Artículo

Agricultura de precisión: un monitoreo de teledetección

Arquitectura del sistema

Anna Triantafyllou, Panagiotis Sarigiannidis y Stamatia Bibi *

Departamento de Ingeniería Eléctrica e Informática Universidad de Westen Macedonia, Koeani 50100,

Grecia

Correspondencia atriantafyllouuowm.gr (A.T.); [email protected] (PS); [email protected] (5.B.)

Este documento es una versión extendida de nuestro documento publicado en Intemational Warkshop
en loT Applications y

Industry 40 (T4 2019), ubicada junto con IEEE DCOSS 2019, Isla de Santorini, Grecia

comprobar

Recibido: 29 de septiembre de 2019, Aceptado: 3 de Navember 2019, Publicado: 9 de noviembre de

2019

actualizaciones

Resumen: Smart Farming es un desarrollo que enfatiza el uso de tecnologías modernas en

ciclo de gestión del campo ciberfísico. Tecnologías como Internet de las cosas (loT) y la nube

La informática ha acelerado la transformación digital de las prácticas agrícolas convencionales.

prometedor aumento de la tasa de producción y la calidad del producto. Sin embargo, la adopción de la
agricultura inteligente es

obstaculizado debido a la falta de modelos que brinden orientación a los profesionales sobre lo
necesario

Cumponentes que constituyen sistemas de monitoreo basados en TI. Para guiar el proceso de diseño

e implementando sistemas de amarre de agricultura inteligente, en este documento proponemos una

referencia genérica

modelo de arquitectura, teniendo también en cuenta un requisito no funcional muy importante

La restricción del consumo de energía. Además, presentamos y discutimos las tecnologías que
incorporan

las siete capas del modelo de arquitectura que son la capa de sensor, la capa de enlace, la encapsulación
Capa, la Capa de Middleware, la Capa de Configuración, la Capa de Gestión y la Aplicación

Capa. Además, el modelo de arquitectura de referencia propuesto se ejemplifica en un mundo real

Solicitud de estudio de la agricultura de azafrán en Kozani, Grecia

Keywards: redes inalámbricas de sensores; Internet de las Cosas; Agricultura de precisión; agricultura
inteligente

tecnologías de la comunicación; Computación en la nube

1. Introducción

Actualmente, la transformación digital del sector agrícola se considera una prioridad para enfrentar el

Los desafíos de numervus presentados en los campos. Monitoreo ambiental y control remoto en

la agricultura está creciendo rápidamente hacia el desarrollo de una agricultura más productiva y
competitiva

sistemas y herramientas. Irecision Agriculture y Senart Farming pueden conducir a esta dirección. Estos
dos términos

referirse a la integración de tecnologías avanzadas en las prácticas agrícolas existentes para lograr una
grilla fina

manejo de cultivos. Los sistemas agrícolas inteligentes pueden proporcionar a los agricultores datos
ambientales significativos

de los campos de cultivo con el objetivo de impulsar la competitividad y las ganancias. Casi todos los
aspectos de la

El campo agrícola puede beneficiarse de este tipo de avances tecnológicos que van desde la siembra y.

procesos de riego para protección de plantas y métodos de cosecha

El futuro de la agricultura de precisión se basa en los avances tecnológicos modernos y remotos.

técnicas de detección que utilizan vehículos aéreos no tripulados (UAV) y diferentes tipos de sensores
inteligentes. Sensores

son dispositivos de medición que convierten un estímulo externo o una señal de entrada, en un

señal de salida medible Los dispositivos sensores pueden transformar el tamaño macroscópico (luz,
potencia, presión

etc) a un tamaño medible eléctricamente. Una vez que se procesa la señal eléctrica, se convierte en un
Señal estandarizada con ciertas características. Las propiedades del sensor pueden alterarse de manera
medible

manera, directa o indirectamente por la exposición a un analizador particular o cambio en el medio

ambiente

Cundiciones. Los UAV son vehículos voladores que no tienen un piloto en su eje. En cambio, vuelan de
forma autónoma o por control remoto. Las aeronaves no tripuladas utilizadas para monitoreo remoto
son parte

de sistemas aéreos no tripulados (UAS). UASS involucra todos los dispositivos y procedimientos
necesarios para UAV

operación, mientras se gestiona la recopilación de datos. Los UAVS permiten la Observación de la Tierra
(EO) para mejorar

precisión, ejecutando un monitoreo más frecuente y mejor de los campos y cubriendo grandes (no
fácilmente

áreas accesibles). Los sensores y los UAVS son parte del paradigma de Internet de las cosas (loT). El IoT
es un

red de comunicación moderna que implica el empleo de una gran cantidad de dispositivos inteligentes
distribuidos

dispositivos alrededor de una red unificada de área amplia. Su característica básica se basa en la
capacidad de reconocer

y notifique a los usuarios instantáneamente sobre eventos en tiempo real mediante el uso de objetos
inteligentes. Dispositivos inteligentes de objetos

Tener habilidades computacionales básicas, recursos limitados e identificadores únicos para la

comunicación.

Sin embargo, la adopción de la agricultura inteligente se ve obstaculizada por la falta de modelos que
ofrezcan

Orientación a los profesionales sobre los componentes necesarios que constituyen el monitoreo basado
en loT

sistemas. La naturaleza típicamente densa y heterogénea de las implementaciones de loT plantea

enormes desafíos.

sobre interoperabilidad entre los componentes deseados. Sin embargo, una arquitectura eficientemente
diseñada basada
en las modernas tecnologías de IoT mejoradas puede allanar el camino para adoptar y desplegar
fácilmente

sistemas en nuestras actividades cotidianas. En los últimos años se presentaron un número significativo
de esfuerzos.

en relación con la estructura de red y las tecnologías más adecuadas para aplicaciones de agricultura
inteligente [1-9].

Sin embargo, los modelos arquitectónicos presentados en [1,7-9] se basaron solo en nodos de sensores
estáticos, ignorando

La ventaja de los UAVS en el monitoreo y la falla al proporcionar un mapeo eficiente del campo al

granjero. Además, no se emplearon mecanismos de predicción en [2] para mejorar la producción.

Además, se proporcionó una contribución limitada en [3-5] con respecto al ahorro de energía y la capa
de enlace loT

tecnologías en sistemas de información de gestión agrícola, mientras que el modelo agrícola basado en
datos

propuesto en [6] no discutió cuestiones de seguridad de datos. A diferencia de estudios anteriores, la

contribución

de este artículo se basa en la presentación de un modelo arquitectónico detallado para un dispositivo

inteligente avanzado

sistema de monitoreo agrícola mediante el uso de UAVS y teniendo en cuenta el ahorro de energía y la
seguridad

requisitos Este modelo arquitectónico incorpora nuevas tecnologías loT [10] y un sensor inalámbrico

Capacidades de redes (WSN) para proporcionar una visión suficiente de la agricultura de precisión.
además

La arquitectura propuesta permite una combinación de técnicas modernas de detección remota, como
UAV

seguimiento, Sistema de posicionamiento global (GPS) para detección de ubicación, Sistemas de

información geográfica

(GIS), monitoreo en tiempo real con diferentes tipos de sensores y sistemas inteligentes de control de
entrada. Estas

Ya se han probado tecnologías en varios campos agrícolas en diferentes países para

cultivo de arroz, trigo, tomates, hortalizas, papas, flores ornamentales, frío, cacao, pimiento,
cormo, aceitunas, manzanas, limones, uvas y otros. Al incorporar nuevas tecnologías en la agricultura

producción y mediante el uso de técnicas modernas de EO, los productores podrán gestionar sus cultivos
a una

tipo de nivel diferente y más avanzado en detalle que no era posible hace unos años. Esta

El papel es una extensión de nuestro trabajo en [11. Hacia una mejor contribución, también es un
estudio de caso de uso

presentado en relación con un proyecto de investigación en curso conocido como Drone Innovation en la
agricultura de azafrán

Vigilancia (DIAS) El modelo arquitectónico DIAS se basa en el paradigma propuesto.

Este artículo está organizado de la siguiente forma: La sección 2 presenta una visión general de la
agricultura inteligente propuesta

Sistema de monitoreo de la arquitectura. En la Sección 3, se introduce la capa del sensor, seguida de la

red.

layer y sus protocolos y tecnologías adecuados con respecto a la comunicación, enrutamiento,

encapsulación

técnicas y mecanismos de interoperabilidad en la Sección 4. La Sección 5 se centra en la gestión

capa y los servicios proporcionados del sistema de monitoreo propuesto, mientras que la Sección 6 se
enfoca en loT

aplicaciones agricolas. La sección 7 trata sobre tecnologías de ahorro de energía y mecanismos de

seguridad.

que puede implementarse en cooperación con las tecnologías de redes del sistema. El caso de uso

El estudio de la arquitectura DIAS se presenta en la Sección 8. Se mencionan los desafíos existentes y

discutido en la Sección 9. Finalmente, la Sección 10 concluye este estudio.

2. La arquitectura de un sistema de monitoreo de agricultura inteligente

Un sistema de monitoreo de agricultura de precisión consiste principalmente en la detección de

parámetros agrícolas,

la identificación de la ubicación de detección y la recopilación de datos, el enrutamiento de datos del

campo de cultivo a estación de control para la toma de decisiones, la decisión de actuación y control
basada en datos detectados y la
visualización de resultados al productor a través de una aplicación. El diseño arquitectónico de nuestro
modelo.

sigue el estándar ISO / IEC 7498-1 o también conocido como el Modelo OSI [12], proponiendo una
comunicación

sistema en siete capas de abstracción. Sin embargo, debido al empleo de tecnologías bajas y artificiales

capacidades de inteligencia las capas agrícolas básicas se definen como se presenta en la Figura 1:

La capa del sensor, que se refiere a la capa física del modelo OSI, incluye todo tipo de

sensores de cultivos y objetos inteligentes para la recolección y monitoreo de datos. Se pueden colocar
sensores

bajo tierra (en el suelo), en los cultivos o en UAVS [6). Los sensores subterráneos son especialmente

fabricado para ser resistente al agua y generalmente se refiere a mediciones de humedad, pH y suelo

propiedades químicas como el azufre. Los sensores UAV miden parámetros ambientales como

humedad, temperatura, velocidad del viento, luminosidad o radiación solar. Sin embargo, el más popular

El tipo de sensores que se colocarán en los UAVS son cámaras térmicas. Drones térmicos que usan visión
Las cámaras de imágenes tienen muchos usos positivos al detectar el calor proveniente de casi todos los
objetos

y materiales que los convierten en imágenes y video.

La capa de enlace, que se refiere a la capa de enlace de datos del modelo OSI, constituye todos los
disponibles

tecnologías de redes y enrutamiento entre sensores para el intercambio de información. Desplegar

gestión eficiente de cultivos y campos, la plataforma loT utiliza Wireless Sensor Networks (WSN)

El uso de WSN en sistemas agrícolas inteligentes proporciona monitoreo inmediato y optimización de

calidad del cultivo, al tiempo que ofrece un potencial para la vigilancia de grandes áreas con altas
densidades de muestreo.

