Sistema de soporte de decisiones a la agricultura inteligente que incorpore aspectos de automatización de la fertirrigación y recomendaciones al agricultor

Estado: 
Número de proyecto: 
834-B9-189
Vigencia:
De 01/Ene/2020 hasta 07/Mar/2022

Objetivo:

Diseñar y evaluar un sistema de soporte de decisiones para agricultura inteligente que incorpore aspectos de automatización de la fertirrigación y recomendaciones al agricultor


Descripción:

Este proyecto pretende identificar herramientas tecnológicas que desde el área de la computación e informática puedan apoyar los procesos de agricultura inteligente, un término que en los últimos años ha tomado gran relevancia por el desarrollo de nuevas tecnologías. El proyecto pretende generar conocimiento al identificar los aportes y avances que se han llevado a cabo con el desarrollo de tecnologías emergentes, y cómo estas nuevas tecnologías han apoyado al sector agropecuario o presentan un gran potencial para incorporarlas en los procesos de automatización de cosechas y optimización del uso de los recursos requeridos por las plantas para la producción.

Este proyecto pretende, además, apoyarse en el conocimiento de personas afines a la agricultura para identificar áreas en las que la computación podría apoyar en los procesos de agricultura. Al finalizar el proyecto, se podrá contar con herramientas existentes aplicadas a procesos de agricultura inteligente, algunas de las cuales serán implementadas y probadas mediante un prototipo para evaluar su aplicabilidad en procesos de agricultura de precisión. Asimismo, se espera poder identificar aquellas áreas de la agricultura bajo ambientes protegidos, es decir bajo invernaderos, en la cuales se requiere de mayor innovación tecnológica para mejorar los procesos de cultivo.

Investigador principal
José Antonio Brenes Carranza

Colaboradores
Gabriela Marín Raventós
Freddy Soto Bravo

Unidad académica base
Centro de Investigaciones en Tecnologías de la Información y Comunicación (CITIC)

Publicaciones asociadas

Early Detection of Diseases in Precision Agriculture Processes Supported by Technology

Descripción:

One of the biggest challenges for farmers is the prevention of disease appearance on crops. Governments around the world control border product entry to reduce the number of foreign diseases affecting local producers. Evenmore, it is also important to reduce the spread of crop diseases as quickly as possible and in early stages of propagation, to enable farmers to attack them on time, or to remove the affected plants. In this research, we propose the use of convolutional neural networks to detect diseases in horticultural crops. We compare the results of disease classification in images of plant leaves, in terms of performance, time execution, and classifier size. In the analysis, we implement two distinct classifiers, a densenet-161 pre-trained model and a custom created model. We concluded that for disease detection in tomato crops, our custom model has better execution time and size, and the classification performance is acceptable. Therefore, the custom model could be useful to use to create a solution that helps small farmers in rural areas in resource-limited mobile devices.

Tipo de publicación: Book Chapter

Publicado en: Advances in Sustainability Science and Technology