciones precisas de reloj y órbita a datos GNSS de fase de portadora sin procesar. Sabiendo exactamente dónde estaba cada satélite y sus errores de reloj precisos, la posición independiente del dron se puede determinar con una precisión de 5 cm. Este resultado se mejora aún más en muchos países al fusionar datos de estaciones terrestres en la región, para obtener una precisión absoluta de 2-3 cm. Sin estación base ni entradas CORS, simplemente vuele su dron a cualquier lugar Múltiples sitios, áreas remotas, pasillos largos… en cualquier lugar. Es exacto.

Una vez más, no podemos enfatizar lo suficiente, no importa qué sistema use, tenga sus controles en su lugar, mida qué tan preciso es.

Leer más
Agricultura de precisión y sostenibilidad

John Deere destaca la autonomía de los tractores

Una cosechadora John Deere está más en casa entre hileras de maíz que en el gigante Consumer Electronics Show en Las Vegas esta semana, pero eso no impidió que Deere & Co. llevara equipos agrícolas a la confab de tecnología.

La empresa tuvo un stand en CES por primera vez. Estaba dominado tanto por el vehículo como por el mensaje de que tecnologías como la conducción autónoma y los datos GPS de alta precisión desempeñan un papel vital en la vida agrícola actual.

«Encontrar mano de obra calificada en las zonas rurales de Estados Unidos es cada vez más difícil, y los agricultores ven la conducción autónoma como una herramienta que les ayuda a contratar operadores menos calificados para trabajar en la cabina», dijo Deanna Kovar, directora de producción y precisión de Deere para marketing agrícola.

“Estamos aquí para ayudar a la gente a comprender cómo se aplica la tecnología a la agricultura”, dijo Kovar.

‘Agricultura de precisión’
Si bien Deere mostró un concepto de tractor autónomo temprano en 2003, son las tecnologías de automatización pendientes para los implementos que siguen detrás del tractor las que podrían tener el mayor impacto en lo que Kovar llamó «agricultura de precisión».

Deere dice que su tecnología GPS tiene una precisión de 2,5 centímetros, menos de una pulgada. Esto le permite a Deere automatizar algunas de las partes no relacionadas con la conducción del trabajo agrícola, como saber exactamente dónde rociar pesticidas o fertilizantes. Esto significa que el agricultor gasta menos en esos materiales.

“Nuestras matemáticas dicen que podemos ahorrar hasta un 10 por ciento de los insumos en la agricultura utilizando la guía. Esa es una gran oportunidad ”, dijo Kovar.

Los dispositivos de automatización en un nuevo tractor John Deere fueron desarrollados por John Deere Intelligent Solutions Group, un equipo dentro de Deere enfocado en el uso de tecnología para aumentar el rendimiento de los cultivos.

“Estamos aquí para ayudar a la gente a entender cómo se aplica la tecnología a la agricultura”, dijo Deanna Kovar de Deere sobre la primera aplicación CES de la compañía [earance. (Foto: Sebastian Blanco / Trucks.com)

Cámaras y coordenadas
La tecnología de conducción autónoma de Deere utiliza cámaras a bordo y coordenadas GPS. Las cámaras también se pueden usar sin ningún dato de GPS o en una ruta predeterminada para identificar filas de cultivos, pero no pueden reconocer y evitar obstáculos, como personas o animales. Deere está trabajando en esas actualizaciones, dijo Kovar, con la posibilidad de implementar implementos agrícolas totalmente autónomos en el futuro. Por ahora, un operador en vivo todavía necesita estar en el tractor en todo momento.

“El ser humano sigue siendo el sensor principal”, dijo Curtis Maeder, ingeniero de sistemas de personal de Deere.

Tecnología estándar
Parte de la tecnología de automatización de Deere ya es estándar en sus tractores. AutoTrac , la tecnología de conducción autónoma, corregida por satélite y basada en GPS de la empresa, y un módem se incluyen en todos los tractores Deere vendidos en los EE. UU., «Porque la conectividad está muy bien adoptada», dijo Kovar.

Pero algunos agricultores están optando por actualizaciones, como el receptor Deere StarFire 6000 de $ 3,896 . Los agricultores pagan por la tecnología opcional porque son objetivos y ven un retorno de sus inversiones, dijo Willy Pell, director de ingeniería de Blue River Technology, una empresa de aprendizaje automático centrada en la agricultura y subsidiaria de Deere.