El monitoreo constante de una gran cantidad de parámetros ambientales por sensor distribuido
los nodos a lo largo del campo ayudan al productor a supervisar y mantener condiciones óptimas para
lograr

Máxima productividad con un notable ahorro de energía.

La capa de encapsulación, que se refiere a la capa de red del modelo OSI, se centra en

establecimiento de conexión de sensor inteligente a internet basado en IPv6. Esta capa consta de

Técnicas de encapsulación en red y protocolos de enrutamiento para transformar el WSN regular

tráfico de red en información inteligente. En otras palabras, las tecnologías de esta capa permiten

Los datos sensoriales de campo cultivados se encapsularán en paquetes de enrutamiento IPv6 y se

enviarán al

de acuerdo red scrver

La capa de middleware, que se refiere a la capa de transporte del modelo OSI, utiliza diferentes
aplicaciones

protocolos de transporte de nivel para reenviar los datos generados a partir de dispositivos sensores IoT
basados en

diferentes paradigmas También proporciona interfaces que permiten la comunicación del dispositivo
para la gestión.

o fines de actuación. Esta capa facilita la interoperabilidad deseada debido a la existencia de

diversos estándares, avalados por diferentes entidades

La capa de configuración, en referencia a las capas de sesión y presentación del modelo oSI,

está situado entre la capa de middleware y la capa de gestión. Esta capa es responsable

para recopilar los datos brutos provenientes de los dispositivos u otros servicios externos, seleccionar,
armonizar

y posiblemente agregarlos, para que puedan publicarse como información de contexto, o suministrarse

a algoritmos de procesamiento de datos ascendentes o análisis. Además, esta capa también es capaz de

enviando comandos de actuación a la capa de middleware. Finalmente, la capa de configuración puede

también ser capaz de recopilar datos de otras fuentes de datos, como maquinaria agrícola o

servicios geográficos públicos.

La capa de gestión implica el procesamiento y análisis de los datos recopilados. En esta capa
Se adoptan las técnicas más eficientes de gestión y minería de datos para obtener datos precisos

predicciones y apoyo con respecto a operaciones de campo como la aplicación optimizada de pesticidas,

detección de enfermedades, manejo eficiente del riego. El procesamiento de datos es compatible con la
Decisión

Sistemas de soporte (DS) que se encargan de la gestión general de la información recopilada disponible

desde los campos hacia aumentar la productividad, optimizar el rendimiento de los cultivos, mantener la
calidad

y ahorro de recursos. Es bien sabido que los agricultores sufren grandes pérdidas económicas debido a

pronóstico del tiempo incorrecto o métodos de riego incorrectos. El análisis de datos es lo más
importante.

componente de los sistemas agrícolas loT que resulta en un uso eficiente de pesticidas y protección
contra

enfermedades Esta capa puede considerarse una capa adicional con respecto a la habilitación del
modelo OSI

avances de inteligencia artificial al sistema general.

La capa de aplicación, que se refiere a la capa de aplicación del modelo OSI, incluye todos

Interfaces de módulo de aplicación adecuadas para implementar fertilizantes y control de riego,

enfermedades

y detección de animales, alertas sobre el proceso de cultivo y visualización de estadísticas

datos. Esta capa permite al agricultor monitorear y administrar sus campos de una manera fácil de usar.

Técnicas de visualización de datos como gráficos, mapas de calor, ortomosaicos y tridimensionales.

Se emplean modelos, entre otros, para permitir una representación fácil e intuitiva del conocimiento

adquirido del monitoreo de campo. El agricultor puede inspeccionar los resultados producidos por los
servicios.

del sistema y tomar medidas en consecuencia.

Los mecanismos de ahorro de energía y las técnicas de seguridad y privacidad de datos también se
consideran

muy importante en el contexto de la agricultura inteligente y debe aplicarse verticalmente en todas las
capas de
la arquitectura. Apoyar la eficiencia y efectividad de un sistema inteligente de monitoreo de la
agricultura.

El consumo de energía debe mantenerse bajo control. Debido a la vida útil de la batería limitada y
limitada

recursos de los nodos sensores, las técnicas de ahorro de energía deben aplicarse en todo el sensor y la
red

capa en consecuencia. Las técnicas de ahorro de energía se ocupan del tiempo operativo activo e
inactivo.

en cada nodo sensor, la programación de la transmisión de información y el proceso de enrutamiento de

datos

paquetes Además, los mecanismos de seguridad son vitales para mantener la privacidad de los datos
recopilados y

salvaguardar el intercambio de información personal de los agricultores

3. La capa del sensor

El Sensor Layer se encarga de adquirir los datos de las diferentes variables climáticas y del suelo.

involucrado en el crecimiento y la producción de los cultivos. Los datos pueden ser adquiridos por
sensores de tierra,

ubicado arriba o dentro del suelo, o por sensores UAV que involucran cámaras integradas, ubicación y
otros

sensores La capa de sensor constituye la cuna de los enfoques de EO de módem para optimizar

soporte de decisiones en sistemas de monitoreo de teledetección. El monitoreo EO de las áreas de

cultivo es

altamente mejorado utilizando UAVS autónomos. Las técnicas populares de EO incluyen satélite y radar

tecnologías [13] hacia la estimación de parámetros biofísicos básicos en los campos, como el área de la
hoja

Índice (LAI), altura del cultivo y requerimientos de agua [14,15]. Según [16] tecnologías basadas en radar

se utilizan para permitir la estimación de la variabilidad espacial de la humedad del suelo y pueden
estimar eficientemente el LAI.

Sin embargo, EO puede lograr resoluciones espaciales más altas y robustas solo con calibración contra
precisión
instrumentos de verdad básica que miden dentro de resoluciones de escala de campo. Los UAVS
implementan EO mediante el uso

técnicas de fotogrametría que permiten la generación de modelos digitales tridimensionales de

superficie de

campos. En particular, adquisición de imágenes autónoma, manual o basada en GPS, generación de

ortoimágenes y

Se emplean triangulación de imágenes y georreferenciación basadas en sensores de navegación. Más

información

con respecto a estos métodos se proporciona en las Secciones 5 y 8.2. En la capa del sensor, cada sensor
envía el

datos adquiridos en la nube a través de un WSN. El WSN está formado por nodos sensores que operan
bajo un

malla o topología punto a punto, un nodo coordinador y una puerta de enlace. Cada nodo en dicha red
es

conectado a uno o más sensores [171. En agricultura de precisión, los tipos más importantes de sensores
para

medir los diferentes tipos de atributos del cuerpo son

Sensores ópticos / Sensores UAv: los sensores ópticos suelen estar integrados en los UAVS y utilizan luz

información de reflexión para medir las propiedades variables del suelo y la vegetación. En ese caso,

los sensores adquieren datos de imagen, que luego se analizan con técnicas de fotogrametría

Los detectores de objetos y el reconocimiento de patrones forman el bloque de construcción básico para
extraer información

De las imágenes. Dicha información puede incluir la vegetación y el color del suelo, la humedad.

contenido y temperatura del suelo y la vegetación, la posición, altura, tamaño y forma de la vegetación.

junto con el nivel de clorofila. En esta categoría encontramos sensores de luz visible, multiespectrales.

sensores, sensores hiperespectrales y sensores térmicos

Sensores electroquímicos / sensores de tierra: estos tipos de sensores adquieren datos sobre

contenido de nutrientes del suelo y su pH asociado. Los electrodos en estos sensores funcionan
detectando
iones específicos en el suelo. Se pueden reconocer diferentes familias de sensores electroquímicos
dependiendo

sobre la magnitud eléctrica utilizada para la transducción del evento de reconocimiento:

potenciométrico, que

indica cambio de potencial de membrana; conductométrica, que indica cambio de conductancia;

impedimétrico, que indica cambio de impedancia; y voltamétrico o amperométrico, que

indica cambio de corriente para una reacción electroquímica con el voltaje aplicado en el primer

caso, o con el tiempo a un potencial aplicado fijo en este último

Sensores de ubicación / sensores UAV: los sensores de ubicación generalmente están integrados en UAVS
y proporcionan

Información espacial sobre el posicionamiento de un elemento. Estos tipos de sensores usan señales

desde satélites GPS para determinar la latitud, longitud y altitud a unos pocos pies. Tres satélites

se requieren mínimos para triangular una posición. El posicionamiento preciso es la piedra angular de la
precisión.

agricultura. Los circuitos integrados GPS como el NJR NJG1157PCD-TE1 son un buen ejemplo de

sensores de ubicación

Estaciones meteorológicas / sensores de tierra: las estaciones meteorológicas son unidades

independientes situadas en diferentes

ubicaciones en todos los campos de cultivo. Estas estaciones miden varios datos para precisión

agricultura como flujo de aire, lluvia estacional, velocidad del viento, nivel de humedad, dirección del
viento,

presión atmosférica y radiación solar, etc. Las estaciones meteorológicas son un componente importante

de las tecnologías EO, ya que pueden proporcionar información agrometeorológica diaria sobre

campos de cultivo

Resumiendo lo anterior, la Tabla 1 presenta los datos adquiridos con mayor frecuencia por los sensores
en el

dominio agrícola Un nodo sensor consiste en un transceptor de radio con una antena interna o un

conexión a una antena externa, un microcontrolador, un circuito electrónico para interactuar con el
sensores y una fuente de energía, generalmente una batería o una forma integrada de recolección de
energía. Hay numerosos

Modelos comerciales de microcontroladores para ser utilizados en aplicaciones agrícolas de precisión. Lo

mas

Los más populares son los tableros Arduino, Raspberry Pi, Atmega328 y LPC2148. En consecuencia,

Los módulos de comunicación inalámbrica más utilizados son el módulo XBee, el módulo WSN802G

y el módulo NRF24LO1. Un nodo sensor puede variar en tamaño y costo, dependiendo de la complejidad

de sus capacidades. Las restricciones de tamaño y costo resultan en limitaciones correspondientes en

recursos tales como

energía, memoria, velocidad de cómputo y ancho de banda de las comunicaciones. Los tipos de sensores
que son

se utiliza principalmente en sistemas de monitoreo de agricultura inteligente se resumen en la Tabla 2

4. La capa de red

4.1. La capa de enlace

En agricultura de precisión, los protocolos y tecnologías de comunicación WSN se utilizan para soportar

la conexión entre nodos sensores en la red y para proporcionar un canal para la comunicación

entre el nodo coordinador y la puerta de enlace. Según el tipo de aplicación, como la precisión

agricultura, manejo de riego de campo o manejo de cultivos de invernadero, la topología de la red de

sensores

y las demandas de comunicación pueden diferir. Las características de hardware y software también
pueden afectar

La elección de la tecnología de comunicación que se utilizará entre los nodos. Cada nodo usa una ruta

protocolo [18] en vista de transferir los datos recopilados al nodo coordinador.

