Diseño de un sistema hidropónico inteligente con arquitectura modular y control predictivo mediante redes neuronales artificiales para el cultivo de lechuga

• Autores: Macetas Mondragón, Leonardo Gabriel, Uribe Perez, Diego Fernando
• Formato: tesis de grado
• Fecha de Publicación: 2026
• Institución: Universidad Ricardo Palma
• Repositorio: URP-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.urp.edu.pe:20.500.14138/10297
• Enlace del recurso: https://hdl.handle.net/20.500.14138/10297
• Nivel de acceso: acceso abierto
• Materia: Hidroponía modular; control predictivo; arquitectura modular; redes neuronales; sistema electrónico; https://purl.org/pe-repo/ocde/ford#2.11.02

La presente investigación corresponde a un estudio aplicado y tecnológico, desarrollado desde un enfoque ingenieril, cuyo propósito fue diseñar y validar en entorno simulado un sistema hidropónico modular para el cultivo de lechuga en la empresa Hidropónicos del Perú. El sistema propuesto, automatizó el riego, el suministro de solución nutritiva y el monitoreo de variables ambientales mediante la integración de una estructura mecánica, un subsistema eléctrico-electrónico y un esquema de control inteligente. El bastidor de acero galvanizado y los canales NFT fueron dimensionados para soportar el peso conjunto de solución, plantas y accesorios; los análisis estáticos en Autodesk Inventor, con cargas equivalentes aplicadas al bastidor y al sistema de distribución, evidenciaron tensiones y desplazamientos muy inferiores a los límites admisibles, alcanzando un coeficiente de seguridad del orden de 15. El control se implementó sobre un ESP32-WROOM-32, que recibe información de sensores de temperatura, humedad y luminancia (DS18B20, DHT22 y BH1750) para accionar bombas, válvulas solenoides y paneles LED. El dimensionamiento eléctrico contempló corrientes de trabajo y de diseño que justifican el uso de conductores de 2,5 mm², con una caída de tensión aproximada del 0,28 %. La electrónica se validó en Proteus, la maniobra de potencia en CADe SIMU y la interacción físico-lógica en un modelo 3D de Coppelia Sim. Finalmente, en MATLAB se entrenó un perceptrón multicapa con alto ajuste (R≈1 y MSE del orden de 10⁻⁶), lo que respalda la viabilidad técnica del sistema antes de su implementación física.