“No van a comprar algo porque sea genial”, dijo. «Si existe, genera dinero, porque de lo contrario no lo comprarían».

Leer más
Agricultura de precisión y sostenibilidad

Los recolectores de frutas robóticos prometen ahorrar mano de obra

Las directivas de cumplimiento de la ley de inmigración de la administración Trump se suman a la ansiedad existente sobre la disponibilidad de mano de obra agrícola y alimentan el interés entre los productores por que los robots sustituyan a los trabajadores migrantes.
Dos compañías de tecnología mostraron avances en recolectores robóticos en la conferencia de la Asociación Internacional de Árboles Frutales en Wenatchee, Washington, a fines de febrero.
Abundant Robotics Inc., con sede en California, y FFRobotics, con sede en Israel, dijeron que los recolectores automáticos comerciales podrían estar disponibles en los próximos años.
En un informe de 2016, «Sembrando las semillas de una revolución de robots: cómo los sistemas autónomos se están integrando en la agricultura de precisión», la analista Sara Olson de Luxresearch, con sede en Boston, dijo que la inversión en el sector está creciendo.
«Mi impresión es que las tecnologías de automatización que ahorran mano de obra son sin duda un semillero para la inversión en este momento», dijo en un correo electrónico.
Desde tecnología como la dirección automática para tractores hasta exoesqueletos de asistencia para reducir la fatiga de los trabajadores durante la cosecha, la gama de investigaciones es amplia, dijo.
El informe de Luxresearch dijo que los impulsores más importantes del uso de la robótica son la disponibilidad de mano de obra, las presiones regulatorias y una mayor precisión y precisión asociadas con la robótica.
«Creo que una cosa podemos decir con certeza: estamos más cerca que nunca», dijo Manoj Karkee, profesor asociado de la Universidad Estatal de Washington e investigador de sistemas robóticos de recolección de manzanas. Los investigadores del sector público y privado están trabajando en soluciones, dijo.
A medida que aumenta el costo de la mano de obra, la tecnología se vuelve más barata y llegará un punto en el que las cosechadoras robóticas tendrán sentido económico, dijo.
Karkee y otros investigadores han desarrollado un brazo y una mano robóticos para recoger manzanas, y la investigación se ha financiado durante los próximos años y posiblemente más allá.
Los investigadores están explorando formas de atrapar fruta con un sistema que sacude una parte específica del árbol.
Las manzanas son una investigación de enfoque porque su copa de árboles más pequeña, filas enrejadas y portainjertos enanos son más amigables para las aplicaciones de automatización, dijo.
En 10 años, se utilizará tecnología robótica comercial en los huertos de manzanas, dijo.
«Nos estamos moviendo en la dirección de lograr que la agricultura sea completamente automatizada en el futuro», dijo Karkee.
Interés amplio
«Todo el mundo está interesado (en la robótica)», dijo Frank Gasperini, vicepresidente ejecutivo del Consejo Nacional de Empleadores Agrícolas con sede en Washington, DC. Gasperini dijo que la primera aplicación bastante exitosa de la robótica ha sido en la industria láctea, donde dijo que hay una demanda pendiente de dos a tres años para comprar sistemas de ordeño robóticos.
Gasperini dijo que hay investigaciones públicas y privadas sobre robótica lo suficientemente sofisticadas y suaves como para recolectar fresas. Esos sistemas robóticos funcionan mejor en entornos controlados, y hay otras historias de éxito de automatización en la cosecha en operaciones de cultivo hidropónico y vertical.
Para las operaciones de campo, Gasperini dijo que gran parte del impulso en la mecanización es construir máquinas que ayuden a la fuerza laboral existente, como una plataforma móvil para recolectores o el uso de transportadores para ayudar a mover el producto.
Gasperini dijo que los mayores productores podrán utilizar primero la robótica.
El maíz dulce, el apio y la zanahoria ya tienen cierto grado de mecanización y eso podría extenderse si los proveedores están dispuestos a perder algún producto fresco.
«Los productores dicen que irán más lejos este año, que estarían más dispuestos a aceptar algún daño, alguna cosecha que tendrán que tirar o vender a un valor menor para mecanizar más», dijo.

Leer más