Basado en muchos estudios experimentales en campos agrícolas, no existe una combinación ideal de

Tecnología de comunicación específica y un protocolo de enrutamiento. Descubrir y mantenerse al día

con las rutas en
WSNS es una tarea bastante exigente ya que las restricciones de energía y las alteraciones en el estado
del nodo, como la falla

puede causar cambios repentinos en la topología de la red. Es un hecho que la solución de enrutamiento
inalámbrico para

Las aplicaciones agrícolas deben ser altamente eficientes, escalables y autónomas. Hasta ahora

Las tácticas de enrutamiento propuestas en la literatura para WSNS emplean métodos específicos como
la agregación de datos,

agrupación, asignación de roles de nodo diferente y métodos centrados en datos.

El objetivo básico es construir cada sistema de monitoreo inteligente sobre la red apropiada de la
aplicación

tecnologías para operar de manera eficiente con un consumo mínimo de energía. Una vez que el nodo
coordinador

obtiene los datos, reenvía el flujo de información a la puerta de enlace para llegar al servidor principal,
donde

Se encuentra la base de datos. Sin embargo, en algunos casos, el nodo coordinador puede ser sustituido
por una base

estación para obtener los datos recopilados utilizando una conexión Wi-Fi como se presenta en [2, u otro
celular

tecnología de la comunicación.

4.1.1 Protocolos de comunicación de agricultura de precisión

Existe una amplia variedad de tecnologías de red adecuadas para el despliegue de la agricultura
inteligente.

aplicaciones. Los más populares son los siguientes:

El estándar IEEE 802.15.4 es una tecnología de red ampliamente utilizada en agricultura de precisión y

define la capa física y la técnica de control de acceso a medios (MAC) en la tecnología inalámbrica de
baja velocidad

Redes de área personal (LR-WPANS).

ZigBee es otra tecnología adecuada para la comunicación por radio de corto alcance en los campos que
utilizan
dispositivos de baja potencia capaces de transmitir datos a largas distancias utilizando estaciones
intermedias LoRa es un tipo de configuración inalámbrica que se ha creado para lograr conexiones de
largo alcance

para redes de área amplia de baja potencia (LPWANS). LORAWAN es un protocolo para gestionar

comunicación entre puertas de enlace LPWAN y nodos.

Bluetooth Low Energy es un protocolo de red de área personal global creado para transmitir pequeños

piezas de datos con poca frecuencia a tasas bajas con un consumo de energía significativamente bajo por
bit

RFID (identificación por radiofrecuencia) es una tecnología diferente que utiliza señales de radio para
monitorear

e identificar objetos en tiempo real sin requerir comunicación de línea de vista. Una RFID

el sistema incluye un lector, una etiqueta y un host, y se presenta como ideal para el monitoreo de
campo en

estudios múltiples

Además, la comunicación entre los nodos sensores y una estación base puede ser apoyada por:

El protocolo Wi-Fi, basado en el estándar IEEE 802.11. Este estándar especifica el conjunto de medios

protocolos de control de acceso (MAC) y capa física (PHY) para implementar área local inalámbrica

red (WLAN) Wi-Fi comunicación de computadora en varias frecuencias

GSM (Sistema Global para Comunicaciones Móviles), un estándar desarrollado por los europeos

Instituto de Normas de Telecomunicaciones (ETSI) para describir los protocolos para la segunda
generación

(2G) redes celulares digitales utilizadas por dispositivos móviles como teléfonos móviles y tabletas

El estándar de tecnología GPRS (Servicio general de paquetes de radio) que proporciona un envío rápido
y

recepción de datos a través de redes móviles GSM basadas en la conmutación de paquetes, un conocido

proceso de transmisión de red

2G, 3G y 4G (LTE) son, respectivamente, la segunda, tercera y cuarta generación de tecnología GSM

apuntando a velocidades más altas

La Tabla 3 resume las tecnologías de comunicación adoptadas en los sistemas de agricultura inteligente
según

a la literatura

Tabla 3. Tecnologías de redes de agricultura inteligente

Tecnología de la comunicación

Velocidad de datos

Banda de frecuencia

Distancia

Referencias

IEEE 802.15.4

IEEE 802.15.4-ZigBee

Wi-Fi-IEEE 802.11

20-250 Kbps

20-250 Kbps

450 Mbps

64 Kbps

14,4 Kbps-2 Mbps

100 Mbps-1 Gps

0.3-50 Kbps

1 Mbps

400 Kbps

2400/915/868 MHz

2400/915/868 MHz

2.4 GHz-5 GHz

00 MHz-1800 MHz

1.6-2 GHz
2-8 GHz

433,868,780,915 MHz

2.4 GHz-2485 GHz

125 KHz-915 MHz

10 m

10-100 m

[19

12,201

121

[21]

[14

1,22

51

[23

100 m

GPRS-2G GSM

3G

4G-LTE

LoRa

Bluetooth LE

RFID

100 m

100 m

100 m

2-5 km
100 m

3m

4.1.2. Protocolos de enrutamiento de agricultura de precisión

Los algoritmos de enrutamiento de datos juegan un papel importante en WSNS al establecer la ruta de

comunicación para el intercambio de datos entre nodos sensores y estaciones base en una red. Una
variedad

de técnicas de enrutamiento se han propuesto hasta ahora, con el objetivo de lograr un mayor
rendimiento con

Mínimo consumo de energía. Los protocolos de enrutamiento de IoT y WSN se pueden clasificar según la
red

estructura y la forma en que la información se difundirá a través de la red. Un protocolo de

enrutamiento puede

pertenecen a más de una categoría, con el objetivo de satisfacer la mayor cantidad posible de métricas
de rendimiento.

De acuerdo con la forma en que las decisiones de enrutamiento se toman enrutamiento proactivo y
reactivo

Se pueden utilizar técnicas. El enrutamiento proactivo (o controlado por tablas) admite la renovación
periódica y

Actualización de las rutas y destinos que se forman entre los nodos en toda la red

Por otro lado, el enrutamiento reactivo (o bajo demanda) incluye descubrir rutas bajo demanda

sobre la transmisión de paquetes de solicitud de ruta. La desventaja de los protocolos reactivos es su

latencia,

dado que las transmisiones por rutas desconocidas o caducadas se enfrentan a demoras, por lo que la
aplicación o

el protocolo de enrutamiento debe tener en cuenta el almacenamiento en búfer o la caída de datos.

Además, según la estructura WSN, los algoritmos de enrutamiento pueden depender de los nodos
vecinos para

difundir la información recopilada. Otra técnica popular se basa en dividir la red en

racimos Cada clúster depende de un nodo principal del clúster para gestionar el enrutamiento de
información entre
otros grupos o estaciones base. El enrutamiento jerárquico es el método de enrutamiento más popular
en smart

sistemas de monitoreo agrícola y monitoreo de parámetros del suelo [23,24]. Protocolos de

enrutamiento de múltiples rutas

también se puede usar para implementar un sistema de monitoreo de granja inteligente para equilibrar
la carga de transferencia de datos y

energía conservada La Tabla 4 presenta ejemplos característicos de protocolos de enrutamiento

adoptados en smart

sistemas de cultivo según la literatura

Tabla 4. Protocolos de enrutamiento de agricultura inteligente.

Protocolos de enrutamiento

Categoría

Caracteristicas

Destinado en secuencia

Vector de distancia (DSVD)

Disponibilidad de ruta a todos los destinos de red con

retraso mínimo

Proactivo

Enlace de estimación padre

Se mantiene un mapa de la red con respecto a

interconexión de nodos

Proactivo

Selección (LEPS)

Bajo ligero ligero

Enrutamiento ad-hoc (TinyLunar)

Las interfaces proporcionadas ayudan a

formar
ruta

Reactivo

características

Ad-hoc bajo demanda

Vector de distancia (AODV)

Utilizado en el protocolo de comunicación ZigBee para

interconexión de nodos sensores

Reactivo

Fuente dinámica

Enrutamiento (DSR)

Estado de enlace optimizado

Protocolo de enrutamiento (OLSR)

Se forma una ruta bajo demanda cuando una transmisión

Reactivo

el nodo lo solicita

La información sobre el estado de los nodos se utiliza para

seleccione la ruta adecuada para el reenvío de paquetes

Retransmisión confiable de información utilizando

Enrutamiento plano

Enrutamiento plano

ProtoSense

mensajes de confirmación

Umbral periódico sensible

Tiene en cuenta el ahorro de energía y la red.

vida útil [24]

Jerárquico

Sensor de eficiencia energética

Red (APTEEN)

Algoritmo de enrutamiento de ubicación

con inundación en racimo

(LORA-CBF) [25]

Enrutamiento

Utiliza el método de inundación en una red jerárquica.

estructura para enrutar paquetes de datos

basado en acción

enrutamiento

4.2. La capa de encapsulación

La mayoría de las aplicaciones actuales de monitoreo agroambiental se basan en máquinas para

soporte de comunicación de máquina (M2M) con respecto a la transmisión de datos en tiempo real. Hay
una variedad

de patrones de comunicación que se utilizarán para que el terminal pueda recibir la información
necesaria para

Monitorear la producción. Las tecnologías WSN, mejoradas por el paradigma IoT, permiten sensores
inteligentes

comunicación y conexión a internet basada en IPv6, al abordar los sensores agrícolas

con direcciones largas IPV6 que pueden caber en tramas de enlace de datos loT livianas. IoT puede
mejorar inmensamente

las capacidades autónomas de los nodos con recursos limitados en una red de baja potencia y con
pérdida

(LLN) Un WSN agrícola es un LLN. En dicha red, algunos de los nodos pueden tener una conexión directa.

Conexión a Internet para enviar y recibir mensajes de Internet. Sin embargo, otros nodos de la

misma red, puede carecer de ese tipo de capacidad debido a limitaciones de hardware y requerir el uso
de
Nodos conectados a Internet para acceder a servicios externos. El intercambio de datos en un contexto
local también es posible

sin la necesidad de transmitir datos a Internet. La tarea de descubrir las rutas y

El enrutamiento permite que los mensajes de datos se transmitan entre los nodos de sensores agrícolas.

protocolo. Debido a este hecho, en tales redes, el rendimiento de la red está fuertemente relacionado
con la forma en que

Los protocolos de enrutamiento utilizan los recursos de hardware limitados del dispositivo de red.

El 6L0WPAN [7,26] es el protocolo de encapsulación de red más popular para la agricultura de precisión.

aplicaciones. Se refiere a la transmisión de paquetes de protocolo IPv6 a través de conexión inalámbrica

de baja potencia Redes de área personal. En un sistema de monitoreo de agricultura inteligente, es
utilizado por dispositivos sensores que

son compatibles con el estándar IEEE802.15.4 para WSN. 6L0WPAN encapsula eficientemente

Encabezados largos IPv6 en marcos de datos pequeños IEEE 802.15.4 para el intercambio de información
entre el sensor

nodos Las ventajas de este protocolo son que utiliza un método especial de compresión de encabezado y

un proceso de fragmentación para reducir la sobrecarga de transmisión [10].

