Agrobot IA: robótica avanzada con visión artificial para la agricultura inteligente y sostenible
Agrobot AI: advanced robotics with artificial vision for smart and sustainable agriculture
DOI:
https://doi.org/10.56712/latam.v7i4.6208Palabras clave:
agricultura inteligente, inteligencia artificial, automatización, optimización, agricultura sostenibleResumen
La agricultura contemporánea enfrenta el desafío de satisfacer la creciente demanda global de alimentos bajo criterios de sostenibilidad y seguridad laboral, el objetivo general de esta investigación fue desarrollar un robot autónomo, denominado AgroBot IA, equipado con visión artificial e inteligencia artificial para optimizar y automatizar el control de riego, la fumigación y la selección de frutos en invernaderos. Metodológicamente, el estudio adoptó un enfoque mixto, empleando como técnicas de recolección de información el registro en bitácoras de pruebas técnicas de navegación y la aplicación de entrevistas estructuradas a expertos del sector agrícola. Los hallazgos centrales demostraron que el sistema automatizado permite determinar con precisión el grado de madurez de los frutos y optimizar la distribución de recursos hídricos e insumos químicos según las necesidades específicas de cada planta. Como conclusión, la implementación de esta tecnología no solo reduce significativamente la exposición de los trabajadores a agroquímicos y minimiza el impacto ambiental mediante el ahorro de agua y fertilizantes, sino que también incrementa el valor comercial del producto final al garantizar una cosecha en su punto óptimo. Este desarrollo tecnológico representa una oportunidad clave para impulsar la investigación e innovación en México, fortaleciendo de manera efectiva la vinculación entre el sector académico y la industria agroalimentaria hacia un modelo de producción más eficiente, seguro y sustentable.
Citas
Bac, C. W., Hemming, J., & Van Henten, E. J. (2014). Harvesting robots for high-value crops: State-of-the-art review and challenges ahead. Journal of Field Robotics, 31(6), 888-911.
Bargoti, S., & Underwood, J. (2017). Deep fruit detection in orchards. IEEE International Conference on Robotics and Automation (ICRA), 3626-3633.
Castilla, N. (2013). Greenhouse Technology and Management. CABI Publishing.
Cubero, S., Aleixos, N., Moltó, E., Gómez-Sanchis, J., & Blasco, J. (2014). Advances in machine vision applications for automatic inspection and quality evaluation of fruits and vegetables. Food and Bioprocess Technology, 4(4), 487-504.
Duckett, T., Pearson, S., Blackmore, S., & Grieve, B. (2018). Agricultural robotics: The future of robotic agriculture. UK-RAS White Papers.
FAO (2017). The State of Food and Agriculture 2017. Food and Agriculture Organization of the United Nations.
FAO (2018). The State of Food and Agriculture 2018. Food and Agriculture Organization of the United Nations.
FAO. (2017). The future of food and agriculture: Trends and challenges. Organización de las Naciones Unidas para la Alimentación y la Agricultura.
FAO. (2018). Transforming food and agriculture to achieve the SDGs. Organización de las Naciones Unidas para la Alimentación y la Agricultura.
Forsyth, D. A., & Ponce, J. (2011). Computer vision: A modern approach. Pearson Education.
Gebbers, R., & Adamchuk, V. I. (2010). Precision agriculture. Springer.
Global food losses and food waste. Food and Agriculture Organization of the United Nations.
Gustavsson, J., Cederberg, C., Sonesson, U., van Otterdijk, R., & Meybeck, A. (2011).
Gustavsson, J., Cederberg, C., Sonesson, U., Van Otterdijk, R., & Meybeck, A. (2011). Global food losses and food waste. FAO.
Patel, K., & Kumar, A. (2020). Machine learning-based fruit classification using image processing techniques. International Journal of Advanced Science and Technology, 29(5), 1450-1462.
Sa, I., Ge, Z., Dayoub, F., Upcroft, B., Perez, T., & McCool, C. (2016). DeepFruits: A fruit detection system using deep neural networks. Sensors, 16(8), 1222.
Siegwart, R., Nourbakhsh, I., & Scaramuzza, D. (2011). Introduction to Autonomous Mobile Robots. MIT Press.
Wolfert, S., Ge, L., Verdouw, C., & Bogaardt, M. J. (2017). Big Data in Smart Farming: A review. Agricultural Systems, 153, 69-80.
WWAP. (2019). The United Nations World Water Development Report 2019: Leaving No One Behind. UNESCO World Water Assessment Programme.
