https://doi.org/10.35290/ro.v4n3.2023.939
Tecnología de Internet de las Cosas en el monitoreo de
cultivos agrícolas
Internet of things technology in agricultural crop monitoring
Fecha de recepción: 2023-05-15 • Fecha de aceptación: 2023-08-04 • Fecha de publicación: 2023-10-10
Martín Carlos Abad Alay1
Universidad Técnica Estatal de Quevedo (UTEQ), Ecuador
martin.abad2016@uteq.edu.ec
https://orcid.org/0000-0002-4585-2878
María Alejandra Méndez García2
Universidad Técnica Estatal de Quevedo (UTEQ), Ecuador
maria.mendez2016@uteq.edu.ec
https://orcid.org/0000-0002-8806-3529
Orlando Ramiro Erazo Moreta3
Universidad Técnica Estatal de Quevedo (UTEQ), Ecuador
oerazo@uteq.edu.ec
https://orcid.org/0000-0001-5642-9920
Resumen
El Internet de las Cosas (IoT) desempeña un papel importante en la agricultura porque
proporciona beneficios para el desarrollo de cultivos y mejora de producción. Como
existen diversos artículos que muestran su utilidad, la finalidad de este trabajo es
analizarlos sistemáticamente para extraer datos sobre sistemas IoT enfocados en
monitorizar cultivos agrícolas. Como parte del protocolo de revisión se plantearon
cuatro preguntas direccionadas a conocer más sobre la manera en que se realiza el
monitoreo, los componentes empleados, las funcionalidades y los datos recolectados.
Utilizando cuatro de las bases de datos populares del área, se seleccionaron 41 artículos.
De la extracción de datos se pudo conocer la utilización de dispositivos IoT con cierta
preferencia hacia las aplicaciones móviles y una tendencia a emplear componentes
como: ESP8266, YL-69, DTH-1 y Arduino. Además, entre las funcionalidades
identificadas están el monitoreo del suelo, del crecimiento y rendimiento del cultivo, de
la invasión de animales, el riego automático, entre otras. Por último, se encontraron
varias decenas de tipos de datos que recolectan los dispositivos como parámetros
ambientales y características del suelo. Todos estos datos ayudan en la caracterización
de los sistemas IoT de interés y pueden servir de base para desarrollar otros.
Palabras clave: procesamiento de datos, productos agrícolas, sistema agrario,
vigilancia.
Abstract
Internet of Things (IoT) plays an important role in the agricultural sectors because it
provides benefits such as crop development and production improvement. As there are
various articles that show their usefulness, the purpose of this work is to systematically
analyze them to extract data on IoT systems focused on monitoring agricultural crops.
As part of the review protocol, four questions were posed aimed at learning more about
the way in which monitoring is carried out, the components used, the functionalities,
and the data collected by the devices. Using four of the popular databases in the area, 41
articles were selected. From the data extraction it was possible to know the use of IoT
devices with a certain preference towards mobile applications and a tendency to use the
following components: ESP8266, YL-69, DTH-1 and Arduino. In addition, among the
identified functionalities we can mention the soil monitoring, the growth and the crop
yield, the invasion of animals, automatic irrigation, among others. Finally, several tens
of types of data collected by the devices such as environmental parameters and soil
characteristics were found. All these data help in the characterization of the IoT systems
of interest and can serve as a basis for the development of others.
Keywords: data processing, agricultural crops, agromatics, monitoring.
Introducción
La agricultura es uno de los sectores más importantes porque es la base de la
alimentación humana y cada día es más demandada por la población (Tzounis et al.,
2017; Verdouw et al., 2016). Conforme se incrementa la población, se requiere una
mayor producción de alimentos. Sin embargo, los agricultores no siempre disponen de
tiempo, mano de obra y otros recursos necesarios para los cuidados que requiere cada
uno de sus cultivos agrícolas. A pesar de la amplia experiencia que podrían tener, los
agricultores a menudo dependen de métodos tradicionales y subjetivos para monitorear
y controlar sus cultivos, lo que puede llevar a decisiones inexactas y costosas (Mazo-
Zuluaga, 2020).
Esto significa que uno de los principales problemas, a los que se enfrenta la agricultura,
es la falta de información en tiempo real sobre las condiciones de los cultivos y los
factores ambientales que pueden afectar su rendimiento. A esto se le puede sumar la
gestión ineficiente de los recursos del agua y de otros recursos naturales que puede tener
efectos negativos para el agricultor y sus cultivos. Por ello, es necesario seguir buscando
soluciones como las que pueden brindar las tecnologías de la información y
comunicación.
Precisamente, el Internet de las Cosas (IoT) se está utilizando cada vez más en el sector
agrícola para la monitorización de los cultivos y la optimización de su crecimiento
(Tovar et al., 2019). Los dispositivos IoT como sensores y cámaras se pueden instalar
en los campos y ser utilizados para recopilar información sobre el suelo, el clima, la
humedad y otros factores que influyen en el crecimiento de los cultivos. Esta
información a su vez puede transmitirse por medio de redes inalámbricas a un sistema
central para su análisis junto con las posteriores recomendaciones y alertas a los
agricultores. En definitiva, los sistemas IoT pueden ser empleados para monitorear
automáticamente las granjas agrícolas con una reducida participación de las personas a
cargo (Farooq et al., 2019).
Este funcionamiento de los sistemas IoT ha derivado en el uso de diferentes
metodologías y de distintos componentes en los trabajos realizados (Guerrero-Ulloa, et
al., 2023a;2023b;2023c). Como es de esperar, conocer cómo se están utilizando los
sistemas IoT en la agricultura, así como los componentes empleados podría ser de
utilidad para su caracterización y un mejor desarrollo de futuros trabajos. Por ello se han
llevado a cabo algunas revisiones bibliográficas tratando de organizar el conocimiento
en torno a la agricultura e IoT. Algunas de estas investigaciones son generales, llegando
a abarcar incluso un poco más que solo IoT; por ejemplo, Bazán-Vera et al. (2017 y
Vásquez-Bermúdez et al. (2019), mientras que otras son muy específicas
concentrándose en algún tipo de cultivo en particular, tal la de Ponce et al. (2021).
Asimismo, otros trabajos más recientes se han concentrado en el rol de IoT en la
agricultura como los de Farooq et al. (2019;2020) y en sus avances y desafíos Sinha &
Dhanalakshmi (2022).
Más allá de los aportes de los trabajos mencionados, puede resultar de interés conocer
con más detalles sobre los sistemas IoT en el ámbito agrícola. De esto nace la finalidad
de este estudio, la cual es determinar los componentes y utilidades de sistemas
enfocados al cuidado y monitorización de plantas agrícolas utilizando IoT. Para tal
efecto, este estudio consistió en una revisión sistemática de literatura, cuyos resultados
ofrecen un panorama más preciso de los sistemas de interés. Así, los resultados que aquí
se describen contribuyen a tener una visión más clara de las características de los
sistemas IoT para el monitoreo de cultivos y podrían ser utilizados por otros diseñadores
o investigadores al momento de diseñar sus propios dispositivos.
Metodología
En el presente trabajo se realiza una investigación utilizando la técnica de revisión
sistemática de literatura. Se trata de realizar un conjunto de resúmenes claros y
estructurados de la información disponible orientada a responder una o más preguntas
específicas (Moreno et al., 2018). Para llevarla a cabo se dividió el proceso en diferentes
partes: definir las preguntas de investigación, seleccionar las bases datos en las que se
realizará las búsquedas de artículos, definir las palabras claves y cadena de búsqueda,
establecer criterios de inclusión y exclusión, y los datos que se van a extraer de los
artículos seleccionados.
El primer paso, correspondiente a la definición de las preguntas de investigación, se
aprecia en la Tabla 1. Como puede notarse, se formularon cuatro preguntas enfocadas
especialmente a los componentes de los sistemas IoT.
Tabla 1
Preguntas de Investigación
Pregunta de investigación
¿De qué manera monitorizar las plantas en cultivos agrícolas con el uso de Internet de las Cosas?
¿Qué sensores o componentes se utilizan para garantizar la optimización de recursos y tiempo por parte de los
agricultores?
¿Cuáles son las funcionalidades que tienen los dispositivos IoT utilizados para la monitorización y cuidados de los
cultivos agrícolas?
¿Cuáles son los datos que recoge el dispositivo IoT?
Una vez definidas las preguntas se seleccionaron las bases datos en las que se realizó la
búsqueda de artículos científicos. Para ello se utilizaron cuatro bases de datos:
IEEExplore, Springer, ACM y Science Direct. Estas fueron escogidas por su
accesibilidad a una gran cantidad de información bibliográfica relacionada al tema, lo
que las hace relevantes en el área (Turner, 2010 y Ponce et al., 2021). Posteriormente se
realizó un tipo de búsqueda avanzada de los estudios más relevantes con las palabras
claves definidas.
La utilización de palabras claves en el tipo de búsqueda avanzada permite precisar la
información que se requiere buscar. En ella se utilizaron las siguientes palabras claves:
“IoT”, “Agricultural crop”, “Agricultural sector”, “Monitoring”, “Agriculture” y los
operadores lógicos “AND” y “OR”. La combinación de estos términos y operadores dio
como resultado la siguiente cadena de búsqueda: (“IoT” AND “Agricultural crops”
AND “Agricultural sector” OR “Agriculture” AND “Monitoring”).
Como siguiente paso se procedió a establecer los criterios de inclusión y exclusión.
Estos criterios permiten establecer los límites de la revisión sistemática y obtener
resultados apropiados en cada consulta realizada en las diferentes bases de datos. Los
criterios de inclusión establecidos fueron los siguientes: 1) todo artículo seleccionado
debe estar escrito en inglés, 2) en el estudio deben mencionarse los componentes por los
que se encuentra conformado el dispositivo IoT, y 3) los datos que recolecta. Para los
criterios de exclusión se estableció que se descartarán: 1) los estudios escritos en otro
idioma diferente al inglés y que 2) su año de publicación sea inferior al 2017; también
se excluyeron 3) los artículos no relacionados con el uso de IoT para la monitorización
de los cultivos del sector agrícola.
Resultados
La Figura 1 presenta los resultados de la búsqueda. Se identificaron 179 estudios en las
cuatro bases de datos. Luego de revisar coincidencias y pertinencia se preseleccionaron
86, de los cuales se descartaron 45 aplicando los criterios indicados en la sección previa.
Finalmente, se trabajó con 41 estudios que fueron utilizados para extraer los datos que
permitan responder las preguntas formuladas. Adicionalmente, la Figura 2 muestra la
distribución de estudios seleccionados de acuerdo con la base de datos indexada de
donde fueron obtenidos.
Figura 1
Selección de Estudios
Figura 2
Estudios Seleccionados Para Revisión Detallada según la Base de Datos Consultada
La revisión sistemática de literatura se realizó en el mes de diciembre de 2022, por lo
que los documentos se filtraron hasta el año 2022. A continuación, se filtraron los
estudios seleccionados por año de publicación (ver Figura 3). Se puede observar que el
año con más estudios publicados (14) fue 2022, mientras que 2017 fue el año con
menos publicaciones (1). También puede notarse que en 2020 hubo una cantidad menor
de estudios con respecto a 2019 y 2021. Así, la Tabla 2 contiene el conjunto de artículos
seleccionados y utilizados en la extracción de datos.
Figura 3
Estudios Seleccionados por Año de Publicación
200
150
100
50
41
0
Encontrados
Preseleccionados
Seleccionados
86
179
30
22
20
10
10
6
3
0
IEEE
Science Direct
Springer
ACM
Cantidad de estudios
Cantidad de estudios
Tabla 2
Resumen de Artículos Seleccionados
Título
Referencia
Descripción
Intelligent irrigation
system - An IOT based
approach
Rajkumar et al.
(2017)
Se trata de un sistema de control automatizado con tecnología
electrónica utilizando un microcontrolador que enciende y apaga
el motor de bombeo al detectar el contenido de humedad de la
tierra y la línea telefónica GSM después de medir la temperatura,
la humedad y la humedad del suelo.
Internet of Things
(IoT) for Precision
Agriculture
Application
Dholu & Ghodinde
(2018)
Propone el desarrollo de un nodo sensor capaz de medir la
humedad del suelo, la temperatura y luz ambiental y crear la señal
de actuación para todos los actuadores.
IoT Based Smart
Agriculture System
Sushanth & Sujatha
(2018)
Se trata del desarrollo de un sistema que puede controlar la
temperatura, la humedad, la humedad e incluso el movimiento de
los animales que pueden destruir los cultivos en el campo agrícola
a través de sensores utilizando la placa Arduino y en caso de
cualquier discrepancia enviar un SMS, así como una notificación
en la aplicación desarrollada para la misma al smartphone del
agricultor mediante Wi-Fi/3G/4G.
Implementation of a
Low-power Wireless
Sensor Network for
Smart Farm
Applications
Baldovino et al.
(2019)
Se trata de una configuración de red de sensores inalámbricos
(WSN) que utiliza una red de área extensa de baja potencia
(LPWAN) para abordar el problema de un sistema de
comunicación inalámbrica fiable.
IoT Aided Techniques
for Agriculture
Malhotra et al.
(2019)
Aborda las mejoras de las prácticas agrícolas en la India
aumentando el rendimiento y la calidad de las cosechas
manteniendo los costes al mínimo.
Utility System for
Elevating Pre and Post
Production of Crops
Roy et al. (2019)
Se trata de un sistema ayudará a los agricultores a saber qué
cultivo dará el máximo rendimiento en función del escenario
agrícola actual, a participar en transacciones sin efectivo con el
administrador del gobierno para la venta directa de los cultivos y
también a estar al día sobre las herramientas modernas y las
técnicas agrícolas.
Precise Automation
and Analysis of
Environmental Factor
Effecting on Growth of
St. John’s Wort
Lekbangpong et al.
(2019)
Se trata de un sistema en el cual se aplicó IoT en los dispositivos
sensores para controlar y recopilar datos ambientales relevantes
del invernadero diseñado.
IoT based Smart
System to Support
Agricultural
Parameters: A Case
Study
Pathak et al. (2019)
Se desarrolló un algoritmo de búsqueda de Cuckoo, que permite
la asignación de agua para la agricultura en cualquier condición.
Los diversos parámetros, como la temperatura, la turbidez, el pH
y la humedad, se recopilaron mediante el uso de una plataforma
IoT, equipada con sensores relacionados y sistemas de
comunicación inalámbrica.
CLAY-MIST: IoT-
cloud enabled CMM
index for smart
Mekala &
Viswanathan (2019)
Evaluó el cociente de temperatura en base a la cantidad de vapor
de agua y la presión en el aire lo que valora el crecimiento de las
plantas.
