Resumen
Este trabajo describe el proceso de diseño, construcción e instalación de un sistema de monitoreo remoto basado en el microcontrolador ESP8266, con el fin de registrar información ambiental y de producción durante el desarrollo de la planta y el fruto del chayote verde liso (Sechium edule var. virens levis). Este proceso involucró la integración de tecnologías de hardware y software; se inició con la construcción e instalación de sondas para el registro del peso de la biomasa de los frutos en la producción del chayote sobre la estructura aérea que es utilizada para ese fin, la cual tiene una configuración de 8 m x 8 m (4 secciones cuadradas de 4 metros de lado cada una, formada por 9 postes de soporte). Los datos ambientales recopilados incluyeron: temperatura de bulbo seco, humedad relativa y exposición lumínica; mientras que, para el peso de biomasa, se determinó generar una programación para rastrear la variación de su desarrollo, lo cual permite observar el crecimiento y podas de la planta (se pretende que esta información ayude a estimar con precisión el momento óptimo para cosechar los frutos). Este sistema de monitoreo constante aportará información relevante para predecir el rendimiento de este cultivo, además de identificar aquellas causales que lo limiten y que puedan corregirse a tiempo. La información obtenida puede ayudar a los productores en la toma de decisiones (irrigación, insumos agrícolas, mano de obra, tiempo de cosecha); además de que la tecnología utilizada puede extrapolarse a otras hortalizas.
Citas
Arduino SA. (2024). Arduino Cloud (Version 1.0) [Software]. https://cloud.arduino.cc/
Avendaño-Arrazate, C., Cadena-Iñiguez, J., Arévalo-Galarza, M., Campos-Rojas, E., Cisneros-Solano, V., & Aguirre-Medina, J. (2010). Las variedades del chayote mexicano, recurso ancestral con potencial de comercialización. México: Grupo Interdisciplinario de Investigación en Sechium edule en México, AC. https://www.gob.mx/cms/uploads/attachment/file/231856/Las_variedades_del_chayote_mexicano.pdf
Cadena-Iñiguez, J., & Arévalo-Galarza, M. (2010). GISeM: Rescatando y Aprovechando los Recursos Fitogenéticos de Mesoamérica Volumen 1: Chayote. Grupo Interdisciplinario de Investigación en Sechium edule en México, A.C.; Colegio de Postgraduados. ISBN 978-607-7533-80-1.https://www.gob.mx/cms/uploads/attachment/file/231857/El_chayote_volumen_1.pdf
Cadena-Iñiguez, J. (2010). El chayote (Sechium edule (Jacq.) Sw., importante recurso fitogenético mesoamericano. Agro Productividad, 3(2). https://revista-agroproductividad.org/index.php/agroproductividad/article/view/589
Cadena-Iñiguez, J. (2018). Uso de chayotes mexicanos para tratamiento de enfermedades de interés público. Agro Productividad, 9(11-B). https://doi.org/10.32854/agrop.v9i11-B.893
Cadena-Iñiguez, J., Arévalo-Galarza, M., Avendaño-Arrazate, C., Ventura-Valerio, V., & Ruiz-Posadas, L. (2021). Diseño y transferencia de la variedad vegetal de chayote [Sechium edule (Jacq) Sw.] var. virens levis "VENTLALI". Agro-Divulgación, 1(1). https://doi.org/10.54767/ad.v1i2.32
Chen, J., & Yang, A. (2019). Intelligent agriculture and its key technologies based on Internet of Things architecture. IEEE Access, 7, 77134-77141. https://doi.org/10.1109/ACCESS.2019.2921391
Dhanaraju, M., Chenniappan, P., Ramalingam, K., Pazhanivelan, S., & Kaliaperumal, R. (2022). Smart farming: Internet of Things (IoT)-based sustainable agriculture. Agriculture, 12(10), 1745. https://doi.org/10.3390/agriculture12101745
Easy Eda (2013). (Versión 6.5.41) [Software]. Disponible en https://u.easyeda.com/