La implementación de IPv6 sobre LoRa [27] permite la transmisión de paquetes de protocolo IPv6 sobre

Enlaces LoRa. Si se elige LoRaWaN para la comunicación del nodo sensor en un monitoreo de agricultura
inteligente

sistema, LoRa es el protocolo MAC responsable de establecer la comunicación entre

LoRa gateway y los dispositivos finales del sensor LoRa. En un sistema de monitoreo agrícola, el IPv6

la adaptación permite el despliegue del paradigma loT como una capa arquitectónica separada. Lo básico

El objetivo de esta capa es gestionar la compresión del encabezado y la fragmentación de paquetes para
tratar

requisitos de modulación LOR2 en la capa física

El IPv6 sobre 802.11lah [10] o Wi-Fi-ah (HaLow) es un protocolo de baja potencia / baja velocidad capaz
de admitir

Numerosos dispositivos de nodo sensor en una sola estación base. Esta tecnología se puede utilizar para
la precisión.
agricultura al permitir que las estaciones base inalámbricas en el campo transmitan datos mientras que
también son energía

conservador. Wi-Fi-ah (HaLow) utiliza características especiales de la tecnología 6LoWPAN para

transmisión efectiva de paquetes de protocolo IPv6 a través de redes inalámbricas IEEE 802.11ah

RPL (enrutamiento IPv6 sobre redes de baja potencia y con pérdida) [26] es el enrutamiento loT más
popular

protocolo basado en la técnica de enrutamiento de vector de distancia. Es un protocolo proactivo que

construye

un gráfico específico capaz de dirigir todo el tráfico hacia el nodo sumidero. RPL es el protocolo de
enrutamiento ideal

para LLNS agrícola, ya que puede crear rápidamente rutas de red entre nodos sensores en el

campo, compartir conocimientos de enrutamiento y adaptar la topología de manera eficiente. También

es eficiente para

comunicación multi-hop, muchos a uno y uno a uno.

LOADng-loT es otro protocolo de enrutamiento de IoT, propuesto en [28] como una mejora para reactivo

protocolo LOADng, que se considera la mejor solución actual para LLNS. LOADng-loT es

capaz de impulsar el proceso de descubrimiento de rutas, reducir la sobrecarga de mensajes de control y

mejorar

La calidad de servicio de la red (Qo S). En un sistema de monitoreo de granja inteligente, este protocolo
permitirá

nodos sensores sin conexión a Internet para reenviar sus paquetes de datos a Internet externo

servicios con mucha mayor confiabilidad y menor latencia

4.3. La capa de middleware

La capa de middleware es responsable de establecer y controlar la asociación entre

Dispositivos sensores de posición. Más específicamente, los servicios de esta capa incluyen la
administración de dispositivos inteligentes por

El uso de diferentes protocolos de transporte para reenviar los datos generados desde los dispositivos
IoT involucrados.
La mayoría de estos estándares de transporte usan el Protocolo de Control de Transmisión (TCP) o el
Datagrama de Usuario

Protocolo (UDP) para reenviar información. Existe una amplia variedad de protocolos de datos [29] que
pertenecen

a esta capa para desarrollar una plataforma de gestión eficiente para dispositivos de campo inteligentes.
Sin embargo,

elegir la tecnología de administración de dispositivos más adecuada depende del software y el hardware

especificaciones, arquitectura de red y tecnología y estándares de comunicación que se utilizan en el

según el sistema para lograr un rendimiento máximo y eficiente. En vista de usar diferentes tipos de

entidades inteligentes en un sistema de monitoreo agrícola, los servicios de esta capa arquitectónica
facilitan la

interoperabilidad deseada de las tecnologías introducidas. Todos los datos recopilados se almacenarán
en un control remoto.

servidor y transmitido a la máquina del cliente a través de interfaces de programación de aplicaciones

(API) que

proporcionar servicios web para usuarios de terceros. APIS permite la comunicación del dispositivo en
un nivel de aplicación

para diferentes tipos de propósitos y se basan en diferentes arquitecturas para transferir datos desde el
servidor

al cliente

El MQTT-SN (transporte de telemetría de colas de mensajes para redes de sensores) es un mensaje

protocolo que facilita la recopilación de datos del dispositivo y la comunicación con los servidores
utilizando intermediarios

Un corredor es una entidad de red que organiza transacciones entre otras entidades de red. Mediante el
uso

El protocolo MQTT, un sistema de monitoreo de agricultura de precisión puede permitir que los
dispositivos de sensores inteligentes publicar mensajes a un corredor y / o suscribirse a un corredor para
recibir ciertos mensajes

Los mensajes intercambiados se organizarán por temas que actúan como un sistema para enviar
mensajes.

a los suscriptores
El COAP (Protocolo de aplicación restringida) es otro protocolo popular para dispositivos loT

gestión de datos. COAP se basa en un patrón de comunicación de solicitud / respuesta que permite

dispositivos restringidos para tener funcionalidades de servicio web. Es un protocolo de transferencia

web similar a HTTP

con la capacidad de extender la arquitectura de transferencia de estado representacional (REST) a baja

potencia

Redes inalámbricas de área personal (LoWPAN). REST es un estilo arquitectónico para proporcionar

estándares entre sistemas informáticos en la web, al tiempo que distinguen las preocupaciones del
cliente

y servidor

El XMPP-loT (Protocolo de Presencia y Mensajería Extensible) es una tecnología abierta para tiempo real

comunicación basada en mensajes XML entre dispositivos conectados y el servidor disponible.

XMPP puede potenciar de manera eficiente la mensajería instantánea, la colaboración y la sindicación de

contenido de forma inteligente

sistema de monitoreo de granja entre todas las entidades de red

La gestión de dispositivos y activos en un sistema de monitoreo de agricultura de precisión también

puede ser

implementado utilizando el software Mihini [30]. Mihini es un proyecto de código abierto de Eclipse

Tecnología que permite la comunicación entre un servidor M2M y las aplicaciones que se ejecutan.

en una puerta de enlace integrada. M3DA es el protocolo utilizado para el transporte de datos M2M.
M3DA puede

Permitir que las aplicaciones del usuario intercambien datos / comandos escritos de un lado a otro con
un servidor M2M,

de una manera que optimiza el uso de ancho de banda

Lightweight M2M [31] de OMA SpecWorks es otro protocolo de administración de dispositivos para
M2M

o loT dispositivos. Se puede utilizar en un sistema de información agrícola inteligente para transferir
eficientemente

datos de servicio de la red a dispositivos con recursos limitados. En contraste con el M2M tradicional
estándares en los que un dispositivo generalmente necesita mantener múltiples pilas de tecnologías,
protocolos

y servicios de seguridad, el esquema LwM2M permite la existencia de una pila de tecnología para

gestión de dispositivos, no solo en el nivel del dispositivo en sí, sino también en el nivel de la aplicación

Además, LwM2M se basa en protocolos y estándares de seguridad de Internet Engineering.

Fuerza de Tarea (IETF)

Los estándares de especificación técnica ONEM2M [32] son una solución próxima para dispositivos y

gestión de activos en agricultura de precisión. ONEM2M es una plataforma de middleware loT que
proporciona

funciones y APls para diferentes dominios de servicio que enfrentan desafíos de interoperabilidad. Ahí

son implementaciones comerciales y de código abierto de esta tecnología.

Un protocolo de cola popular para habilitar la conexión del servidor en loT es el AMQP (Advanced

Protocolo de cola de mensajes). Este protocolo estándar abierto puede facilitar la orientación del
mensaje,

colas, rutas, confiabilidad y seguridad en aplicaciones agrícolas de precisión

Por último, pero no menos importante, el DDS (Servicio de distribución de datos) [33] es el primer M2M
internacional abierto

estándar que aborda directamente las comunicaciones de publicación-suscripción para tiempo real e
integrado

sistemas. Este protocolo tiene la ventaja de proporcionar un intercambio rápido de datos, eventos y
comandos

entre los nodos de sensores loT en un sistema de monitoreo de agricultura de precisión.

4.4. La capa de configuración

La capa de configuración se ocupa de los protocolos que se ejecutan sobre la plataforma de monitoreo
loT

permitiendo el intercambio de datos especificados por su contexto con respecto a lo que se describe, lo
que se midió,

cuándo, dónde, por qué, el tiempo de validez, propiedad y otros. El objetivo principal de esta capa.
es curar, armonizar y agregar los datos en bruto recopilados, para que puedan publicarse como contexto

información, o suministrada a algoritmos de procesamiento de datos ascendentes o análisis. También es

capaz de

enviando comandos operativos a la capa de middleware. La información de contexto es un término

ampliamente utilizado

in loT investiga y caracteriza datos que pueden provenir de sistemas existentes, usuarios, a través de
dispositivos móviles

aplicaciones, dispositivos inteligentes loT, maquinaria agrícola o servicios geográficos públicos. La capa
de configuración

utiliza un agente de loT para garantizar una interpretación común de la información producida por
heterogéneos

fuentes de datos que generalmente emplean diferentes formatos de datos y ontologías, y por lo tanto no
pueden directamente compartir información entre ellos. Un agente de loT permite el reenvío de
dispositivos de nivel inferior

información a información de nivel superior

Con respecto a las aplicaciones de agricultura de precisión, el agente de contexto popular es

implementado por

Tecnología FIWARE NGSI, denominada Orion Context Broker. FIWARE es un marco de código abierto

componentes de la plataforma hacia el despliegue del paradigma IoT. FIWARE NGSI es el FIWARE

versión de OMA NGSI, una API basada en HTTP que permite la integración de componentes

y proporciona la base para la interoperabilidad y portabilidad de la agricultura inteligente habilitada para

loT

aplicaciones [34]. NGSI es un modelo de información desarrollado por OMA SpecWorks para administrar

Información de contexto con un metamodelo basado en entidades, atributos y metadatos. Este

protocolo

gestiona datos relativos a entidades de contexto, como la vida útil y la calidad de la información

La implementación de un sistema inteligente de monitoreo de la agricultura depende en gran medida de

los servicios geográficos,

herramientas de detección de ubicación y tecnologías de mapeo. En tales sistemas, el intercambio de

geográficos
la información debe realizarse sin esfuerzo entre las entidades de red involucradas en

La web. El Open Geospatial Consortium-Web Feature Service (OGC-WFS) [35] constituye un

activo deseable para formular información geográfica y ofrecer acceso directo de grano fino

a nivel de propiedad de característica de los datos para ubicar nodos de sensor en aplicaciones agrícolas
de precisión

OGC ofrece varios estándares que pueden facilitar la forma en que se intercambian y almacenan los
datos de ubicación

Un sistema de cultivo inteligente que se basa en el monitoreo de drones. Además, la web de OpenGIS

El estándar de interfaz de servicio de mapas (WMS) [35] puede ser utilizado eficientemente por UAVS, ya
que proporciona un

Interfaz HTTP simple para solicitar imágenes de mapa georregistradas de una o más distribuidas

bases de datos geoespaciales

5. La capa de gestión

En un sistema de monitoreo de agricultura inteligente, el componente básico de la inteligencia se

considera el

Estudio y filtrado de los datos recopilados. El uso de técnicas EO permite el avance del cultivo.

procedimientos y aumentar la productividad al proporcionar la capa base para el análisis de información

espacial y

monitoreo de actividades agrícolas. Un gran porcentaje de aplicaciones de agricultura inteligente están

basadas

sobre simuladores, programas comerciales y lenguajes de programación específicos para implementar y

controlando el sistema de datos. La capa de administración utiliza herramientas de software moderno

para satisfacer eficientemente

tareas múltiples, presentadas en la Tabla 5.

Se implementa la gestión de la información para que el agricultor pueda consultar, registrar y modificar

información recopilada por los sensores en tablas, gráficos estadísticos y mapas interactivos.
Adicionalmente,

Puede descargar informes diarios, mensuales y anuales de datos históricos. Sin embargo, el agricultor
puede
vea principalmente los datos actuales de las variables monitoreadas de uno o todos los nodos WSN y
consulte el

historia. La interacción con la capa de red y servicios se logra utilizando una capa intermedia de

lógica de gestión [36]. Los datos de WSN se almacenarán en una base de datos en línea (37].

El sistema también permite el análisis de Big Data en el monitoreo de la agricultura mediante el uso de
herramientas como

el software Apache Hadoop y varias plataformas de hardware Big Data [38] como posibles recursos.

Big Data se refiere a los activos de información caracterizados por un volumen, velocidad y variedad tan
altos.

capaz de requerir tecnología específica y métodos analíticos para su transformación en valor [39].

En aplicaciones inteligentes de agricultura de precisión, los datos recopilados se registran en un formato

específico,

para descubrir patrones, corregir errores, eliminar duplicados e inconsistencias y resolver problemas de
ruido.

Las tecnologías de Big Data están desempeñando un papel esencial en los sistemas agrícolas modernos,
ya que las perspectivas predictivas

se proporcionan con respecto a la optimización de la calidad del cultivo, minimizando el impacto

ambiental, reduciendo

costos, aumentando las ganancias y generalmente optimizando la eficiencia de la producción. Además,

Big Data habilita el

gestión de decisiones operativas en tiempo real y rediseño de procesos de negocios para avanzar

La cadena de suministro de alimentos.

Además, el esquema arquitectónico propuesto promueve varias técnicas de procesamiento de datos que

Mejorar el impacto de las tecnologías EO en la agricultura. EO por satélite conduce a la adquisición de

regular

o datos espacialmente continuos con respecto a grandes áreas. Proporciona información esencial sobre
el funcionamiento.

de campos y sobre las causas del cambio ambiental. Los UAVS permiten EO mediante fotogrametría

técnicas para extraer modelos digitales tridimensionales de superficie del campo, así como
ortofotografías.
Un algoritmo popular para este propósito es Structure from Motion (SfM) [40]. Una ortofotografía

se puede usar para crear un mapa realista de los campos midiendo distancias verdaderas y
proporcionando

agricultor una vista útil más clara desde el cielo. Basado en fotografías, herramientas de procesamiento
de imágenes digitales,

como Pix4Dmapper puede calcular varios índices de vegetación que pueden llevar a conclusiones, ya sea

en cada fotografía individualmente o después de la producción de ortofotos con respecto al estado de

los cultivos.

Los índices de vegetación son combinaciones cuantitativas matemáticas de la absorción y dispersión de

planta en diferentes bandas del espectro electromagnético [41]. Calcular los índices de vegetación
ayudará

para identificar características útiles del cultivo en relación con importantes parámetros biológicos y
físicos de la

vegetación. El índice de vegetación más conocido es el Índice de vegetación de diferencia normalizada

(NDVI),

que es la evolución de la relación del índice de vegetación y se calcula por el infrarrojo visible y cercano

luz reflejada de la vegetación.

Por último, el sistema de monitoreo inteligente de la agricultura también realiza procesos de minería de
datos.

basado en herramientas como el Marco Apache Mahout para identificar y descubrir patrones ocultos

en los datos recopilados, una vez que se procesan, en forma de revisiones. Además, Machine Learning

Se utilizarán técnicas en la plataforma de monitoreo inteligente para estimar los parámetros extraídos

de la tasa de crecimiento de los cultivos y también ayudan a identificar objetos o animales a través de las
imágenes recopiladas por

utilizando el análisis de imagen basado en objetos (OBLA) [42]. Además, nuevos modelos de algoritmos
de aprendizaje automático

centrado en la clasificación de datos [43,44]: se puede utilizar para minimizar el tamaño de los datos
redundantes y sujetar

el analisis
Tabla 5. Servicios del sistema de monitoreo de agricultura inteligente

Descripción

La base de datos del servidor central para almacenar y mantener el sensor.

datos recopilados, comandos de gestión y usuario de la aplicación

información

Tipo de servicio

Herramientas

Base de datos

Información

administración

El proceso de gestión de las unidades de sistemas, organización y

mostrar los datos evaluados de una manera fácil de usar

Lógica de gestión

Proceso complejo de examinar conjuntos de datos grandes y variados con un

intención de descubrir información significativa y útil que pueda

ayuda para sacar conclusiones y tomar decisiones.

Apache Hadoop

Marco de referencia

Big Data

analítica

El uso de diferentes plataformas de hardware para Big Data

análisis de acuerdo con el hardware disponible, capacidad de escala y

características de rendimiento de cada plataforma

Hardware de Big Data

plataformas
Imagen digital

tratamiento

Cálculo de índices de vegetación

Datos e imagen

tratamiento

Extracción de modelos digitales tridimensionales de superficie o terreno de

el campo y las ortofotografías

Fotogrametría

tecnicas

Aprendizaje automático

clasificación

Clasificación de datos para disminuir el tamaño de los redundantes.

información e identificación de objetos o animales

algoritmos

Apache Mahout

Marco de referencia

Proceso sistemático y secuencial de identificación de patrones ocultos.

e información en un gran conjunto de datos

Minería de datos

Basado en objetos

Análisis

Imagen

Identificar objetos o animales a través de las imágenes recopiladas.

Además, todos estos servicios están alojados en la nube para poder acceder a ellos de forma remota
desde

cualquier ubicación geográfica

6. La capa de aplicación

Basado en la arquitectura propuesta del sistema de monitoreo de agricultura de precisión, el agricultor

puede

interactuar con las aplicaciones loT del sistema para gestionar de forma remota el proceso de cultivo

Dichas aplicaciones pueden abordar cualquier aspecto del campo agrícola, desde la siembra y el riego.

procesos de protección de plantas y métodos de cosecha [45]. Las aplicaciones que se pueden adoptar
pueden

implican la aplicación de fertilizantes, el mapeo de malezas, el proceso de pulverización, el riego del

campo

y el sistema de alerta.

La aplicación de Fertilizante de tasa variable (VRF) tiene como objetivo optimizar el uso de nutrientes por

definiendo la cantidad de fertilizante aplicado en función de la salud de la planta. Fertilizante de tasa

variable en

La agricultura de precisión es un área de tecnología que se centra en la aplicación automatizada de

fertilizantes para

Un paisaje dado. La forma en que se aplican los materiales se basa en los datos recopilados por

sensores, mapas y GPS. Las aplicaciones VRF aportan varios beneficios relacionados con el ahorro en
fertilizantes y

productos químicos, aumento potencial de rendimiento y protección ambiental. En el mismo contexto es

la variable

Aplicación de pulverización. Este tipo de aplicaciones implementan controladores que activan el

herbicida

pulverizadores de encendido y apagado. Por lo general, las aplicaciones de pulverización variable tienen
en cuenta la información

proveniente de las herramientas de mapeo de malezas como las ubicaciones de malezas. En ese caso el
volumen apropiado

de herbicida se estima y aplica en el campo en función de la intensidad de la maleza.

La aplicación de Mapeo de malezas se enfoca en la visualización de las ocurrencias de malezas dentro de

cierto campo de cultivo con la ayuda de mapeos. El receptor GPS con un vehículo aéreo genera
mapas que muestran las ocurrencias de malezas. Estos mapas de malezas se pueden combinar con
mapas de fertilizantes.

y mapas de rendimiento. El sistema de riego basado en loT utiliza un microcontrolador que sirve como
información

puerta de enlace que recibe información en tiempo real de los sensores de temperatura y humedad del
suelo colocados en el

campos. En general, se especifica un umbral de humedad / temperatura en función del cual el

microcontrolador

enciende automáticamente la bomba de agua. El microcontrolador también tiene servomotores para

garantizar que

El área se riega uniformemente. El usuario final puede gestionar todo el sistema de forma remota a
través de

la aplicación dedicada

Las aplicaciones de alerta / notificación también son muy populares en la agricultura de precisión basada
en loT. Productores

y las empresas agrícolas implementan soluciones loT para rastrear instantáneamente sus campos de
cultivo. En este caso

los datos provenientes de dispositivos loT se procesan y se transforman en conocimiento correctamente

visualizado

para ofrecer información sobre la salud de la vegetación y el suelo, los patrones de comportamiento de

las plantas, detectan signos de enfermedad a tiempo, identifican insectos y animales dañinos y alertan
instantáneamente

productores sobre posibles dificultades. Este tipo de aplicaciones sirve para almacenar y analizar datos,

Proporcionar a los productores recomendaciones relevantes

Las aplicaciones mencionadas apuntan a la gestión eficiente de campos y cultivos para:

aumentar la eficiencia de producción

mejorar la calidad del producto

Proporcionar un uso más eficiente de los productos químicos en el cultivo.

manejar cantidades de pesticidas

reducir el consumo de energía

proteger el suelo

controlar el consumo de agua y las cantidades de agua subterránea

Las aplicaciones agrícolas basadas en loT pueden implementarse para Android o Windows

teléfono inteligente, una tableta o como una aplicación web. Las aplicaciones de la agricultura
inteligente basada en loT aparte de

operaciones agrícolas convencionales y grandes, apunta también a otras tendencias de crecimiento o

comunes en la agricultura

como agricultura orgánica, agricultura familiar (espacios complejos o pequeños, ganado y / o cultivos
particulares,

preservación de variedades particulares o de alta calidad, etc.) y mejorar la agricultura altamente

transparente. Nuestro

El sistema de monitoreo de agricultura de precisión también puede beneficiar la técnica de cultivo en

seco que abarca

Técnicas agrícolas específicas para el cultivo de cultivos sin riego. Además, invernaderos

puede usar nuestro modelo arquitectónico para monitorear de manera inteligente y controlar el clima,
eliminando el

necesidad de intervención manual.

