Design and implementation of a system of automation, monitoring and control of crops in plastic greenhouses using

Abstract

El Internet de las Cosas (IoT) ha tenido un desarrollo muy significativo en los últimos años, principalmente debido a su amplia variedad de aplicaciones. Desde conectar una tostadora hasta una serie de máquinas industriales a Internet se traduce en una mayor eficiencia y ahorro de recursos. El impacto del IoT ha sido tan fuerte que incluso los modelos de interconexión tradicionales, como OSI o TCP/IP, se han modificado para adaptarse a esta nueva revolución tecnológica. Combinar técnicas de desarrollo web con IoT permite crear herramientas para controlarlos dispositivos de forma instantánea. Uno de los campos con más potencial parala aplicación de estas herramientas combinadas es la agricultura de precisión. Por ello, este trabajo propone un sistema que automatiza y evalúa las variables ambientales de los cultivos en invernaderos. Este sistema de IoT puede controlar y monitorear los cultivos a través de dispositivos electrónicos y analizar los datos adquiridos por los sensores digitales y analógicos. El sistema utiliza una serie de dispositivos como sensores, actuadores y nodos de comunicación para medir las variables ambientales dentro de un invernadero, como la temperatura ambiental, la humedad ambiental y del suelo, la irrigación, la ventilación y el nivel de agua. El usuario final puede tomar decisiones basadas en las medidas adquiridas que se muestran en una interfaz gráfica a manera de serie temporal. Las mediciones y las interacciones del usuario viajan a través de una aplicación intermediaria (bróker) usando módulos ESP8266 NodeMCU conectados a Internet a través de WiFi. El sistema emplea un bróker EMQX que utiliza el protocolo MQTT para la transmisión de datos. Debido a la naturaleza de la implementación y funcionamiento de MQTT, este protocolo consume menos ancho de banda que el protocolo HTTP, normalmente usado para la transferencia de datos. El sistema consiste en una aplicación web que lee, almacena y muestra los datos en tiempo real en una interfaz gráfica de usuario. Una de las funciones más críticas de esta aplicación es la conexión con el bróker para gestionar el flujo de señales tanto de lectura como de escritura, es decir, lo que el usuario ve y controla. En su etapa final, el sistema utiliza herramientas de inteligencia artificial para obtener predicciones relevantes de las variables ambientales, basadas en datos recogidos a lo largo del tiempo. Una red neuronal recurrente conocida como memoria a corto plazo (LSTM, por sus siglas en inglés) es la encargada del análisis de series temporales generadas por las lecturas de datos y la generación de las predicciones.