Diseño e implementación de un sistema inteligente utilizando red de sensores, visión artificial y computación en la nube para la automatización de invernaderos

• Autor: Huanqui Soria, Wilson Pascual
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/18520
• Enlace del recurso: https://hdl.handle.net/20.500.12773/18520
• Nivel de acceso: acceso abierto
• Materia: invernadero; sensores; artificial; https://purl.org/pe-repo/ocde/ford#2.02.05

En este proyecto de investigación se describe el diseño e implementación de un invernadero inteligente automatizado. En la actualidad existen tecnologías que se comercializan para la automatización de invernaderos, pero muchas son costosas para poder ser implementadas por los agricultores. Con este proyecto se va desarrollar la automatización de invernaderos con tecnología menos costosas los cuales pueden ser adquiridas por los agricultores y por usuarios que quieran cultivar a una menor escala. Se utiliza una placa electrónica de hardware libre Arduino Mega 2560 para programar los códigos e integrar los sensores de temperatura, humedad del suelo, humedad relativa del ambiente y nivel de CO2. Para él envió de las lecturas de los sensores de forma inalámbrica a través de internet de las cosas, en inglés Internet of Things (IoT) a una base de datos de Google drive se utiliza hardware libre de código abierto Nodemcu esp8266 v3. La visualización de las lecturas de datos de los sensores en tiempo real se hace mediante una aplicación para teléfonos celulares con sistema operativo Android conectados con bluetooth y con ordenadores que tengan conexión a internet. La aplicación fue creada en el entorno de desarrollo integrado, en inglés Integrated Development Environment, (IDE) Android Studio y la visualización con ordenadores se hace directamente de la plataforma de Google drive. Mediante la toma fotográfica del estado del cultivo y de los productos se hace el entrenamiento del modelo de reconocimiento en una computadora para obtener un modelo entrenado. Se utiliza una placa electrónica de hardware libre Raspberry Pi 4 con una cámara y mediante la visión artificial con el modelo entrenado se hace un reconocimiento del estado del cultivo utilizando la detección de objetos para la toma de decisiones de forma autónoma por parte del sistema en tiempo real. Además, se hace uso de un sistema fotovoltaico para suministrar energía a todos los componentes electrónicos del proyecto.