UMAYUQ CHAJRARUNA : Esperanza que Renace - Agricultura Inteligente utilizando Drones, IA, Big Data. Agricultura 5.0
1. Descripción de Problema
Las etapas de un proceso productivo en la agricultura generalmente está dividida en planificación, sembrío, regadío, supervisión y cosecha. El agricultor en su experiencia ya está entrenado para poder realizar el seguimiento de todos estos procesos.
Pero muchas veces esta información no esta almacenada en una Base de datos, se encuentra almacenada en el “know how” del Agricultor que es muchísima información.
Con la nueva tendencia de Agricultura 4.0 -> Agricultura 5.0 que ya es una realidad esta permitiendo converger muchos conceptos como son IA, Big data, IoT , Cloud Computing y Fog Computing.
Entonces lo que queremos con este artículo es que en nuestro Hermoso Perú apliquemos, fomentemos e implementemos Agricultura 5.0.
2. Algoritmos
Lo primero que se genera un módulo de toma de imágenes, que es almacenado utilizando BIGDAT(Una Gran Base de datos).
Luego estas imágenes previamente entrenadas utilizando LBPH son particionadas y clasificadas.
Y luego de haber estar almacenadas para la supervisión se van comparando las imágenes de acuerdo a tonos de colores que se puede determinar algunas características y visionando más allá se puede determinar cuánto de tamaño tiene el fruto, si le falta regar, o ya esta apto para la cosecha.
Toda la información que recabe puede enviar mediante alertas aun dispositivo móvil.
3. Librerias
El Algoritmo de los papers que son caso de referencia es:
LBPH, muchos autores convergen que la esperanza renace dado que este método ayuda bastante en poder identificar mediante imágenes que son particionadas creando histogramas de las etiquetas de todos los pixeles que posteriormente utilizado como una descripción de la textura de la imagen.
Este Método no paramétrico llamado histograma de patrones binarios locales (LBPH), que resume las estructuras locales de las imágenes de manera eficiente al comparar cada pixel con sus píxeles cercanos. Sus propiedades más importantes son su tolerancia con respecto a los cambios de iluminación como es nuestro caso en la Agricultura y su simplicidad computacional es mas asertiva a la hora de implementar. Ha sido ampliamente explotado en muchas aplicaciones, por ejemplo, análisis de imágenes faciales, recuperación de imágenes y vídeos, vegetaciones, supervisión y/o inspección visual, análisis de movimientos, análisis biomédico y de imágenes aéreas, sensores remotos, etc.
Sabemos que hay déficit de alimentos proyectados al 2050, pero como podemos planificar, apaciguar y proyectar para minimizar este deficit y adelantémonos al problema con soluciones con agricultura inteligente e ingresemos a la “modernidad”, dado que con la combinación de tecnologías como IA, IoT, Fog Computing, Big Data y con esto NUESTRA ESPERANZA RENACE para nuestras futuras generaciones de una alimentación y Agricultura Inteligente.
Ya en el futuro cercano tendremos Tractores realizando su trabajo sin un conductor o monitoreados remotamente. Drones regando, Autómatas cosechando y realizando el embalaje, enviar alertas a los distribuidores, calcular cuantas kilos o toneladas de por ejemplo papa o Zanahoria se van a cosechar y cuantos camiones se necesitan, suena futurista pero ya es una Realidad Agricultura 4.0 -> 5.0 Umayuq chajraruna., desde el 2015 se está realizando un piloto en Tarmatambo - Tarma, dado que la provincia de Tarma tiene un valle agricola muy interesante, productivo, fértil y reconocidas por sus hermosas flores así como tambien por la producion de vegetales como choclo, papa, zanahoria, lechuga, etc.
5. Referencias
https://ieeexplore.ieee.org/document/5734974
T. Ghadiyali, K. Lad and B. Patel, "Agriculture Intelligence: An Emerging Technology for Farmer Community," 2011 Second International Conference on Emerging Applications of Information Technology, Kolkata, 2011, pp. 313-316, doi: 10.1109/EAIT.2011.36.
https://ieeexplore.ieee.org/document/8528655
B. C. Suryo Putro S, I. W. Mustika and L. E. Nugroho, "Optimized Back-propagation Artificial Neural Network Algorithm for Smart Agriculture Applications," 2018 4th International Conference on Science and Technology (ICST), Yogyakarta, 2018, pp. 1-5, doi: 10.1109/ICSTC.2018.8528655.
https://ieeexplore.ieee.org/document/7561340
T. Pobkrut, T. Eamsa-ard and T. Kerdcharoen, "Sensor drone for aerial odor mapping for agriculture and security services," 2016 13th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON), Chiang Mai, 2016, pp. 1-5, doi: 10.1109/ECTICon.2016.7561340.