16
14
12
10
8
8
5
4
3
1
0
2022
2021
2020
2019
2018
2017
Estudios seleccionados por año
agriculture monitoring
system
AgriPrediction: A
proactive internet of
things model to
anticipate problems
and improve
production in
agricultural crops
Dos Santos et al.
(2019)
Presenta un modelo llamado AgriPrediction, que combina un
sistema de red inalámbrica de corto y mediano alcance con un
motor de predicción para anticipar posibles disfunciones en los
cultivos de manera proactiva, notificando así al agricultor las
acciones correctivas tan pronto como sea posible.
IoT and agriculture
data analysis for smart
farm
Muangprathub et al.
(2019)
Se desarrolló un sistema de riego óptimo de cultivos agrícolas
basado en una red de sensores inalámbricos. Tuvo como objetivo
desarrollar un sistema de control utilizando sensores de nodo en el
campo de cultivo con gestión de datos a través de smartphone y
aplicación web.
Sensor Stipulation with
THAM Index for
Smart Agriculture
Decision-Making IoT
System
Mekala &
Viswanathan (2020)
Trata sobre un mecanismo de selección de sensores y un índice de
medición de la temperatura del suelo, la humedad y la calidad del
aire y el agua (THAM) para la estipulación de nodos, basado en
un sistema inteligente de toma de decisiones para el ámbito
agrícola que considera el cociente de temperatura, un modelo
regulador de fertilizantes NPK y la función agronómica.
IoT Sensing Platform
for e-Agriculture in
Africa
Oliveira-JR et al.
(2020)
Se presenta la arquitectura de la plataforma IoT Sensing Platform,
la cual describe los diferentes prototipos relacionados con la
plataforma propuesta y presenta una validación preliminar llevada
a cabo en un conjunto de los prototipos desarrollados, con el fin
de evaluar la viabilidad de los elementos de detección del
Proyecto “África”.
Study of RTPPS
algorithm in UWB
communication
medium for a
surveillance system to
protect agricultural
crops from wild
animals
Borah et al. (2020)
Se trata de un algoritmo único llamado “Real Time Pixel by Pixel
Subtraction” (RTPPS) de banda ultra ancha para proteger los
cultivos agrícolas de diferentes animales salvajes.
Design and Test an
Intelligent Irrigation
System for Small
Surfaces
Se diseñó y probó un sistema de riego inteligente basado en una
red de sensores inalámbricos.
Al-Atwan &
Nitulescu (2020)
Agrinex: A low-cost
wireless mesh-based
smart irrigation system
Tiglao et al. (2020)
Presenta una alternativa a los métodos de monitoreo existentes en
las tierras agrícolas al tiempo que proporciona un mecanismo de
riego para ayudar en los esfuerzos de conservación de recursos
mediante el uso de una red inalámbrica de sensores y actuadores
(WSAN).
Smart Irrigation
system using Internet
of Things
Anitha et al. (2020)
Se trata de un sistema de riego inteligente basado en IoT para
identificar la humedad del suelo y controlar el riego de los
cultivos de forma automática.
Smart Irrigation and
Security System for
Agricultural Crops and
Trees
Sachan et al. (2021)
Se trata de un sistema inteligente de riego y seguridad que predice
la calidad y fertilidad del suelo y protege las semillas agrícolas
durante el periodo de siembra.
IoT-based Smart Water
Management Systems
Dragulinescu et al.
(2021)
Se trata de un sistema de monitorización basado en la tecnología
IoT que pueda evaluar la calidad del agua en tiempo real. Los
datos se toman con la ayuda de sensores ubicados tanto en
cuencas hidrográficas como en terrenos agrícolas.
ANN Algorithm based
Smart Agriculture
Cultivation for Helping
the Farmers
Deivakani et al.
(2021)
Se trata de un sistema de predicción que ayuda a los agricultores a
predecir el rendimiento de los cultivos. Se desarrolló una RNA
para obtener los datos del sensor de pH y el sensor de humedad,
en el que estos valores de datos son entrenados y probados y
también se ha utilizado para predecir el rendimiento de los
cultivos en el campo en particular.
Smart Irrigation and
Crop Protection Using
Arduino
Thirrunavukkarasu
et al. (2021)
Se trata de un sistema de comunicación para el riego inteligente y
la protección de los cultivos de los animales que invaden granjas
como vacas, cabras, elefantes, etc.
Digital agriculture for
small-scale producers:
challenges and
opportunities
Chandra & Collis
(2021)
Destaca las innovaciones necesarias en diferentes áreas de la
ciencia de datos y la informática para permitir la agricultura
digital de los pequeños agricultores.
IoT and deep learning-
inspired multi-model
framework for
monitoring Active Fire
Locations in
Agricultural Activities
Sharma et al. (2021)
Propone un sistema multimodelo inspirado en IoT y aprendizaje
profundo para la detección, difusión y monitoreo de ubicaciones
de incendios activos (AFL) en actividades agrícolas.
Monitoring Mung
Bean’s Growth using
Arduino
Audrey et al. (2021)
Se trata de la implementación de un sistema de monitoreo de
crecimiento de plantas. Este sistema verificará el clima, el clima y
los factores externos como el aire, el suelo, la luz y otros, que
afectarán los cultivos.
A study on the design
and operation method
of plant factory using
artificial intelligence
Hyunjin & Sainan
(2021)
Se trata de un sistema llamado “Plant factory” que tiene como
objetivo proporcionar automáticamente un entorno óptimo para
cada cultivo utilizando inteligencia artificial.
Monitoring and
recording system of
laboratory
environmental
conditions as ISO/IEC
17025 requirement
Kelebekler (2021)
Se trata de un sistema de monitorización basado en IoT diseñado
y aplicado para el seguimiento de la temperatura y la humedad en
el laboratorio ventilado con un simple acondicionador de aire de
acuerdo con las normas ISO/IEC 17025.
IOT-based air quality
monitoring system for
agriculture
Gamal et al. (2022)
Propone una red basada en IoT de bajo consumo para la
monitorización de la calidad del aire en campos agrícolas.
The Internet of Things
at the service of
tomorrow’s agriculture
Abbassi &
Benlahmer (2021)
Se centra en el papel de IoT en la agricultura y presenta algunos
dispositivos, como equipos de precisión, sensores y actuadores de
IoT, sistemas de geoposicionamiento y robots que conducen a una
agricultura inteligente.
EAgri: Smart
Agriculture
Monitoring Scheme
using Machine
Learning Strategies
Venkatesh et al.
(2022)
Se trata de un robot de monitorización agrícola llamado eAgriBot,
en el que se integra la lógica del aprendizaje automático y se
producen predicciones inteligentes para evitar que los cultivos se
vean afectados por las condiciones meteorológicas, las
precipitaciones y el nivel de agua del suelo.
Green House System
Design Using IOT
Khan & Karna
(2021)
Se trata de un sistema de invernadero utilizando IoT. Utiliza un
microcontrolador Arduino UNO junto con sensores de
observación del entorno y actuadores, módulo IOT ESP01 para la
comunicación junto con la aplicación Blynk (que muestra los
valores en tiempo real en el móvil). Se utiliza para lograr un
sistema automatizado para reemplazar el control manual.
Implementation of a
Wild Animal Intrusion
Detection Model
Based on Internet of
Things
Panda et al. (2022)
Se trata de un sistema que utiliza IoT para ayudar en la detección
de intrusiones de animales salvajes en explotaciones agrícolas
mediante la monitorización del campo. Se adoptan sensores
ultrasónicos en las esquinas del campo, que primero detectan la
intrusión y luego capturan la imagen del invasor con una cámara
montada en el E-vehículo embebido con un microcontrolador
MCU Node que está monitorizando el campo.
Automated Smart
Irrigation System using
IoT with Sensor
Parameter
Tephila et al. (2022)
Se trata de un sistema de riego inteligente basado en IoT para
construir un dispositivo de gestión inteligente que utilice
eficientemente el agua disponible. El objetivo de este dispositivo
es gestionar automáticamente el tiempo, evitar problemas de riego
insuficiente o excesivo, racionalizar el consumo y la distribución
de agua y gestionar las reservas de agua.
Boltuino Platform
Based Cognitive
Irrigation System with
Weather Adaptability
for Efficient Water
Use
Mondal & Dutta
(2022)
Se trata de un sistema cognitivo basado en IoT con un impacto
sustancial en la conservación del agua. Los agricultores podrán
acceder a información sobre la humedad del suelo y la
temperatura a través de Internet o de sus dispositivos móviles, y el
motor de riego se encenderá y apagará automáticamente en
respuesta a estos datos.
Crop Growth
Monitoring System
Based on Agricultural
Internet of Things
Technology
Wu (2022)
Con el fin de mejorar el efecto del seguimiento del crecimiento de
los cultivos, combina la tecnología IoT para construir un sistema
de seguimiento del crecimiento de los cultivos.
An intelligent WSN-
UAV-based IoT
framework for
precision agriculture
application
Singh & Sharma
(2022)
Este artículo presenta una plataforma para gestionar la
información de cultivos agrícolas recopilada a través de UAV
multicolor.
Smart Irrigation
System
El Mezouari et al.
(2022)
Presenta un sistema de riego automático basado en sensores
inteligentes que se puede utilizar de forma moderada y económica
para monitorear la menta o cualquier tipo de planta mediante la
integración de algunos dispositivos electrónicos conectados y
otros instrumentos ventajosos ampliamente utilizados en el campo
de IoT.
Performance analysis
of deep learning
architectures for plant
leaves disease
detection
Dahiya et al. (2022)
En este trabajo se estudian y prueban diferentes arquitecturas
profundas para la detección de enfermedades en hojas de plantas.
A Self-Powered, Real-
Time, NRF24L01 IoT-
Based Cloud-Enabled
Service for Smart
Agriculture Decision-
Making System
Lova Raju &
Vijayaraghavan
(2022)
Se trata de un sistema IoT factible e integrado para la agricultura
inteligente. El sistema ahorra energía y aumenta la productividad.
Este método reduce el esfuerzo humano mientras evalúa los
parámetros de medición del índice de calor para monitorear el
medio ambiente para un crecimiento óptimo de la agricultura.
Classification and
yield prediction in
smart agriculture
system using IoT
Gupta & Nahar
(2023)
Se trata de un modelo de ML híbrido con IoT para la predicción
del rendimiento. Este trabajo consta de tres fases:
preprocesamiento, selección de características (FS) y
clasificación. Inicialmente, el conjunto de datos se procesa
previamente y el FS se realiza sobre la base del FS basado en la
correlación (CBFS) y el algoritmo del factor de inflación de la
varianza (VIF).
A case study of a real-
time internet of things
system for site-specific
potato crop
management in El-
Salhia Area-Egypt
Mohammad EL-
Basioni et al. (2022)
Se describen la estructura, las pantallas y los servicios de
EGYPADS, incluyendo: delineación de zonas de manejo usando
coordenadas absolutas y virtuales, evaluación de la idoneidad de
la tierra (LSA), ingreso de datos de campo en tiempo real y de
hojas de MS Excel, almacenamiento de mapas en formato
adecuado para la aplicación de tasa variable, en tiempo real y
procesamiento de datos históricos, gestión centralizada, y
formulación flexible de eventos y acciones relacionadas.
FARMIT: continuous
assessment of crop
quality using machine
learning and deep
learning techniques for
IoT-based smart
farming
Perales Gómez et al.
(2022)
Se trata del desarrollo de una arquitectura llamada Farmit, la cual
se divide en tres capas que trabajan juntas para recopilar, procesar
y analizar datos de diferentes fuentes para evaluar la calidad de
los cultivos.
3.1 Monitoreo de plantas en cultivos agrícolas
En cuanto a la primera pregunta se consideró las tecnologías y aplicaciones empleadas
para determinar la manera de monitorear las plantas en cultivos agrícolas usando IoT.
Los resultados obtenidos se presentan en la Figura 4. Se observa que los trabajos
seleccionados se han limitado a dos tipos de tecnologías: dispositivos IoT (98%) y
robots (2%). Cabe notar que uno de los trabajos seleccionados que menciona el uso de
robots lo hace en combinación con sistemas IoT para monitorear y regar los cultivos
agrícolas. Además, desde el punto de vista de software se emplean únicamente
aplicaciones móviles y aplicaciones web, con una preferencia hacia las primeras.
Figura 4
Tecnologías (Izquierda) y Tipo de Aplicaciones (Derecha) Utilizadas
3.2 Sensores utilizados
Para responder la segunda pregunta se identificaron en los trabajos seleccionados los
sensores o componentes empleados para monitorear las propiedades atmosféricas
referentes a los cultivos. Se consideró el módulo wifi, placa base y los sensores
necesarios para los diferentes parámetros atmosféricos.
En primer lugar se obtuvo como resultado que en trece de los artículos los autores
utilizaron como módulo wifi el ESP8266, en un caso se empleó el NRF24K01, en otro
se utilizó el ZibBee, Wifi, 3G y uno más usó el Raspberry Pi 3 GPIO (ver Figura 5).
Los 25 artículos restantes no mencionaron explícitamente la utilización de un módulo
wifi.
Figura 5
Módulos Wifi Utilizados
1; 3%
10; 56%
8; 44%
38;
97%
Aplicación web
Aplicación
móvil
Dispositivo
IoT
Robot
14 13
12
10
8
6
4
2
1
1
1
0
ESP8266
NRF24K01 (TX) ZigBee Wifi 3G- Raspberry Pi 3
GPIO
Sin referencia: en 25 trabajos no usan módulo wifi explícitamente.
Cantidad de artículos
En cuanto a las placas base (Figura 6) se identificó que dieciocho trabajos utilizaron
Arduino uno y cuatro emplearon el Raspberry Pi. Además, la utilización de las placas
MCU ARM Cortex-M4F (EK-TM4C123GXL), Arduino Uno R3 y Arduino pro mini es
mencionada en un artículo cada una. Los dieciséis trabajos restantes no indican el tipo
de placa base empleada en sus sistemas.
Figura 6
Placas Base Utilizadas
En cuanto a los parámetros atmosféricos, la Figura 7 presenta los resultados del primero
de ellos, la humedad del suelo. Se encontró que doce artículos utilizaron como sensor de
humedad el YL-69, tres emplearon el sensor FC-28 y dos el sensor DSI8B20. Además,
se localizaron varios trabajos en los cuales se hizo uso de sensores como: LM393, SEN-
133222, SDI-12, HDC1080, DTH11, SH71, YL-38, SEN0114, DTH22. En los quince
trabajos faltantes no se pudo identificar el sensor de humedad o no lo emplearon.
Figura 7
Sensores de Humedad del Suelo Utilizados
21
18
18
15
12
9
6
4
3
1
1
1
0
Arduino uno
Raspberry Pi
MCU ARM Cortex-
M4F (EK-
TM4C123GXL)
Arduino Uno R3 Arduino pro mini
No referenciado: 16 trabajos no especifican la placa base utilizada.
Cantidadad de artículos
Por otro lado, se ha podido constatar que en quince artículos se incorporó el sensor de
humedad del aire DTH11, mientras que el sensor LM35 se utilizó en dos artículos, y el
DHT22 en otros dos. También se encontraron otros trabajos que mencionan haber usado
sensores como: DME280, 808H5V5, STH-21 y SH71. Los resultados se aprecian en la
Figura 8; en el resto de los artículos no se indica o no se utilizó este tipo de sensor.
Figura 8
Sensores de Humedad del Aire Utilizados
Como se puede observar en la Figura 9, once trabajos utilizaron el sensor DTH11 para
medir la temperatura del aire, dos el DTH22 y dos el LM35. También, los sensores
BM·280, MCP97000A y SH71 se han utilizado una vez en cada uno de los trabajos
respectivos. No se identificó este tipo de sensor en los demás trabajos revisados.
Figura 9
Sensores de Temperatura del Aire Utilizados
15
12
12
9
6
3
3
2
1
1
1
1
1
1
1
1
1
0
En 15 trabajos no se identificó sensor de humedad.
16
15
14
12
10
8
6
4
2
2
2
1
1
1
1
0
DTH11 LM35 DHT22 BME280 808H5V5 SHT-21 SH71
En 18 trabajos no se identificó sensor de humedad.
Cantidadad de artículos
Cantidadad de artículos
Por otro lado, se encontró que algunos sistemas también miden la calidad del aire. Se
observó que entre los sensores empleados están: MQ-5, MQ-4, MQ2, MQ-7, MQ-8,
MQ-135 y el MICS-2714. Desde luego, existen trabajos que no miden la calidad del
aire porque se centran en otras funcionalidades, dificultando su presentación de manera
cuantitativa o gráfica, como en los otros casos.
Con respecto al sensor de ultrasonido, se identificó que, de todos los trabajos
investigados, dos emplean estos tipos de sensores los cuales son nRF24L01 y el sensor
PIR. En cuanto al tipo de motor y pantalla LCD, cabe mencionar que la mayor parte de
los trabajos de investigación utilizaron estos componentes, pero sin especificar el tipo y
la marca.
Por último, en la Figura 10 se puede apreciar otros módulos que se han utilizado en los
artículos identificados para otras funcionalidades. Algunos ejemplos de esto son el
módulo de radiofrecuencia, GPRS, GPS, relay y carga de batería, junto con otros
sensores como el LDR, intensidad óptica, movimiento, OPT3002 y SDS011.
Figura 10
Nube de Palabras de Otros Módulos o Sensores Utilizados
12
11
10
8
6
4
2
2
2
1
1
1
0
DTH11
DHT22
LM35
BME280 MCP9700A
SH71
En 23 trabajos no se identificó el sensor de temperatura
Cantidad de artículos
3.3 Funcionalidades de los dispositivos
Los datos extraídos para responder la tercera pregunta fueron muy variados. Esto
dificultó presentarlos de forma cuantitativa. Pudo evidenciarse que en algunos artículos
se describía con claridad la funcionalidad del sistema IoT, en otros había expresiones
similares y en otros no se mencionaba. Sin embargo, a continuación, se presenta una
lista de las funcionalidades que pudieron identificarse, y que, a criterio de los autores,
podrían ser más relevantes:
Monitorización del campo agrícola: el dispositivo monitorizará el campo agrícola por
medio de sensores como la humedad del suelo, temperatura, etcétera.
Detección de la invasión de animales: se realizará por medio de una cámara que
poseerá el dispositivo y enviará una alerta al usuario cuando detecte la presencia de
animales en determinadas zonas.
Rendimiento de los cultivos: el dispositivo se encargará de monitorizar el terreno y
de recoger información de vital importancia para analizar el estado de los cultivos o
realizar mapeos del terreno.
Crecimiento saludable del cultivo agrícola: el dispositivo estará compuesto por
varios sensores y componentes que permitirán monitorear las condiciones
ambientales y los niveles de nutrientes en los cultivos. Estos datos serán utilizados
para brindarles los cuidados necesarios y así garantizar su crecimiento saludable.
Sistema de riego automático: el dispositivo regará automáticamente los campos
agrícolas cuando detecte que la tierra de estos campos se encuentre seca.
Monitoreo del suelo: para la realización de esta actividad el dispositivo empleará
diferentes sensores como los de humedad y temperatura con el objetivo de recoger
información sobre el suelo y analizar los resultados obtenidos para solucionar los
problemas que se presenten.
Evaluación de la nutrición del suelo: se realizará por medio de sensores (como el
NPK) que permiten evaluar la nutrición de los suelos de los cultivos.
3.4 Datos recolectados por el dispositivo
En cuanto a la última pregunta, los resultados de los datos recolectados por los sistemas
IoT mencionados en los trabajos seleccionados fueron muy variados. Aunque se optó
por una representación visual, algunos de ellos, a modo representativo, son: PH del
agua, PH del suelo, humedad del suelo, temperatura del aire, temperatura del suelo,
presencia de animales y la textura del suelo. Así, la Figura 11 presenta los diferentes
datos identificados.
Figura 11
Nube de Palabras de los Datos Recolectados por el Dispositivo
La realización sistemática de literatura sobre sistemas IoT en el cuidado de los cultivos
de plantas agrícolas puede ser considerada una herramienta útil para investigadores que
buscan comprender el estado del conocimiento en este campo. A partir de las bases de
datos populares en el área se seleccionaron 41 estudios que cumplían con los criterios
para dar respuesta a las preguntas de investigación planteadas. Hay que notar que la
base de datos en la que se encontró la mayor cantidad de estudios fue IEEE, mientras
que ACM estuvo en el otro extremo. También, puede notarse que en 2020 hubo una
cantidad menor de estudios en comparación con 2019 y 2021. Una posible razón puede
deberse a las restricciones de la pandemia que afectaron la realización de experimentos,
la recolección de datos y, en general, la interacción entre investigadores y agricultores
(Gans et al., 2020).
En cuanto al monitoreo de plantas en cultivos agrícolas, esta puede ser una herramienta
valiosa para mejorar la eficiencia y rentabilidad de la producción agrícola. Permite a los
agricultores recopilar datos en tiempo real sobre el estado de las plantas mediante
aplicaciones web y móviles facilitando la toma de decisiones más informadas y precisas
en la gestión de sus cultivos. Según los resultados de la revisión, los diseñadores de
sistemas IoT han tenido una ligera preferencia por estas últimas. Una razón podría estar
en el envío de alertas y su fácil visualización en el dispositivo móvil, como se
ejemplifica en Guerrero-Ulloa et al. (2023a). Hay que tener presente también que el uso
de aplicaciones móviles es mayor debido a la popularidad de teléfonos y tabletas, que
facilitan la interacción y usabilidad permitiendo una monitorización en tiempo real de
las plantas y sus condiciones de crecimiento.
Por otro lado, la implementación de sensores IoT en la agricultura ha demostrado ser
una herramienta eficaz para la monitorización de los cultivos. La recopilación de datos
en tiempo real a través de sensores IoT permite a los agricultores tomar decisiones más
informadas y ajustar el manejo de los cultivos para optimizar los recursos y mejorar la
calidad de la cosecha. Además, la implementación adecuada y el mantenimiento regular
de los sensores son esenciales para garantizar la precisión y la fiabilidad de los datos, y
el éxito de la agricultura haciendo uso de sistemas IoT.
Los resultados de esta revisión también muestran que las funcionalidades ofrecidas por
los dispositivos IoT para la monitorización de los cultivos en los sectores agrícolas se
han ampliado. Esto demuestra que estas son una herramienta de valor considerable en
procura de mejorar la eficiencia, la productividad y la sostenibilidad en la agricultura.
Con ellos, los agricultores podrían tener una oportunidad para mejorar la rentabilidad.
Entonces, es de esperar que conforme evolucione la tecnología IoT, se desarrollen más
funcionalidades que ayuden a los agricultores a mejorar la calidad de sus cultivos y
aumentar la productividad.
Este incremento de funcionalidades va de la mano de los datos recolectados. De hecho,
se evidenció una importante diversidad de tipos de datos recolectados por los sensores
de los dispositivos. Además, tales datos son una herramienta invaluable en la
monitorización de los cultivos en los sectores agrícolas para la toma de decisiones
adecuada.
Conclusiones
En este trabajo se han descrito los resultados de una revisión sistemática de literatura,
enfocada en analizar lo que ocurre con los sistemas IoT en el cuidado de los cultivos de
plantas agrícolas, particularmente en cuanto a sus componentes. Para ello, se formularon
cuatro preguntas de investigación que permitan tener un panorama más claro de las
características de los dispositivos y sus utilidades.
La primera pregunta tuvo que ver con el monitoreo de plantas agrícolas. Como
respuesta se encontró solo un trabajo enfocado en IoT y complementado con robots,
mientras que los demás estaban basados solo en IoT. Además, se pudo evidenciar una
ligera preferencia hacia el uso de aplicaciones móviles sobre las aplicaciones web.
En segundo lugar, los componentes IoT para la monitorización de los cultivos agrícolas
se utilizan para medir diferentes factores ambientales y las condiciones de crecimiento
de las plantas. Estos sensores están conectados a través de la tecnología de IoT y
permiten recopilar datos en tiempo real para realizar un seguimiento de los cultivos y
tomar decisiones basadas en los datos (Hernández-Morales et al., 2022). Los
componentes más utilizados en los trabajos seleccionados fueron: Módulo Wifi
ESP8266, Arduino Uno y Raspberry Pi como placa base, sensor de humedad del suelo
YL-69, sensor de humedad y temperatura DTH11.
En tercer término, con respecto a las funcionalidades de los dispositivos, los trabajos
analizados describen funcionalidades muy variadas. Entre las funciones más destacadas
están: monitorización del campo agrícola (Panda et al., 2022), datos recopilados por IoT
y recomendación al agricultor del riego (Sushanth & Sujatha, 2018), datos a la nube
ThingSpeak (Dholu & Ghodinde, 2018), crecimiento saludable del cultivo agrícola
(Khan & Karna, 2021), entre otras funcionalidades. Las ofrecidas por los dispositivos
IoT son de utilidad para la toma de decisiones y la gestión efectiva de los recursos.
Por último, los datos recogidos por los dispositivos identificados en los estudios
seleccionados también son muy variados. No obstante, se puede resaltar el PH del agua,
humedad del aire y suelo, temperatura del aire y suelo, nutrientes del suelo, materia
orgánica y nitrógeno del suelo (Malhotra et al., 2019).
Referencias
Abbassi, Y., & Benlahmer, H. (2021). The Internet of Things at the service of
tomorrow’s agriculture. Procedia Computer Science, 191, 475–480.
https://doi.org/10.1016/J.PROCS.2021.07.060
Al-Atwan, N., & Nitulescu, M. (2020). Design and Test an Intelligent Irrigation System
for Small Surfaces. 2nd International Conference on Electrical, Communication
and Computer Engineering, ICECCE 2020.
https://doi.org/10.1109/ICECCE49384.2020.9179269
Anitha, A., Sampath, N., & Jerlin, M. (2020). Smart Irrigation system using Internet of
Things. International Conference on Emerging Trends in Information Technology
and Engineering, Ic-ETITE 2020. https://doi.org/10.1109/IC-
ETITE47903.2020.271
Audrey, D., Stanley, Tabaraka, K., Lazaro, A., & Budiharto, W. (2021). Monitoring
Mung Bean’s Growth using Arduino. Procedia Computer Science, 179, 352–360.
https://doi.org/10.1016/J.PROCS.2021.01.016
Baldovino, R., Valenzuela, I., & Dadios, E. (2019). Implementation of a low-power
wireless sensor network for smart farm applications. 2018 IEEE 10th International
Conference on Humanoid, Nanotechnology, Information Technology,
Communication and Control, Environment and Management, HNICEM 2018.
https://doi.org/10.1109/HNICEM.2018.8666262
Bazán-Vera, W., Bermeo-Almeida, O., Samaniego-Cobo, T., Alarcón-Salvatierra, A.,
Rodríguez-Méndez, A., & Bazán-Vera, V. (2017). “The current state and effects of
agromatic: a systematic literature review”. In Valencia-García, R., Lagos-Ortiz, K.,
Alcaraz-Mármol, G., Del Cioppo, J., Vera-Lucio, N., Bucaram-Leverone, M.
(Eds.). Technologies and Innovation. CITI 2017. Communications in Computer
and Information Science, 749, (pp. 269–281). Springer.
https://doi.org/10.1007/978-3-319-67283-0_20
Borah, S., Kumar, R., & Mukherjee, S. (2020). Study of RTPPS algorithm in UWB
communication medium for a surveillance system to protect agricultural crops
from wild animals. Proceedings - 2020 6th IEEE International Symposium on
Smart Electronic Systems, ISES 2020, 121–126.
https://doi.org/10.1109/ISES50453.2020.00036
Chandra, R., & Collis, S. (2021). Digital agriculture for small-scale producers.
Communications of the ACM, 64(12), 75–84. https://doi.org/10.1145/3454008
Dahiya, S., Gulati, T., & Gupta, D. (2022). Performance analysis of deep learning
architectures for plant leaves disease detection. Measurement: Sensors, 24.
https://doi.org/10.1016/J.MEASEN.2022.100581
Deivakani, M., Singh, C., Bhadane, J., Ramachandran, G., & Sanjeev Kumar, N.
(2021). ANN Algorithm based Smart Agriculture Cultivation for Helping the
Farmers. Proceedings - 2nd International Conference on Smart Electronics and
Communication, ICOSEC 2021.
https://doi.org/10.1109/ICOSEC51865.2021.9591713
Dholu, M., & Ghodinde, K. A. (2018). Internet of Things (IoT) for Precision
Agriculture Application. Proceedings of the 2nd International Conference on
Trends in Electronics and Informatics, ICOEI 2018, 339–342.
https://doi.org/10.1109/ICOEI.2018.8553720.
Dos Santos, U., Pessin, G., da Costa, C., & da Rosa Righi, R. (2019). AgriPrediction: A
proactive internet of things model to anticipate problems and improve production
in agricultural crops. Computers and Electronics in Agriculture, 161, 202–213.
https://doi.org/10.1016/J.COMPAG.2018.10.010.
Dragulinescu, A., Balaceanu, C., Osiac, F., Roscaneanu, R., Chedea, V., Suciu, G.,
Paun, M., & Bucuci, S. (2021). IoT-based Smart Water Management Systems.
