La recopilación de datos de un sensor, o de muchos sensores, es solo el primer paso en el proceso general de toma de decisiones, que puede ser inspección, monitoreo, seguimiento, etc. A menudo, muchos otros componentes, como bases de datos, modelos de simulación y optimización matemática , deben combinarse para formar un sistema de apoyo a la toma de decisiones (DSS) completamente desarrollado. Esto es de gran utilidad en la agricultura de precisión.
El resultado final de un DSS es una recomendación, interpretación o predicción con respecto a la situación de interés, como el tratamiento de cultivos, la seguridad alimentaria o la calidad del agua. Estos sistemas pueden volverse bastante complejos, con muchos componentes que interactúan, y pueden ser sistemas integrados y en tiempo real o sistemas fuera de línea.
Cómo funciona un sistema de apoyo a la toma de decisiones en Agricultura de Precisión
Cuando se recopilan múltiples flujos de datos, se debe decidir cómo se fusionarán esos datos en el proceso de decisión. Los flujos de datos separados pueden ser:
- Modo mixto (incluidos datos cuantitativos y cualitativos).
- Redundante (validando los datos de otra secuencia).
- Complementario (proporciona medidas de múltiples características de un objeto).
- De apoyo (ayuda a verificar alguna interpretación de otro flujo de datos).
Dada la gran cantidad de sensores agrícolas disponibles en la actualidad y el volumen de información que generan, la investigación y el desarrollo de la fusión de sensores se ha convertido en una comunidad en crecimiento y muy activa. El resultado final del proceso de detección (que puede incluir la fusión del sensor) es una interpretación precisa y confiable de los datos relacionados con un objeto.
Una vez que se ha recopilado información confiable en el paso de detección, es posible que deba combinarse con información y conocimiento de otras fuentes. Por ejemplo, se puede utilizar un modelo de simulación de cultivo para proyectar una condición (o valor) de cultivo futuro en función de las mediciones actuales. O bien, los datos sobre un proceso de fermentación pueden compararse con las tendencias históricas almacenadas en una base de datos para evaluar si se encuentran dentro de límites aceptables.
También se pueden aplicar conocimientos más cualitativos, en forma de bases de reglas de expertos. Un DSS también puede incorporar modelos económicos o cálculos para determinar qué cursos de acción son razonables. Otros factores que pueden necesitar ser considerados incluyen las culturas operativas dentro de la organización o la industria o los mercados financieros actuales.