7. Técnicas de ahorro de energía y mecanismos de seguridad.

7.1. Tecnologías de energía Sarving

En aplicaciones de agricultura de precisión, los nodos sensores generalmente funcionan con baterías de
baja energía que

son difíciles o imposibles de recargar o reemplazar. Esto se considera una gran desventaja para

mantener un sistema de monitoreo en tiempo real. Las técnicas de ahorro de energía son vitales para
mantener el sistema.

eficiencia en agricultura inteligente. Este tipo de técnicas puede proporcionar una extensión de la vida
útil de la batería al reducir

cantidad de comunicación entre los nodos y la estación base, mientras se minimiza la redundancia
datos en la red. Las técnicas de conservación de energía para sistemas de agricultura de precisión se
presentan como

Un nivel arquitectónico separado que cubre los procedimientos de detección y trabajo en red de la
agricultura inteligente

En la capa Sensor, el enfoque de ahorro de energía propuesto es un proceso de encendido / apagado

que se basa en

la selección de un subconjunto de nodos que permanecerán activos durante un cierto período de

tiempo, mientras que otros permanecen

inactivo. Siguiendo esta suposición, SWORD (dormir / despertar en datos redundantes) es una
preservación de energía

esquema que se puede utilizar para recopilar datos sobre la humedad del suelo [19]. El algoritmo
SWORD realiza datos

control mediante la eliminación de datos redundantes para minimizar el consumo de energía y aumentar
la vida útil de

nodos sensores en la red

En la capa de red, las transmisiones y recepciones de datos también se pueden programar en función de

períodos de sueño / vigilia de los nodos sensores a intervalos predeterminados. Para ello, A? S, un
automatizado

Se puede utilizar el sistema de seguimiento de precisión agrícola [46]. Basado en esta tecnología de
ahorro de energía,

cada vez que el servidor de aplicaciones establece el período de detección, el nodo de sumidero
mantiene la programación y

difunde el mensaje de orden de suspensión en su red cada período de detección. Cada vez que un nodo
recibe

el mensaje de suspensión, establece la hora de finalización del temporizador de suspensión en el valor

del campo de duración incluido en el

mensaje. Cuando termina el tiempo del medidor, el nodo detecta el entorno y el nivel de voltaje de la
batería y

envía los datos a la fuente. Luego, espera el próximo mensaje de solicitud de suspensión.

Además, otra técnica de programación de ahorro de energía que se puede implementar en la capa de
red
implica el uso de vehículos voladores no tripulados en un sistema de monitoreo de cultivos agrícolas.
Basado en esto

esquema, el nodo en el vehículo volador no tripulado despierta los nodos terrestres para recuperar el
medido

datos. Para realizar esta función, se envía una señal de radio codificada a través de un transmisor a los
nodos de tierra.

Los nodos están en un estado inactivo, excepto por un pequeño receptor que espera recibir la señal de
disparo.

Además, aprovechando el protocolo de enrutamiento jerárquico APTEEN, una división de tiempo

múltiple

La técnica de acceso puede implementarse como un método de programación. Según esta técnica, los
mensajes son

enviado para poner algunos nodos en modo de suspensión para evitar colisiones de paquetes entre
nodos sensores pertenecientes

a diferentes grupos. Además, la técnica de acceso múltiple con detección de operador es otro método
alternativo,

que es igualmente efectivo para evitar colisiones.

7.2. Mecanismos de seguridad

Los sistemas de monitoreo de agricultura de precisión implican el intercambio de información sensible

sobre

El proceso de cultivo, el estado de los cultivos y los datos personales del personal autorizado. Es de gran
importancia

para que dichos sistemas estén protegidos contra los ciberataques. Una entrada no autorizada de un
individuo malintencionado

en el sistema puede causar grandes daños al proceso de cultivo o incluso adquirir el personal de los
agricultores

información [471. En la búsqueda de salvaguardar un sistema inteligente de monitoreo de granjas, la

confidencialidad

de datos debe cumplirse. Además, es vital garantizar la fiabilidad de los datos y la capacidad de

confirme que un mensaje no ha sido manipulado, alterado o cambiado mientras estaba en la red.
También,
los servicios de recursos ofrecidos por la red o por un solo nodo sensor deben estar disponibles siempre

requerido y finalmente poder identificar el origen de un mensaje recibido. Mecanismos de seguridad

básicos

ya están implementadas por las tecnologías combinadas loT en cada nivel arquitectónico de la propuesta

Sistema de monitoreo inteligente. Sin embargo, hay más formas de aumentar el nivel de seguridad en
cada

capa por separado

Una forma popular de proporcionar seguridad de capa física en sistemas WSN y loT es la criptografía.

La seguridad de la capa física se refiere a las capacidades de seguridad interna de la capa del sensor con
respecto a aleatoriedad de canales inalámbricos, brechas en la relación señal / ruido o interferencia
prevista. Existen

tres tipos de métodos criptográficos utilizados en WSNS, los simétricos y asimétricos y el hash

funciones Las funciones hash son funciones matemáticas especiales que asignan una entrada dada a un
determinado

salida con un tamaño fijo. Los hashes criptográficamente seguros conocidos son el algoritmo Secure
Hash-2

(SHA-2) y el algoritmo de Estándar de cifrado avanzado (AES). En técnicas criptográficas simétricas,

Se utiliza una sola clave compartida entre los dos nodos de comunicación tanto para el cifrado como
para el descifrado.

Esta clave se mantiene conocida solo por los nodos de la red. Por otro lado, en criptografía asimétrica,

Se puede usar una clave privada para descifrar y firmar datos. Una clave pública también se utiliza para
cifrar y verificar datos.

La clave privada debe mantenerse confidencial, mientras que la clave pública se puede publicar
libremente. Asimétrico

Las técnicas criptográficas pueden utilizar el algoritmo RSA (Rivest-Shamir-Adleman), el ECC (Eliptical

Algoritmo de criptografía de curva) o la técnica de emparejamiento. Marcos populares de simétrica y

La técnica asimétrica se puede encontrar en [48].

En cuanto a la capa de enlace de nuestra arquitectura propuesta, los mecanismos de seguridad se

centran en
intercepción, modificación y fabricación de los datos intercambiados. Los mecanismos de detección de
ataques pueden

se aplicará, como el esquema de detección de umbral de mal comportamiento para LLNS propuesto en
[49]

Además, se pueden usar protocolos de enrutamiento seguros como SAR (protocolo de enrutamiento
seguro), que es

basado en el protocolo bajo demanda como AODV o DSR y DPRAODV (Detección, Prevención y

ReactiveAODV) [50].

Los mecanismos de seguridad de middleware se ocupan de las modificaciones no autorizadas que

ocurren debido

errores de transmisión (accidentales) y requieren el uso de firmas digitales. Esquemas de firma digital

son esquemas criptográficos que incluyen algoritmos de generación de claves, algoritmos de firma y
firma

verificando algoritmos. Una firma digital es un mecanismo de autenticación que permite al creador del

mensaje para adjuntar un código que actúa como una firma. El algoritmo de firma digital (DSA),
desarrollado por

El Instituto Nacional de Estándares y Tecnología, es uno de los muchos ejemplos de algoritmos de firma.

El control de acceso es un componente importante para la seguridad general de una agricultura de

precisión.

Sistema de monitoreo. LoT requiere modelos de control de acceso que apliquen políticas de autorización
en

Una multitud de sensores inteligentes. En una plataforma de monitoreo de granja inteligente, se

requiere autenticación

para evitar que los usuarios autorizados accedan a los recursos de manera no autorizada. Por ejemplo,

un trabajador en los campos es un usuario legítimo pero no tiene los derechos de acceso como
administrador principal

granjero. Lo más importante es que el control de acceso evita que usuarios ilegítimos obtengan acceso a
recursos

El modelo de control de acceso basado en atributos (ABAC) es una técnica que asigna atributos a cada
entidad
en el sistema. Los atributos pueden referirse a un usuario o un recurso y se definen como propiedades

de cada entidad para habilitar la autenticación. Otro paradigma capaz de proporcionar una comunicación
sólida en

la capa de aplicación es el modelo de Control de acceso basado en roles (RBAC) donde se asigna un
usuario como

administrador o usuario ordinario que predetermina las políticas de derechos de acceso. En la capa de
aplicación

cada usuario puede autenticarse mediante el uso de contraseñas o una tarjeta inteligente [51]

8. Estudio de caso de uso: la arquitectura DIAS

El proyecto de investigación DIAS significa Innovación de drones en la vigilancia agrícola del azafrán.

Está cofinanciado por la Unión Europea y fondos nacionales griegos a través del Programa Operativo

Competitividad, emprendimiento e innovación. Universidad de Macedonia Occidental (UOWM) en

La cooperación con Kozani Saffron Producers Cooperative (KSPC) tiene como objetivo desarrollar una

Sistema de vigilancia automatizado para el cultivo del azafrán. Este cultivo de azafrán en tiempo real las
24 horas

El sistema de vigilancia se basa en la recolección y procesamiento de señales e imágenes, que se deriva

de

Sistemas avanzados de vigilancia, identificación de riesgos y alerta temprana, basados en sensores

integrados

redes y vehículos aéreos no tripulados.

8.1. Cultivo de azafrán

El cultivo del azafrán se considera de extrema importancia para Macedonia occidental

ciudadanos, debido a la actividad sobre el cultivo de azafrán por un gran número de ciudadanos, la
agricultura limitada geografía, el proceso de producción único para plantar las semillas de azafrán y el
riesgo de producción único

que enfrenta esta operación. El único tipo de azafrán que se cultiva sistemáticamente en todo el mundo,

durante al menos diez siglos, es el azafrán comestible o como se conoce en la terminología científica
(botánica) Crocus

Sativus Linneaus
El proceso de cultivo incluye la cosecha de las flores, como se presenta en la Figura 2, dividiendo el

estigmas y estambres de los pétalos, secado y selección de azafrán. La recolección de 1000 flores es

proceso de una duración de alrededor de 45-55 min, mientras que se requieren de 100 a 130 min
adicionales para eliminar

Los estigmas para el secado. En total, se requieren 370 a 470 h para producir 1 kg de azafrán seco [52].

Las flores se recogen exactamente cuando están completamente florecidas, y el hilo de azafrán o
estigma está en su punto

más rojo El proceso de cosecha comienza poco después del amanecer para minimizar la exposición
adicional a la luz solar.

a los cultivos, ya que pueden perder su color e incluso su sabor. El cultivo del azafrán requiere tierra seca.

con niveles específicos de humedad, riego controlado y cantidades adecuadas de nitrógeno, fósforo

y potasio El cultivo es comúnmente perturbado por ratones, lunares y ratas que destruyen los tallos.

Además, los hongos pueden causar enfermedades específicas en las primeras etapas del crecimiento del
azafrán.

Figura 2 Cosecha de azafrán.

La plataforma DIAS tiene como objetivo mejorar el proceso de producción, ofreciendo la capacidad de
inmediato

interferencia en caso de detección de animales, enfermedades o malezas silvestres. El agricultor podrá

monitorear el

campos en tiempo real y recibir alertas en caso de incidentes no deseados con respecto al estado de las
plantas

durante todo el período de cultivo, mientras aumenta las ganancias. Para satisfacer estos objetivos, el
proceso de monitoreo

estar alineado específicamente con las preocupaciones y acciones de los agricultores durante el mes de
cultivo como

presentado en la Figura 3.