2021 IEEE 27th International Symposium for Design and Technology in Electronic
Packaging, SIITME 2021 - Conference Proceedings, 51–56.
https://doi.org/10.1109/SIITME53254.2021.9663611
El Mezouari, A., El Fazziki, A., & Sadgal, M. (2022). Smart Irrigation System. IFAC-
PapersOnLine, 55(10), 3298–3303.
https://doi.org/10.1016/J.IFACOL.2022.10.125
Farooq, M. S., Riaz, S., Abid, A., Abid, K., & Naeem, M. (2019). A Survey on the Role
of IoT in Agriculture for the Implementation of Smart Farming. IEEE Access, 7,
156237–156271. https://doi.org/10.1109/ACCESS.2019.2949703
Farooq, M. S., Riaz, S., Abid, A., Umer, T., & Zikria, Y. (2020). Role of iot technology
in agriculture: A systematic literature review. Electronics2020, 9(2).
https://doi.org/10.3390/electronics9020319
Gamal, Y., Gadallah, S., Osama, A., Soltan, A., & Madian, A. (2022). IOT-based air
quality monitoring system for agriculture. 2022 - 4th Novel Intelligent and Leading
Emerging Sciences Conference (Niles), 206–210.
https://doi.org/10.1109/NILES56402.2022.9942441
Gans, R., Ubacht, J., & Janssen, M. (2020). Self-sovereign Identities for Fighting the
Impact of COVID-19 Pandemic. Digital Government: Research and Practice,
2(2), 1–4. https://doi.org/10.1145/3429629
Guerrero-Ulloa, G., Andrango-Catota, A., Abad-Alay, M., Hornos, M., & Rodríguez-
Domínguez, C. (2023a). Development and Assessment of an Indoor Air Quality
Control IoT-Based System. Electronics2023, 12(3), 608.
https://doi.org/10.3390/electronics12030608
Guerrero-Ulloa, G., Méndez-García, A., Torres-Lindao, V., Zamora-Mecías, V.,
Rodríguez-Domínguez, C., & Hornos, M. (2023b). Internet of Things (IoT)-based
indoor plant care system. Journal of Ambient Intelligence and Smart
Environments, 15(1), 47–62. https://doi.org/10.3233/AIS-220483
Guerrero-Ulloa, G., Rodríguez-Domínguez, C., & Hornos, M. (2023c). Agile
Methodologies Applied to the Development of Internet of Things (IoT)-Based
Systems: A Review. Sensors2023, 23(2). 790. https://doi.org/10.3390/s23020790
Gupta, A., & Nahar, P. (2023). Classification and yield prediction in smart agriculture
system using IoT. Journal of Ambient Intelligence and Humanized Computing,
14(8), 10235–10244. https://doi.org/10.1007/s12652-021-03685-w
Hernández-Morales, C., Luna-Rivera, J., & Pérez-Jiménez, R. (2022). Design and
deployment of a practical IoT-based monitoring system for protected cultivations.
Computer Communications, 186, 51–64.
https://doi.org/10.1016/J.COMCOM.2022.01.009
Hyunjin, C., & Sainan, H. (2021). A study on the design and operation method of plant
factory using artificial intelligence. Nanotechnology for Environmental
Engineering, 6(3), 1–5. https://link.springer.com/article/10.1007/s41204-021-
00136-x
Kelebekler, E. (2021). Monitoring and recording system of laboratory environmental
conditions as ISO/IEC 17025 requirement. 2021 International Conference on
INnovations in Intelligent SysTems and Application ( INISTA).
https://doi.org/10.1109/INISTA52262.2021.9548498
Khan, P., & Karna, L. (2021). Green House System Design Using IOT. Proceedings of
the 5th International Conference on Electronics, Communication and Aerospace
Technology ( ICECA), 522–526.
https://doi.org/10.1109/ICECA52323.2021.9676064
Lekbangpong, N., Muangprathub, J., Srisawat, T., & Wanichsombat, A. (2019). Precise
Automation and Analysis of Environmental Factor Effecting on Growth of St.
John’s Wort. IEEE Access, 7, 112848–112858.
https://doi.org/10.1109/ACCESS.2019.2934743
Lova Raju, K., & Vijayaraghavan, V. (2022). A Self-Powered, Real-Time, NRF24L01
IoT-Based Cloud-Enabled Service for Smart Agriculture Decision-Making System.
Wireless Personal Communications, 124(1), 207–236.
http://dx.doi.org/10.21203/rs.3.rs-586227/v1
Malhotra, A., Som, S., & Khatri, S. (2019). IOT Aided Techniques for Agriculture.
2019 4th International Conference on Information Systems and Computer Network
(ISCON), 129–133. https://doi.org/10.1109/ISCON47742.2019.9036174
Mazo-Zuluaga, I. (2020). Identificación del volcamiento en un cultivo experimental de
maíz, a partir de imágenes RGB adquiridas con una aeronave remotamente
tripulada, en el departamento de caldas [Tesis de Maestría, Universidad Católica
de Manizales]. https://repositorio.ucm.edu.co/handle/10839/3367
Mekala, M., & Viswanathan, P. (2019). CLAY-MIST: IoT-cloud enabled CMM index
for smart agriculture monitoring system. Measurement, 134, 236–244.
https://doi.org/10.1016/J.MEASUREMENT.2018.10.072
Mekala, M., & Viswanathan, P. (2020). Sensor Stipulation with THAM Index for Smart
Agriculture Decision-Making IoT System. Wireless Personal Communications,
111(8), 1909–1940. https://doi.org/10.1007/S11277-019-06964-0/METRICS
Mohammad EL-Basioni, B., Mohamed, E., Belal, A., Jalhoum, M., Abd EL-Kader, S.,
& Zahran, M. (2022). A case study of a real-time internet of things system for site-
specific potato crop management in El-Salhia Area-Egypt. Scientific Reports,
12(1), 1–29. https://doi.org/10.1038/S41598-022-22690-3/FIGURES/29
Mondal, A., & Dutta, P. (2022). Boltuino Platform Based Cognitive Irrigation System
with Weather Adaptability for Efficient Water Use. International Conference on
ICT for Smart Society (ICISS). https://doi.org/10.1109/ICISS55894.2022.9915196
Moreno, B., Muñoz, M., Cuellar, J., Domancic, S., & Villanueva, J. (2018). Revisiones
Sistemáticas: definición y nociones básicas. Revista Clínica de Periodoncia,
Implantología y Rehabilitación Oral, 11(3), 184–186.
https://doi.org/10.4067/s0719-01072018000300184
Muangprathub, J., Boonnam, N., Kajornkasirat, S., Lekbangpong, N., Wanichsombat,
A., & Nillaor, P. (2019). IoT and agriculture data analysis for smart farm.
Computers and Electronics in Agriculture, 156, 467–474.
https://doi.org/10.1016/J.COMPAG.2018.12.011
Oliveira-JR, A., Resende, C., Gonçalves João, Soares Filipe., & Moreira Waldir.
(2020). IoT Sensing Platform for e-Agriculture in Africa. 2020 IST-Africa
Conference (IST-Africa). https://ieeexplore.ieee.org/document/9144060
Panda, P., Kumar, C., Vivek, B., Balachandra, M., & Dargar, S. (2022). Implementation
of a Wild Animal Intrusion Detection Model Based on Internet of Things. 2022
Second International Conference on Artificial Intelligence and Smart Energy,
ICAIS 2022, 1256–1261. https://doi.org/10.1109/ICAIS53314.2022.9742948
Pathak, A., Uddin, M., Jainal Abedin, M., Andersson, K., Mustafa, R., & Hossain, M.
