Diseño de un modelo de red experimental IoT para monitorear variables agroambientales en cultivos de café

En el mercado agrícola, el cultivo de café destaca no solo por su importancia económica, sino también por la basta complejidad de factores que influyen en la calidad del grano. En este contexto, la suavidad del café producido, entre otras características, ha sido un tema de estudio particular ampliamente reconocido a nivel mundial.

En IBERO y especialmente, desde la Facultad de Ingeniería, se han desarrollado diversas apuestas investigativas sobre caficultura, en las cuales por ejemplo y gracias al trabajo desarrollado por docentes y estudiantes, se logró demostrar que este atributo, es decir, la calidad del grano de café se atribuye a las condiciones climáticas específicas de su cultivo.

No obstante, su calidad también está sujeta a una serie de variables agroambientales, como la temperatura, humedad, tipo de suelo e índice pluviométrico. La monitorización manual de estos factores resulta ser un desafío significativo debido a su complejidad y al gran número de variables involucradas.

Para abordar este desafío, a partir del ejercicio investigativo, se propuso la implementación de un modelo de red experimental que permitiera caracterizar estas variables de manera más eficiente y sobre todo, con un grado de precisión mucho más alto. Este proyecto se basó en el uso de tecnologías avanzadas del Internet de las Cosas (IdC) y análisis de datos para optimizar la producción de café, maximizar su calidad mientras se minimizan costos y se reduce el impacto ambiental.

Objetivos del proyecto

El proyecto tuvo varios objetivos clave, logrados a través de una investigación experimental aplicada. En primer lugar, se revisaron estudios teóricos y proyectos similares para establecer las características principales de las variables agroambientales en el cultivo de café, así como los factores que afectan la producción y calidad del grano. Este análisis permitió identificar los parámetros más críticos y cómo influyen en la calidad del grano.

Se diseñó y configuró adicionalmente un modelo de red experimental para integrar nodos sensores para la recolección de datos en tiempo real sobre las variables agroambientales. Esta red permitió registrar y analizar datos relacionados con temperatura, humedad, tipo de suelo e índice pluviométrico. Los datos recopilados se fueron comparados con parámetros establecidos para identificar variaciones y ajustarse a condiciones óptimas para el cultivo.

Finalmente, se desarrollaron modelos de Machine Learning para evaluar estas variables en términos de tiempo y espacio. Estos modelos predictivos permitieron anticipar cómo variaciones en las condiciones agroambientales impactaban en la calidad del café, lo que facilitó en gran medida, la toma de decisiones informadas para optimizar la producción.

La revolución del internet de las cosas en la agricultura

El proyecto se alinea con la creciente tendencia en el sector agrícola de adoptar tecnologías avanzadas como el Internet de las Cosas (IdC) y la analítica de datos para optimizar las operaciones. Tradicionalmente, la recolección y adquisición de datos en la agricultura eran realizadas de manera manual o empírica o basándose únicamente en el conocimiento ancestral y tradiciones del agricultor. Sin embargo, la implementación de soluciones de IdC representa una oportunidad clave para mejorar la precisión y eficiencia en la recopilación de datos sobre procesos cruciales como la siembra, recolección y producción.

La agricultura moderna ya ha comenzado a beneficiarse de tecnologías como maquinaria agrícola inteligente, control de plagas, drones y estaciones meteorológicas. La implementación de este tipo de tecnologías, han permitido generar grandes cantidades de datos críticos a costos y tiempos más reducidos, lo cual es esencial para enfrentar la variabilidad climática y otros desafíos actuales. El uso de del Internet de las Cosas en este proyecto, tuvo el potencial de optimizar el uso de recursos y minimizar el impacto ambiental asociado con el cultivo de café.

Implementación en la finca “Las Acacias”

El proyecto se centró en la finca “Las Acacias” ubicada en el municipio de Salento, Quindío, con el objetivo principal de implementar una red experimental de Internet de las Cosas que permitiera recopilar información detallada sobre las variables agroambientales del cultivo de café en esa zona específica. La adecuada implementación de esta tecnología incluyó aspectos como la topología de red, selección de sensores, conectividad óptima y técnicas avanzadas de análisis de datos. El uso de algoritmos de aprendizaje automático fue fundamental para mejorar la eficiencia y precisión en la toma de decisiones.

En resumen, el proyecto planteó una solución integral a través de la combinación de tecnologías de Internet de las Cosas con análisis avanzado de datos para transformar el cultivo de café. Al proporcionar herramientas valiosas y un Dashboard informativo, este enfoque tuvo el potencial de mejorar significativamente la toma de decisiones, optimizar la calidad del grano de café, reducir costos, tiempos y minimizar el impacto ambiental. La integración de estas tecnologías avanzadas representa un paso significativo hacia la modernización y sostenibilidad del cultivo de café en el país, beneficiando tanto a los agricultores como a los consumidores finales.