Acciones necesarias

Mes de corte febrero febrero

Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

marzo

Apri

Compruebe si hay Annal

Compruebe por WdMeds

Ming

Bubron

Cang

Regulando

Cosecha

Figura 3. Etapas anuales de cultivo de azafrán

8.2. Arquitectura DIAS

La plataforma DIAS sigue el diseño arquitectónico del monitoreo de teledetección propuesto.

sistema. Como se presenta en la Figura 4, el sistema DIAS consta de capas arquitectónicas severn. En
cada

capa de las tecnologías antes mencionadas más adecuadas se utilizan para lograr el sistema general

rendimiento eficiente y operaciones confiables. El cultivo del azafrán es bastante exigente y delicado.

proceso que requiere el despliegue de tecnologías a medida y monitoreo continuo de cultivos para

evitar intervenciones en animales y enfermedades.

En la capa Sensor, se están utilizando UAVS quadcopter con cámaras térmicas, hiperespectrales y RGB.

utilizado en cooperación con múltiples nodos inalámbricos equipados con varios sensores para la
recopilación de datos

con respecto a los cultivos. El monitoreo del cultivo de azafrán requiere el estudio de cultivos de
pequeño tamaño y

el aviso de variaciones mínimas del estado del cultivo durante cada mes Para seleccionar la información
deseada

Los UAVS deben volar a cierta distancia y lugar durante un período específico de tiempo y mediante el
uso de diferentes ángulos de posición. Quadcopter UAVS se considera la mejor opción para el monitoreo
de azafrán desde
Tienen alas giratorias, que les proporcionan la capacidad de maniobrabilidad, mientras que también
vuelan

en baja velocidad En cuanto a las cámaras RGB, son ideales ya que el cultivo de azafrán requiere la
captura

de imágenes de datos en diferentes condiciones climáticas evitando la exposición inadecuada o excesiva

de la

imagen. Utilizando sensores multiespectrales o hiperespectrales, los UAVS también pueden obtener
información relacionada con

absorción espectral y reflejo de los cultivos en varias bandas. Esto es bastante útil ya que el
proporcionado

la información se puede usar para calcular los índices de vegetación y monitorear el estado de los
cultivos de azafrán

basado en ellos. Por otro lado, la imagen térmica detecta niveles específicos de radiación y traduce

en una imagen en escala de grises, usando sombras más brillantes y más oscuras de representación del
calor. Esta habilidad es también

esencial en el cultivo del azafrán ya que los campos son pisoteados regularmente por animales que no
están siendo

detectado a tiempo antes de que causen algún daño. El sistema de monitoreo DIAS usa diferentes
terrenos

y sensores en la hoja para recopilar datos útiles para mejorar el proceso de cultivo. Más específicamente

La humedad ambiental y la temperatura se evalúan ya que el azafrán requiere condiciones específicas

para

prosperar. Además, los niveles de luminosidad, humedad de las hojas, humedad del suelo, pH y
velocidad del viento también son

de gran importancia. Además, las cantidades de nitrógeno, fósforo y potasio en el suelo pueden

tener un impacto severo en el crecimiento de la planta, así como en los niveles de humedad en el suelo.
El agricultor

ser capaz de predecir la pérdida de producción de manera eficiente debido a un conocimiento amplio de
la condición de los campos de azafrán

e incluso intervenir con posibles tratamientos para cambiar su curso para mejor.
Con respecto a la capa de enlace y encapsulación, el intercambio de datos del sensor en la plataforma
DIAS está habilitado

por la tecnología LoRaWAN y el protocolo IPvó. La tecnología LoRa ofrece varias ventajas.

La capa física LoRa usa bandas ISM de 868 y 915 MHz-frecuencias que son gratuitas para usar en
cualquier lugar

en el mundo. Además, los dispositivos LoRa consumen muy poca energía, lo que lo hace ideal para
baterías

dispositivos y también puede transmitir y recibir datos de hasta 15 km en áreas suburbanas y 5 km en

Areas urbanas. Otra ventaja de LoRa es su alta capacidad de red. En LoRaWAN, una única puerta de
enlace

puede acomodar 1000 dispositivos de nodo final. Por otro lado, IPvá ofrece un gran espacio de
direccionamiento

y tiene soporte incorporado para la configuración automática de red. En la plataforma DIAS, nodo sensor
cach

se caracteriza por su propia dirección IP y utiliza un protocolo de enrutamiento y programación de

ahorro de energía para

transmitir los datos recopilados a la puerta de enlace LoRa más cercana. La información a intercambiar
está encriptada

Antes de la transmisión. Cada puerta de enlace LoRa reenvía la información al enrutador de red
correspondiente para

Acceso a Internet y almacenamiento de datos en la base de datos del sistema. Transmisión y

comunicación de datos de UAVS

está habilitado por el estándar de red IEEE 802.11ah en cooperación con el protocolo IPv6, para reenviar

las imágenes recopiladas al servidor de red también.

En la capa de Middleware, la plataforma DIAS empleará el protocolo MQTT-SN. MQTT-SN

permite la gestión de todos los dispositivos de red DIAS a través de intercambios de mensajes
coordinados por

el agente de contexto del FIWARE. Es esencial mantener la confiabilidad del sistema de monitoreo hacia

lograr una recopilación de datos significativa. En base a este protocolo, los mensajes intercambiados se
pueden organizar
por temas e importancia con respecto a los comandos de administración de dispositivos, solicitudes de
transmisión iniciadas por

una capa superior y adquisición de datos. Dieciséis tipos de mensajes son compatibles y transmitidos

de forma asincrónica de comunicación mediante el modelo de publicación-suscripción. TCP y UDP

también serán

utilizado como protocolos de transporte. MQTT es ideal para el sistema DIAS ya que sobresale en el
dispositivo sensor inteligente

comunicación en una red de área amplia, debido a la arquitectura de publicación / suscripción con el
intermediario

en el medio. MQTT también es muy útil si el ancho de banda está limitado para mejorar la confiabilidad
de la red

y disponibilidad

En la capa de configuración correspondiente, todos los datos recopilados en el campo de azafrán se

agruparán y

formulado para llegar a la unidad de gestión de información. Esta capa facilita el FIWARE NGSI

API para producir el modelo de información deseado de los datos de campo adquiridos basado en
eficiente

gestión de contexto. Orion Context Broker de FIWARE tiene características poderosas que mejoran

Las capacidades y el rendimiento del sistema de monitoreo DIAS, como habilitar asincrónico

notificaciones de aplicaciones Las operaciones básicas de la capa actual incluyen habilitar la publicación,
consumo, suscripción y procesamiento de toda la información relevante para los cultivos y el

proceso de cultivo en la plataforma DIAS

Base de datos en la nube

Servidor

Configuración

Capa

Capa de sensor

Middleware

Capa
UAV con

Encapsulamiento

Capa

Capa de enlace

camers seno

UAV con

canera r

Generacion

Wifi

Dispositivo

Pve sobre

managoment

Información

WIFI

Halow

modelo

API

Halow

MOTT

FIUARE

NGSI AP

F ARE

Contexto

Corredor

IPv sobre
LoRaWAN

LoRaWAN

Contexto

información

maniobra

Datos

Puerta

adquisición

Nodo con viento

orinó y

inecton Seneer

Nodo con

Raindrp

Señor

Nodo w

Leal Wetne

Sensor

Transmisión

peticiones

Aguregación

de crudo

Nodo con luz

Sansor

recogido

datos
Nodo con Temperabure

y Homidity Senser

Capa de aplicación

Capa de gestión

Datos

administración

Unidad

wad Weeds

Detecen

Recopilación de datos

Unidad

Lógica de gestión

Animal Detecon

Chispa

Datos

Deleción de enfermedad

Big Data

Análisis

Tratamiento

Dsta

Minería

Unidad de predicción

Necesidad de pedos

Máquina

Sistema
Iniciar sesión

Imagen digital

Precesión

Schedue UAV lghs

Basado en el objeto

Análisis de imagen

(0BIA)

Algoritmo

Aprendizaje

Clasificación

Algoritmo

Bosque al azar

Pхно

Visualización

Unidad

Orthophots resuts

Ther mma

Vegetación

Índices

Predicciones

Informes

Cálculo

Staits por F

Figura 4. La arquitectura DIAS.

La capa de gestión constituye el centro de operaciones básico de la plataforma DIAS. Almacena,

mantiene, analiza los datos recopilados y produce predicciones para el progreso del crecimiento de los
cultivos.

tasa y estadísticas sobre su estado actual. De acuerdo con los comandos adquiridos del usuario de

la plataforma en la capa arquitectónica más alta, la lógica de gestión de la información inicia la

procesos. El procesamiento de datos incluye el uso de la clasificación de aprendizaje de máquinas de

Random Forest

algoritmo para la extracción directa de conclusiones sobre el crecimiento y la salud de la vegetación. Esta

El algoritmo se aplica directamente sobre los datos de las imágenes adquiridas por los UAVS, evaluando
el RGB

colores y la intensidad de cada píxel. El esquema de bosque aleatorio funciona muy bien con alta

dimensionalidad y puede manejar características binarias, características categóricas y características

numéricas. Esta

Se elige el método ya que se requiere muy poco procesamiento previo y no es necesario volver a escalar
los datos

o transformado Procesamiento digital de imágenes de imágenes aéreas con corrección geoespacial

(ortofotografías)

se enfoca en producir los índices de vegetación correspondientes para evaluar el estado de las plantas de
azafrán. Dos

La herramienta de procesamiento de imágenes PIX4D calculará los tipos de índices de vegetación.

Índices de vegetación

derivada de información multiespectral, como NDVI, permitirá la detección de datos poco saludables o
escasos

vegetación que refleja más luz visible y menos luz infrarroja cercana, lo que facilita el monitoreo del

crecimiento y salud de los cultivos de azafrán. Por otro lado, con respecto al uso de Vegetación basada
en RGB

Los índices, el índice de exceso de verdor (ExG) se basan en el supuesto de que las plantas de azafrán
mostrarán un

claro alto grado de verdor, mientras que el suelo es el único elemento de fondo. Finalmente, lo
normalizado
El índice de diferencia (NDI) también se utilizará, ya que puede permitir la separación de las plantas de
azafrán de

imágenes de fondo de suelo y residuos, utilizando solo canales verdes y rojos. La información espectral
puede

ayuda significativamente en la evaluación de muchas características biológicas y físicas de los cultivos de

azafrán. Ninguna

tipo de malezas silvestres o detección de animales basada en imágenes térmicas en los campos inicia
alertas para

intervención inmediata y se toma en consideración como una nota en el calendario de cultivo creado por

La plataforma para el agricultor. Para este propósito, el algoritmo OBIA también se usa para reconocer
malezas o

discriminar especies. El análisis de imágenes basado en objetos se basa en la comparación entre

conjuntos de similares

píxeles llamados objetos de imagen en medidas de propiedades espectrales (es decir, color), tamaño,
forma y textura,

así como el contexto. Se elige el algoritmo OBIA, ya que es más adecuado para los análisis a escala de
paisaje.

y puede filtrar información sin sentido y asimilar otras piezas de información en una sola

objeto. Después del procesamiento, todos los datos recopilados del sensor se clasifican y evalúan de
acuerdo con

los valores deseados del índice de vegetación, los niveles de humedad y el estado general de la planta
para cada mes durante

El proceso de cultivo. Para estas tareas, la plataforma DIAS emplea herramientas potentes y conocidas,

Apache Spark Framework centrado en el análisis de Big Data y WEKA (Waikato Environment)

Marco especializado en tareas de minería de datos. Los resultados de la evaluación señalarán a los
vulnerables.

puntos en el campo con gráficos estadísticos útiles y sugerir posibles soluciones para el agricultor, como

El uso de fertilizantes.

