Estudio del uso de técnicas de inteligencia artificial aplicadas para análisis de suelos para el sector agrícola
DOI:
https://doi.org/10.26820/recimundo/5.(1).enero.2021.4-19Palabras clave:
Inteligencia artificial, agricultura, manejo del suelo, manejo de cultivos, rendimientoResumen
La aplicación de la inteligencia artificial (IA) ha sido evidente en el sector agrícola. Hoy en día, la agricultura se enfrenta a numerosos desafíos para maximizar su rendimiento, incluidos tratamientos inadecuados del suelo, infestación de enfermedades, plagas, entre otros, por lo que la necesidad del manejo de big data se ha vuelto un requisito fundamental en este sector para incrementar el conocimiento entre los agricultores y la tecnología. El concepto principal de IA en la agricultura es su flexibilidad, alto rendimiento, precisión y rentabilidad. La automatización de la agricultura es la principal preocupación y el tema emergente de todos los países, ya que, los métodos tradicionales utilizados por los agricultores ya no son suficientes para satisfacer la creciente demanda de aumento de la población. En relación con esto, se introdujeron nuevos métodos automatizados que satisfacen las necesidades alimentarias y proporcionan grandes oportunidades de empleo, trayendo una revolución agrícola en este sector. El uso de inteligencia artificial y de las nuevas tecnologías ha protegido el cultivo a través del rendimiento de varios factores como los cambios climáticos, el crecimiento de la población, los problemas de empleo y la seguridad alimentaria, brindando beneficios en el uso adecuado del agua, pesticidas, herbicidas, así como también, ayudando en el uso eficiente de la mano de obra, elevando la productividad, mejorando la calidad y manteniendo la fertilidad del suelo. Este artículo presenta una revisión de las aplicaciones de la IA en el suelo, manejo de cultivos, manejo de malezas y enfermedades por administración. Se presta especial atención a la fuerza y limitaciones de la aplicación y la forma de utilizar expertos sistemas para una mayor productividad.Descargas
Citas
Bolívar, J. (2015). Investigación Documental. México. Pax.
Castro, J. (2016). Técnicas Documentales. México. Limusa.
Chora, D., Álvarez, S., & Espinoza, M. (2018). Raspberry Pi y Arduino: semilleros en innovación tecnológica para la agricultura de precisión. Revista de tecnologias de la informatica y las telecomunicaciones , Vol. 2 (1), 74-82.
Davila, A. (2015). Diccionario de Términos Científicos. .Caracas: Editorial Oasis.
Duckett, S., & Pearson, S. (2018). Agricultural Robotics: Robotics: The Future of Robotic Agriculture. UK-RAS.
Liakos, K., & Busato, P. (2018). Machine Learning in Agriculture: A Review. Sensors. 18, 1–29.
Ortiz, P., & Gutiérrez, J. P. (2016). “Paradigmas de aprendizaje automático para el mapeo de malezas a través de malezas a través de Vehículos aéreos no tripulados ”,. Serie de simposios sobre inteligencia computacional, Atenas , Grecia.
Pernilla, B. (2016). Where, when and how plant–soil feedback matters in a changing world. Funct. Ecol. , 30, 1109–1121.
Ramos, D., & Terry, A. (2015). Generalidades de los abonos orgánicos: Importancia del Bocashi como alternativa nutricional para suelos y plantas. Cultivos Tropicales , 35 (4).
Snehal, S., & Sandeep, S. (2014). Agricultural crop yield prediction using Research in Electrical, Electronics. Instrumentation and Control Engineering, 2 (1), 683-686.
SofOs. (2017, Diciembre 8). Impacto de la tecnología aplicada en la agricultura. Retrieved Diciembre 29, 2020, from http://www.sofoscorp.com/impacto-tecnologia-aplicada-agricultura/
Stivers, L. (2017, Octubre). Introducción a los Suelos: El Manejo de los Suelos. Retrieved Diciembre 29, 2020, from https://extension.psu.edu/introduccion-a-los-suelos-el-manejo-de-los-suelos
Zibah, G. (2015). Agricultural production and economic growth: Implication for rural poverty alleviation”. Quarterly Journal of International Agriculture, 53 (3), 207-223.