Sistema para la toma de decisiones en el riego de cultivos protegidos basado en aprendizaje de máquina

• Villavicencio Quintero, Dennis ^[1] ; Cabrera Hernández, Emilio ^[1] ; Godo Alonso, Alain ^[2] ; Santana Ching, Ivan ^[1]
  1. [1] Universidad Central de Las Villas

     Universidad Central de Las Villas

     Cuba

     
  2. [2] SORMA.ai
• Localización: Revista Científica de Ingeniería Electrónica, Automática y Comunicaciones, ISSN-e 0258-5944, ISSN 1815-5928, Vol. 44, Nº. 3, 2023
• Idioma: español
• Títulos paralelos:
  • Decision-making system for irrigation of protected crops based on machine learning
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La escasez de agua constituye una preocupación de la industria agropecuaria, y es que esta emplea en la irrigación cuatro quintas partes del total de agua fresca consumida y dos tercios del total empleado para consumo humano. Por tal razón resulta esencial el desarrollo de sistemas que optimicen el empleo de agua en el riego. En las casas de cultivo protegido de la UEB “Valle del Yabú” del municipio Santa Clara el riego se realiza mediante un sistema basado en goteo que requiere la presencia de un operario para la toma de decisiones, el cual no tiene información sobre algunas de las variables hidrometeorológicas que rigen al cultivo. Este artículo se centró en diseñar un sistema de apoyo a la toma de decisiones en el riego basado en aprendizaje de máquina. Como parámetro de importancia del sistema se calcula el coeficiente de evapotranspiración del cultivo utilizando para ello la fórmula de Turc. Se realiza un acondicionamiento de los datos ambientales recopilados y con ellos se entrenan modelos de regresión lineal, bosques aleatorios regresivos y bosques aleatorios de gradiente mejorado para determinar valores de evapotranspiración futuros empleando la plataforma Apache Spark. El modelo que obtuvo los mejores resultados fue el bosque aleatorio regresivo con un coeficiente de determinación (r2) de 0,79 y con él se calcula el volumen de agua perdido por el cultivo. Finalmente, el sistema fue capaz de proveer las estimaciones de ambas variables las que favorecen la toma de decisiones por parte de los especialistas.

  • English

    The water scarcity is a concern of the agricultural industry as it uses four fifths of the of the total fresh water consumed for irrigation and two thirds of the total used for human consumption. For this reason, the development of systems that optimize the use of water in irrigation is essential. In the greenhouses of the UEB "Valle del Yabú" of the Santa Clara municipality, irrigation is carried out using a drip-based system that requires the presence of an operator for decision-making who does not have information about some of the hydrometeorological variables that govern the crop. This paper focused on to design a support system for decision-making in irrigation based on machine learning. As an important parameter of the system, the evapotranspiration coefficient of the crop is calculated using the Turc formula. The collected environmental data is conditioned and linear regression, regressive random forests, and gradient-boosted trees regression models are trained with them to determine future evapotranspiration values using the Apache Spark framework. The model that obtained the best results was the regressive random forest with a coefficient of determination (r2) of 0,79 and with it the volume of water lost by the crop is calculated. Finally, the system was able to provide the estimates of both variables, which favour decision-making by specialists.