En la capa de aplicación, cada usuario puede acceder a la plataforma DIAS utilizando su propio y único
contraseña. Según su autoridad y actividades en el campo del azafrán, los usuarios tienen acceso
diferente

derechos en la plataforma DIAS. Un usuario puede ser el administrador de la plataforma, un

representante de la

Junta de KSPC, un agricultor o un trabajador en los campos. Por ejemplo, un trabajador solo puede
observar la evaluación

resultados para ayudar al agricultor a tratar el crecimiento de las plantas, mientras que el representante
de KSPC puede

agregar notas de observación, puede programar e iniciar la recopilación de datos del sensor en un
campo específico y también

gestionar el plan de vuelo de UAVS. Por otro lado, el administrador de la plataforma es el único que
puede

agregue nuevos usuarios y nuevos campos de azafrán para el cultivo que se observará en el sistema.
Acceso en el

La plataforma DIAS está prohibida para usuarios no autorizados. En la capa de aplicación, la gestión de

Se pueden iniciar las cuatro unidades operativas básicas del sistema DIAS. Estas son la Unidad de
Visualización,

la Unidad de gestión de datos, la Unidad de predicción y la Unidad de recopilación de datos. Al ingresar

los datos

Unidad de recopilación, un usuario puede iniciar la recopilación de datos del sensor en un campo
seleccionado o modificar los datos existentes

en la plataforma Al ingresar a la Unidad de Gestión de Datos, el usuario puede evaluar las ortofotografías

y calcular índices de vegetación de acuerdo con datos específicos en un campo de azafrán específico con
la ayuda de

Herramienta Pix4DMapper. La Unidad de Visualización está relacionada con la presentación de

resultados estadísticos y gráficos.

con respecto a cada campo de azafrán, mientras que la Unidad de Predicción emplea las herramientas de
minería de datos mencionadas anteriormente

para producir una evaluación suficiente de los datos recopilados. Toda la información del sistema se
almacena en la central

base de datos del servidor.

Sobre la base de los datos adquiridos y procesados, los agricultores pueden producir estadísticas sobre el
progreso en

producción de azafrán y evitar pérdidas financieras, al tiempo que mejora la calidad de los cultivos y
logra

Un aumento considerable en la producción.

8.3. Beneficios y costos

Grecia es el segundo país productor de azafrán más grande, con una producción promedio de 4
toneladas de p.a

durante las últimas cuatro décadas, la mayoría de las cuales se dirige a los mercados de exportación. El
establecimiento de la

La 'Cooperativa de Productores de Azafrán Kozani' marcó el comienzo de una buena década para este
producto

con una producción que alcanzó su récord de más de 12 toneladas en 1982 (53). Sin embargo, en el

período posterior a la adhesión de Grecia a la Comunidad Europea, los agricultores comenzaron a

abandonar el azafrán

cultivo. Este hecho resultó en una disminución significativa en el rendimiento con un rendimiento
promedio de 800 g por

Stremma (1 ha 10 Stremmas 1000 m2). Sin embargo, esta tendencia parece revertirse desde 2010 y

Actualmente los rendimientos varían alrededor de 1 tonelada por estremma. Actualmente, el precio del
azafrán griego es de unos 1200 euros por

Kg. Se necesitan casi 5000 manchas para producir 100 g de azafrán rojo. El producto promedio por acre
es de 6 kg.

de estigmas secos (producto rojo). La menor producción de la planta está en el primer año de la
plantación,

mientras que el más alto en el tercero y el cuarto

En el año de 2015, un estudio sobre el cultivo griego de azafrán resultó en que los administradores de
fincas necesitan

para abordar la eficiencia del uso de insumos y aumentar las productividades de capital y trabajo para
mantener

competitividad [53]. La calidad del azafrán está determinada por el color, el sabor y el tamaño de los
estigmas.
La plataforma DIAS tiene como objetivo mejorar las ganancias obtenidas mediante la adopción de
nuevas tecnologías, asegurando

Recolección de flores en el momento apropiado en un material de recolección adecuado a una edad

apropiada. Animal

se evitarán intrusiones en los campos, causando una gran pérdida en la producción, y las enfermedades
de los cultivos

ser detectado a tiempo. El costo total del equipo se considera una inversión segura para los agricultores.

Dado que la mayoría de las tecnologías involucradas son de código abierto y el costo inicial del hardware
relacionado

y el software se puede compartir entre los productores. Actualmente, la iniciativa DIAS está en
construcción.

y no hay resultados experimentales disponibles para confirmar los objetivos propuestos. Sin embargo, en
la Tabla 6

presentamos la tasa de producción de azafrán griego como se registra en [53], mientras que en la Tabla 7
un promedio

Se proporciona una estimación sobre el aumento de las operaciones de cultivo mediante la adopción de
la plataforma DIAS.

Estos porcentajes son las estimaciones proporcionadas por dos de los productores cuyos campos
participan en

El estudio piloto. Las estimaciones muestran que, en promedio, los agricultores calculan un aumento de
alrededor de

20% en producción, este porcentaje está de acuerdo con otros tipos de cultivos como las aceitunas y

papas [54]

El uso del proyecto DIAS puede ofrecer un aumento significativo en la producción de azafrán. Sin
embargo,

Como todavía no se han implementado proyectos piloto en el proyecto, es difícil obtener el retorno de la
inversión (ROI)

estimado. Se requiere una inversión de tiempo y dinero del consorcio DIAS para investigar cómo

Los datos recopilados de UAVS pueden conectarse y afectar otras cosas que están sucediendo en los
campos.
Los productores de azafrán necesitan esa información para proporcionar contexto y crear una
correlación con respecto a las causas.

y efectos. En ese punto, el ROI se vuelve significativo promoviendo los UAVS como parte de la solución
deseada

y no como la solución en sí misma. Además, debido a los costos compartidos entre los socios del
proyecto, el ROI se convierte en

Una medida de desempeño colectiva que puede estimarse solo cuando cada miembro ha adquirido el

según beneficios tecnológicos. Se requiere un estudio de rentabilidad complejo para especificar la

precisión

ofertas de servicios, tal como se presentan en [55,56]. Cada socio en el proyecto DIAS posee y ofrece
diferentes

activos en este esfuerzo, por lo tanto, calcular el ROI general del uso de UAV desde el lado de los
agricultores no es

pero posible 9. Desafíos

La implementación y mantenimiento de un sistema de monitoreo en agricultura de precisión enfrenta

Varios desafíos. El mayor desafío en la capa del sensor es que los nodos del sensor logren un
rendimiento eficiente y

operación continua durante mucho tiempo en un entorno natural, teniendo en cuenta el clima

cambio e intervenciones de vida silvestre. La duración de la batería de los nodos del sensor no se
considera satisfactoria,

y es necesario diseñar e implementar protocolos de ahorro de energía con el mayor nivel posible

rendimiento del sistema entre otras precauciones. Además, según el tipo de aplicación,

El trabajo agrícola apoyado y las tecnologías de implementación, los problemas que surgen pueden ser

diferenciado. Por ejemplo, el uso de sensores y controladores de diferentes fabricantes evita

comunicación entre ellos y hace que sea más difícil interconectarse con otros productos agrícolas

componentes. Además, el fenómeno de inercia del sensor se observó en un WSN de alta velocidad
debido a que no es empinado

cambios en la humedad y la temperatura del suelo

En la capa de red, los desafíos básicos relacionados con la operación de un sistema de monitoreo de
cultivos

con WSN y loT, las tecnologías incluyen las capacidades computacionales limitadas de los nodos
sensores.

La memoria restringida de los nodos los desactiva para manejar grandes cantidades de datos de
comunicación.

y procedimientos de interconexión basados en clúster. Debido a este hecho, se crean largas colas de
datos en cada

nodo, lo que lleva a un mayor retraso en las transmisiones. El mismo resultado puede ser
desencadenado por el largo

distancia de comunicación de los nodos sensores. Una cuestión importante que los algoritmos de
enrutamiento deben abordar en

tales casos es el alto nivel de consumo de energía, lo que lleva a una reducción en la viabilidad general

de la red. En los sistemas de monitoreo de agricultura de precisión, los protocolos de enrutamiento

deben ofrecer un mínimo

retraso, ser capaz de proporcionar servicios eficientes en muchos nodos de sensores, teniendo en cuenta
el limitado

recursos También deben ser capaces de aceptar todo tipo de entornos, incluidos los graves y las
pérdidas.

entornos, al tiempo que proporciona seguridad y privacidad de la información. La mayoría de los

protocolos de enrutamiento usan algunos

técnica de localización para obtener conocimiento sobre sus ubicaciones. El rendimiento del
enrutamiento

El protocolo es una función del tamaño de la red y de los medios de transmisión. Por lo tanto, los medios
de transmisión del bien

La calidad mejora el rendimiento de la red directamente.

Sin embargo, en muchos casos, la falla de dicho sistema de monitoreo avanzado puede deberse a

distancia geográfica, cultural o socioeconómica entre los diseñadores de sistemas y el usuario previsto

comunidad. El costo es un factor limitante importante en la implementación de tales sistemas. El costo

depende en gran medida de la calidad de los materiales y la topología de la red.

10. Conclusiones

Este documento propone los componentes arquitectónicos de un sistema de monitoreo de agricultura

inteligente, basado en

tecnologías modernas de comunicación loT y capacidades WSN, en cooperación con el ahorro de energía

esquemas de protocolo. También se presenta un estudio de caso de uso basado en el proyecto DIAS, que
mejora la confiabilidad

y contribución de nuestro modelo. Las aplicaciones agrícolas bajas permiten a los agricultores recolectar
y analizar

datos significativos Los grandes terratenientes y los pequeños agricultores deberían dar la bienvenida al
potencial del mercado de IoT

para la agricultura mediante la instalación de tecnologías inteligentes para aumentar la competitividad y

la sostenibilidad en sus

producciones El rápido crecimiento de la población obliga a los agricultores a satisfacer la demanda

mediante la implementación

soluciones agrícolas bajas en forma próspera. En el futuro, se llevará a cabo un estudio en profundidad.

con respecto al desempeño en tiempo real del modelo propuesto en el proyecto DIAS