(2019). IoT based Smart System to Support Agricultural Parameters: A Case
Study. Procedia Computer Science, 155, 648–653.
https://doi.org/10.1016/J.PROCS.2019.08.092.
Perales, Á., López-de-Teruel, P., Ruiz, A., García-Mateos, G., Bernabé García, G., &
García, F. (2022). FARMIT: continuous assessment of crop quality using machine
learning and deep learning techniques for IoT-based smart farming. Cluster
Computing, 25(1), 2163–2178. http://dx.doi.org/10.1007/s10586-021-03489-9.
Ponce, J., Erazo Moreta, O., & Vicuña Pino, A. (2021). Técnicas estadísticas aplicadas
a la caracterización de cacao con enfoque agromática. Revista San Gregorio, 1(46).
https://doi.org/10.36097/rsan.v1i46.1527.
Quezada-Sarmiento, P. A., (2017). Implementación de una solución web y móvil para la
gestión vehicular basada en Arquitectura de Aspectos y metodologías ágiles: Un
enfoque educativo de la teoría a la práctica. Risti. Revista Ibérica de Sistemas e
Tecnologías de Informação, (25), 1–14. https://doi.org/10.17013/risti.25.98-111.
Rajkumar, M., Abinaya, S., & Kumar, V. (2017). Intelligent irrigation system - An IOT
based approach. 2017 International Conference on Innovations in Green Energy
and Healthcare Technologies (IGEHT).
https://doi.org/10.1109/IGEHT.2017.8094057.
Roy, S., Sowmya, B., Seema, S., Rajeshwari, S., & Vinutha, M. (2019). Utility System
for Elevating Pre and Post Production of Crops. 2019 IEEE International
Conference on Distributed Computing, VLSI, Electrical Circuits and Robotics
(DISCOVER). https://doi.org/10.1109/DISCOVER47552.2019.9008103
Sachan, R., Kaur, S., & Shukla, A. (2021). Smart Irrigation and Security System for
Agricultural Crops and Trees. 2021 9th International Conference on Reliability,
Infocom Technologies and Optimization (Trends and Future Directions) (ICRITO).
https://doi.org/10.1109/ICRITO51393.2021.9596246.
Sharma, A., Kumar, H., Mittal, K., Kauhsal, S., Kaushal, M., Gupta, D., & Narula, A.
(2021). IoT and deep learning-inspired multi-model framework for monitoring
Active Fire Locations in Agricultural Activities. Computers & Electrical
Engineering, 93. https://doi.org/10.1016/J.COMPELECENG.2021.107216.
Singh, P., & Sharma, A. (2022). An intelligent WSN-UAV-based IoT framework for
precision agriculture application. Computers and Electrical Engineering, 100.
https://doi.org/10.1016/J.COMPELECENG.2022.107912.
Sinha, B., & Dhanalakshmi, R. (2022). Recent advancements and challenges of Internet
of Things in smart agriculture: A survey. Future Generation Computer Systems,
126, 169–184. https://doi.org/10.1016/j.future.2021.08.006
Sushanth, G., & Sujatha, S. (2018). IOT Based Smart Agriculture System. 2018
International Conference on Wireless Communications, Signal Processing and
Networking (WiSPNET). https://doi.org/10.1109/WISPNET.2018.8538702
Tephila, M., Sri, R., Abinaya, R., Lakshmi, J., & Divya, V. (2022). Automated Smart
Irrigation System using IoT with Sensor Parameter. 2022 International Conference
on Electronics and Renewable Systems (ICEARS), 543–549.
https://doi.org/10.1109/ICEARS53579.2022.9751993
Thirrunavukkarasu, R., Meeradevi, T., Ganesh Prabhu, S., Arunachalam, J., Manoj
Kumar, P., & Prasath, R. (2021). Smart Irrigation and Crop Protection Using
Arduino. 2021 7th International Conference on Advanced Computing and
Communication Systems, ICACCS 2021, 639–643.
https://doi.org/10.1109/ICACCS51430.2021.9441867.
Tiglao, N., Alipio, M., Balanay, J., Saldivar, E., & Tiston, J. (2020). Agrinex: A low-
cost wireless mesh-based smart irrigation system. Measurement, 161.
https://doi.org/10.1016/J.MEASUREMENT.2020.107874.
Tovar, J., Solórzano, J. D. los S., Badillo, A., & Rodríguez Cainaba, G. (2019). Internet
de las cosas aplicado a la agricultura: estado actual. Lámpsakos, (22), 86–105.
https://doi.org/10.21501/21454086.3253
Turner, M. (2010). Digital Libraries and Search Engines for Software Engineering
Research: An Overview. January 2010, 1–11.
http://ebse.webspace.durham.ac.uk/wp-
content/uploads/sites/49/2022/08/SearchEngineIndex_v5.pdf.
Tzounis, A., Katsoulas, N., Bartzanas, T., & Kittas, C. (2017). Internet of Things in
agriculture, recent advances and future challenges. Biosystems Engineering, 164,
31–48. https://doi.org/10.1016/j.biosystemseng.2017.09.007.
Vásquez-Bermúdez, M., Hidalgo, J., Crespo-León, K., & Cadena-Iturralde, J. (2019).
Citizen Science in Agriculture Through ICTs. A Systematic Review. In: Valencia-
García, R., Alcaraz-Mármol, G., Cioppo-Morstadt, J., Vera-Lucio, N., Bucaram-
Leverone, M. (Eds.). ICT for Agriculture and Environment. CITAMA2019 2019.
Advances in Intelligent Systems and Computing, 901, (pp. 111–121). Springer.
https://doi.org/10.1007/978-3-030-10728-4_12
Venkatesh, J., Ramasamy, K., Aruna, M., Praveen, K., Sasikala, N., & Nasani, K.
(2022). EAgri: Smart Agriculture Monitoring Scheme using Machine Learning
Strategies. 2022 International Conference on Innovative Computing, Intelligent
Communication and Smart Electrical Systems (ICSES).
https://doi.org/10.1109/ICSES55317.2022.9914216
Verdouw, C., Wolfert, S., & Tekinerdogan, B. (2016). Internet of things in agriculture.
CABI Reviews, 11(35)., 1-12. https://doi.org/10.1079/PAVSNNR201611035.
Wu, J. (2022). Crop Growth Monitoring System Based on Agricultural Internet of
Things Technology. Journal of Electrical and Computer Engineering, 2022, 1–10.
https://doi.org/10.1155/2022/8466037
Copyright (2023) © Martín Carlos Abad Alay, María Alejandra Méndez García y
Orlando Ramiro Erazo Moreta
Este texto está protegido bajo una licencia internacional Creative Commons 4.0.
Usted es libre para Compartir—copiar y redistribuir el material en cualquier medio o
formato — y Adaptar el documento — remezclar, transformar y crear a partir del
material—para cualquier propósito, incluso para fines comerciales, siempre que cumpla
las condiciones de Atribución. Usted debe dar crédito a la obra original de manera
adecuada, proporcionar un enlace a la licencia, e indicar si se han realizado cambios.
Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que tiene
el apoyo del licenciante o lo recibe por el uso que hace de la obra.
Resumen de licencia – Texto completo de la licencia