Effah, E., Thiare, O., & Wyglinski, A. M. (2024). Hardware evaluation of cluster-based agricultural IoT network. IEEE Access, 12, 33628-33651. https://doi.org/10.1109/ACCESS.2024.3370230
ElBeheiry, N., & Balog, R. (2023). Technologies driving the shift to smart farming: A review. IEEE Sensors Journal, 23(3), 1752-1769. https://doi.org/10.1109/JSEN.2022.3225183
FAO [Food and Agriculture Organization of the United Nations]. (2024). The state of food security and nutrition in the world 2024: Financing to end hunger, food insecurity and malnutrition in all its forms. https://doi.org/10.4060/cd1254en
Fritzing (2009). Fritzing (Versión 0.9.10) [Software]. Disponible en https://fritzing.org
Huang, K., Shu, L., Li, K., Yang, F., Han, G., Wang, X., & Pearson, S. (2020). Photovoltaic agricultural Internet of Things towards realizing the next generation of smart farming. IEEE Access, 8, 76300-76312. https://doi.org/10.1109/ACCESS.2020.2988663
Hu, W., Fan, J., Du, Y., Li, B., Xiong, N., & Bekkering, E. (2020). MDFC–ResNet: An agricultural IoT system to accurately recognize crop diseases. IEEE Access. https://doi.org/10.1109/ACCESS.2020.3001237
Núñez, J., Fonthal, F., & Quezada, Y. (2017). Design and implementation of WSN for precision agriculture in white cabbage crops. In proc. 2017 IEEE XXIV International Conference on Electronics, Electrical Engineering and Computing (INTERCON) (pp. 1–4). https://doi.org/10.1109/INTERCON.2017.8079671
JetBrains s.r.o. (2024). PyCharm Community Edition (Version 2024.1) [Software]. https://www.jetbrains.com/pycharm
Khan, N., Ray, R. L., Sargani, G. R., Ihtisham, M., Khayyam, M., & Ismail, S. (2021). Current progress and future prospects of agriculture technology: Gateway to sustainable agriculture. Sustainability, 13(9), 4883. https://doi.org/10.3390/su13094883
Malik, P., Singh, R., Gehlot, A., Akram, S., & Das, P. (2022). Village 4.0: Digitalization of village with smart Internet of Things technologies. Computers & Industrial Engineering, 165, 107938. https://doi.org/10.1016/j.cie.2022.107938
Ma, Y., Chen, J., & Shih, C. (2022). An automatic and intelligent Internet of Things for future agriculture. IT Professional, 24(6), 74-80. https://doi.org/10.1109/MITP.2022.3205707
Ortiz, H., Rosas-Calleja, D., & Debernardi-de-la-Vequia, H. (2019). Descripción de la estructura de soporte para el cultivo de chayote (Sechium edule (Jacq). Swartz), y propuesta de un nuevo modelo. Agro Productividad, 12(9). https://doi.org/10.32854/agrop.v12i9.1193
Sachithra, V. & Subhashini, L. (2023). How artificial intelligence uses to achieve the agriculture sustainability: Systematic review. Artificial Intelligence in Agriculture, 8, 46-59. https://doi.org/10.1016/j.aiia.2023.04.002
Servicio de Información Agroalimentaria y Pesquera [SIAP]. (2023). Valor de la producción nacional, módulo agrícola producción estatal producción anual de chayote sin clasificar. SIACON. [Software]. https://www.gob.mx/agricultura/dgsiap/documentos/siacon-ng-161430
Trongtorkid, C., & Pramokchon, P. (2018). Expert system for diagnosis mango diseases using leaf symptoms analysis. In Proc. of the International Conference on Digital Arts, Media and Technology (ICDAMT 2018) (pp. 59–64). https://doi.org/10.1109/ICDAMT.2018.8376496
Revista Bio Ciencias por Universidad Autónoma de Nayarit se encuentra bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Unported.
Basada en una obra en http://biociencias.uan.edu.mx/.
Permisos que vayan más allá de lo cubierto por esta licencia pueden encontrarse en http://editorial.uan.edu.mx/index.php/BIOCIENCIAS.licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional