Tendencias

Cómputo Móvil en la Agricultura de Precisión

PUBLICADO EL JULIO 2, 2020 POR ADMIN.

Luis Antonio Gama Moreno1-luis.gm@tlajomulco.tecnm.mx, Violeta Haidé Plazola Soltero1– violeta.ps@tlajomulco.tecnm.mx, Christian Guillermo Murguia Vadillo1– christian.mv@tlajomulco.tecnm.mx

1TECNOLOGICO NACIONAL DE MEXICO, Campus Tlajomulco.
Km. 10 Carretera Tlajomulco-San Miguel Cuyutlán, Tlajomulco de Zúñiga, Jalisco. México

Resumen:

 

El uso de dispositivos móviles ha revolucionado prácticamente todas las áreas del quehacer humano, dando a los usuarios de estos dispositivos las habilidades para realizar tareas que antes solo eran posibles a través de equipos de escritorio. Una de las áreas que han sido beneficiadas por estas tecnologías es la agricultura.

 

Con la aparición de los vehículos aéreos no-tripulados para uso comercial (conocidos como DRONES), han creado lo que hoy día se conoce como “Agricultura de Precisión (AP)”. En este artículo se presenta un estudio de las tecnologías que han permitido la aparición de la AP. Asimismo, se presenta un caso de estudio con aplicabilidad para la agronomía donde usuarios sin experiencia en TICs (Tecnologías de la Información y Comunicación) puedan hacer uso de estas tecnologías en cualquier tipo de dispositivo (en especial los teléfonos inteligentes) para determinar los niveles de salud de plantas en el mismo lugar sin tener que esperar para su procesamiento o tener que llevar las imágenes a un centro de procesamiento especializado.

 

Introducción.

La aparición del cómputo móvil dio origen a un nuevo paradigma en el campo del desarrollo de aplicaciones de software. El término “movilidad” ha tomado un nuevo significado debido a la combinación de equipos de cómputo portátiles y redes inalámbricas, dando como resultado el cómputo móvil, que permite el acceso a la información sin importar la ubicación geográfica. El cómputo móvil ha traído grandes beneficios a los usuarios tales como: movilidad, conectividad y uso de herramientas que antes sólo estaban disponibles para equipos fijos (de escritorio). Las computadoras fijas han dejado de ser el medio preponderante para procesar y comunicar información, en la actualidad son comunes los dispositivos móviles como organizadores personales, computadoras portátiles, teléfonos inteligentes, entre otros.

 

Una de las áreas que han sido beneficiadas por estas tecnologías es la agricultura. Con la aparición de los vehículos aéreos no-tripulados para uso comercial (conocidos como DRONES), han creado lo que hoy día se conoce como “Agricultura de Precisión (AP)”. Los drones ofrecen múltiples posibilidades para la agricultura.

 

Pueden sobrevolar los campos de una forma rápida y captar información diversa gracias a sus sensores, incluso en áreas donde el acceso es muy difícil como en colinas o acantilados. Esto permite que aquellos que gestionan los cultivos tengan a su disposición una herramienta para controlar e incrementar la productividad.

 

Por tal motivo, se ha hecho imprescindible que las empresas puedan gestionarse desde cualquier dispositivo ya sea de escritorio, móvil o basado en web. Por esta razón, los profesionales deben ahora desarrollar aplicaciones multiplataforma si desean mantenerse en la vanguardia del desarrollo de software. Ya que resulta en un alto costo el tener un proyecto para cada plataforma (en diferentes lenguajes), que tener solamente un proyecto para múltiples plataformas desarrollado con un solo lenguaje (ver fig. 1). Actualmente existen diferentes ambientes o plataformas de software que permiten desarrollar aplicaciones para diferentes sistemas operativos utilizando el mismo código con un solo lenguaje.

 

El resto del artículo está organizado de la siguiente manera. En la sección del fundamento teórico se describen las diversas formas de desarrollar aplicaciones multiplataforma pasando desde aplicaciones nativas hasta aplicaciones híbridas y basadas en scripts. Seguido de la sección de la Agricultura de Precisión, donde se describen las principales características, conjunto de técnicas, apoyadas por equipamiento de alta tecnología, para el manejo de la producción agrícola. En la tercera sección de caso de estudio, se presenta una aplicación para el sector agrícola orientada a dispositivos móviles para obtener el índice de Vegetación

Diferencial Normalizado (NDVI por sus siglas en inglés) para conocer el estado de salud de una sección del cultivo, denominada NDVICam. Y finalmente se presentan las conclusiones.

 

 

 

 

 

 

 

 

 

 

 

 

Fig. 1 Panorama del desarrollo multiplataforma

 

Fundamento Teórico

Aplicaciones Web Móviles 

Las Aplicaciones Web Móviles, diseñadas para ejecutarse dentro de un navegador, se desarrollan con tecnología web estándar (HTML, CSS y JavaScript), y cuentan con una serie de características favorables: no necesitan adecuarse a ningún entorno operativo, son independientes de la plataforma y su puesta en marcha es rápida y sencilla. Normalmente estas aplicaciones utilizan una tecnología denominada “web responsive” donde la interfaz es capaz de adaptarse a los diferentes tamaños de pantallas. La desventaja, son sus tiempos de respuesta debido a la interacción cliente-servidor. Al mismo tiempo, resultan ser menos atractivas que las aplicaciones nativas ya que no se encuentran instaladas en el dispositivo, lo que implica acceder previamente a un navegador. Además, las restricciones de seguridad impuestas a la ejecución de código por medio de un navegador, limitan el acceso a todas las capacidades del dispositivo (Tracy, July-Aug 2012). Asimismo, no es posible desarrollar aplicaciones web que corran en segundo plano ni tampoco aplicaciones offline, ya que es requisito disponer de una conexión a internet.

 

Aplicaciones Híbridas 

 

Las aplicaciones híbridas utilizan tecnologías web (HTML, Javascript y CSS) pero no son ejecutadas por un navegador. En su lugar, se ejecutan en un contenedor web (webview), como parte de una aplicación nativa, la cual está instalada en el dispositivo móvil. Desde una aplicación híbrida es posible acceder a las capacidades del dispositivo, a través de diversas API.

 

Las aplicaciones híbridas ofrecen grandes ventajas permitiendo la reutilización de código en las distintas plataformas, el acceso al hardware del dispositivo, y la distribución a través de las tiendas de aplicaciones. Sin embargo, la experiencia de usuario se ve afectada al no utilizar componentes nativos en la interfaz, y la ejecución se ve ralentizada por la carga asociada al contenedor web. Existe una diversidad de frameworks que permiten desarrollar aplicaciones híbridas tales como: PhoneGap, CocoomJS, Ionic, Sencha Touch,

 

Aplicaciones Interpretadas 

Las aplicaciones interpretadas son implementadas utilizando un lenguaje base, el cual se traduce en su mayor parte a código nativo, mientras el resto es interpretado en tiempo de ejecución. Estas aplicaciones son implementadas de manera independiente de las plataformas utilizando diversas tecnologías y lenguajes, tales como Javascript, Java, Ruby y XML, entre otros. Una de las principales ventajas de este tipo de aplicaciones es que se obtienen interfaces de usuario totalmente nativas. Sin embargo, los desarrolladores experimentan una dependencia total con el entorno de desarrollo elegido. Algunos frameworks más utilizados para el desarrollo de aplicaciones interpretadas son: Appcelerator Titanium y NativeScript.

 

Aplicaciones Generadas por Compilación Cruzada (Nativas) 

Estas aplicaciones se compilan de manera nativa creando una versión específica de alto rendimiento para cada plataforma destino. Ejemplos de entornos de desarrollo para generar aplicaciones por compilación cruzada son Applause (Applause App Quality, 2020), Xamarin (Microsoft, 2020), Embarcadero Rad Studio (Delphi/C++ Builder) y RubyMotion (Scratchwork Development LLC, 2020). El entorno de desarrollo abierto Applause utiliza como entrada un lenguaje específico del dominio basado en el framework Xtext (Eclipse Foundation, Inc. , 2020), diseñado explícitamente para aplicaciones móviles orientadas a datos, y genera código fuente en Objective C, Java, C# o Python.

Agricultura de Precisión

La agricultura es considerada como una de las actividades económicas más importantes en distintas zonas a nivel mundial, por esta razón a través del tiempo ha ido evolucionando y adaptando nuevas estrategias con el propósito de cubrir los requerimientos de los productores y de las distintas formas de cultivo (McLoud & Col, 2007). Un ejemplo de esto es la denominada Agricultura de Precisión (AP), la cual se refiere a la gestión de la producción agrícola a partir de la observación, la medida y la forma de resolver cualquier factor que puedan determinar que un cultivo tenga éxito o no (Bramley, 2009) (Ehrl & Col., 2003). La AP se ha convertido en un gran aliado en el campo agrícola, entre algunas de sus características están, por ejemplo, aplicar la cantidad correcta de insumos, en el momento adecuado y en el lugar exacto. Es el uso de la tecnología de la información para adecuar el manejo de suelos y cultivos a la variabilidad presente dentro de un lote (Bramley, 2009) (Ehrl & Col., 2003) (McLoud & Col, 2007). La agricultura de precisión involucra el uso de sistemas de posicionamiento global (GPS) y de otros medios electrónicos para obtener datos del cultivo (Ehrl & Col., 2003) (El-Rabbany, 2006) (Kaplan & Hegarty, 2006). Las tecnologías de la AP permiten satisfacer una de las exigencias de la agricultura moderna: el manejo óptimo de grandes extensiones. Los avances en AP han permitido mejorar considerablemente el nivel predictivo, a través de la investigación y desarrollo de los siguientes componentes: 1) La variabilidad espacial de rendimiento y calidad, 2) El uso de la teledetección en la agricultura, 3) La integración del Índice Diferencial de Vegetación Normalizada (NDVI) sobre el estatus hídrico de la planta, 4) La integración del NDVI sobre la calidad y el rendimiento, y 5) aplicación sitio-específica del volumen foliar como indicador de vigor y expresión vegetativa al interior del escenario agrícola.

Por otro lado, los avances en los sistemas de monitoreo remoto han creado los llamados vehículos aéreos no-tripulados (Unmanned Aerial Vehicles: UAV por sus siglas en inglés), comúnmente conocidos como drones. Estos son capaces de capturar videos e imágenes aéreos en perspectivas que no se pueden lograr por ningún otro medio, especialmente en zonas de alto riesgo como acantilados, laderas, faldas de cerros, entre otros. Estos vehículos aéreos no tripulados pueden operar con diversos grados de autonomía: ya sea bajo control remoto por un operador humano, o de manera completamente autónoma, a través de computadoras de control de vuelo ((ICAO), 2016).

Estos vehículos se han convertido en una herramienta muy útil en una amplia variedad de tareas tales como: supervisión y vigilancia (patrulla fronteriza y marítima), búsqueda y rescate, protección de la pesca, detección de incendios forestales, monitoreo de desastres naturales, medición de contaminación, vigilancia del tránsito y monitoreo de campos agrícolas y en especial la obtención de imágenes, en lo que se ha denominado “Agricultura de Precisión” (Chartuni & Magdalena, 2014.). En este campo también se han desarrollado diversos trabajos para ayudar al agricultor. En (Jeong, 2016) se construyó un UAV con un sistema de teledetección ligero, equipado con adquisición y procesamiento de imágenes, lo que resulta en un método simple para obtener información cuantitativa y confiable sobre el crecimiento de los cultivos.

 

La información recolectada puede ser usada para evaluar con mayor precisión la densidad óptima de siembra, estimar el uso de fertilizantes, optimizar la gestión del recurso hídrico, predecir con más exactitud la producción de los cultivos y la calidad del producto final, así como también optimizar los rendimientos a través de prácticas de cosechas automatizadas. Del mismo modo, el uso de estas tecnologías contribuye a una adecuada toma de decisiones, desde el punto de vista del manejo técnico-productivo, económico y ambiental sobre el aprovechamiento de los suelos destinados a prácticas agrícolas.

Firmas espectrales para teledetección

La forma en la cual un objeto refleja, emite o absorbe la energía del espectro electromagnético (em) conforma un patrón espectral denominado FIRMA ESPECTRAL. La misma permite identificar y discriminar diferentes objetos de la naturaleza. La firma espectral se “construye” a partir de la señal registrada por los sensores remotos en las diferentes porciones del Espectro em. La fig. 2 ilustra las diferentes escalas del espectro electromagnético visible y no visible. El espectro electromagnético se extiende desde la radiación de menor longitud de onda, como los rayos gamma y los rayos X, pasando por la radiación ultravioleta, la luz visible y la radiación infrarroja, hasta las ondas electromagnéticas de mayor longitud de onda, como son las ondas de radio.

 

 

 

 

 

Fig. 2 Escalas del espectro electromagnético.

Las firmas espectrales muestran la variación de la radiación reflejada por los objetos en función de la longitud de onda. Este comportamiento físico puede ser tenido en cuenta en los análisis multiespectrales para reconocer elementos particulares en las imágenes aéreas. De esta forma, analizando canales de operación y sus niveles de reflectancia, podremos foto-interpretrar y trabajar la base de la teledetección. No todos los elementos reflejan de igual manera la radiación a través de los diferentes canales. Por tanto, la firma espectral es función de la radiación reflejada según el canal empleado. Así, por ejemplo, un elemento puede reflejar notablemente la radiación en el canal del infrarrojo mientras lo absorbe en el canal visible del verde. Este comportamiento de absorción y reflexión a lo largo de los canales muestra una curva de comportamiento que delata a los elementos y permite identificarlos. Podemos plantear, como ejemplo descriptivo, la firma espectral de la vegetación. En el canal visible del rojo la clorofila absorbe la radiación para posteriormente reflejarla bruscamente en el infrarrojo. Los contrastes de color muestran zonas oscuras para el canal de absorción y zonas claras para el canal de reflejo.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Fig. 3 Niveles de Infrarrojo reflejado por las hojas.

NDVI

El NDVI (Normalized Difference Vegetation Index), es un índice usado para estimar la cantidad, calidad y desarrollo de la vegetación con base a la medición de la intensidad de la radiación de ciertas bandas del espectro electromagnético que la vegetación emite o refleja.

 

Se calcula a partir de la luz visible e infrarroja cercana reflejada por la vegetación. La vegetación sana absorbe la mayor parte de la luz visible que la golpea, y refleja una gran parte de la luz infrarroja cercana (Chávez, 2014). La vegetación no saludable o escasa refleja más luz visible y menos luz infrarroja cercana (ver fig. 3).

Fig. 4 Valoración de los índices de NDVI.

Casi todos los índices satelitales de vegetación emplean esta fórmula de diferencia para cuantificar la densidad del crecimiento de la planta en la Tierra: radiación infrarroja cercana menos radiación visible dividida por radiación infrarroja cercana más radiación visible. El resultado de esta fórmula se llama índice de vegetación de diferencia normalizada (NDVI). Escrito matemáticamente, la fórmula es:   NDVI = (NIR – RED) ÷ (NIR + RED). Los cálculos de NDVI para un píxel dado siempre dan como resultado un número que va de menos uno (-1) a más uno (+1); sin embargo, ninguna hoja verde da un valor cercano a cero. Un cero significa que no hay vegetación y cerca de +1 (0.8 – 0.9) indica la mayor densidad posible de hojas verdes (Sruthi, 2015). La figura 4 muestra el estado físico de una planta asociado a los rangos de valores obtenidos por el procesamiento del NDVI.

 

El NDVI, está ligado a un gran número de factores en los cultivos. La biomasa suele ser el factor más importante. Lo que resulta más complicado del NDVI es que éste está relacionado con la biomasa y la biomasa se ve afectada por todo.

 

Caso de estudio

Una de las áreas que ha impactado las TIC’s es en el sector agrícola es lo que hoy se conoce como Agricultura de Precisión (AP). La AP puede definirse como la aplicación de un conjunto de técnicas, apoyadas por equipamiento de alta tecnología, para el manejo de la producción agrícola en forma sitio-específica (Fountas, 2003). Los avances en AP han permitido mejorar considerablemente el nivel predictivo, a través de la investigación y desarrollo de los siguientes componentes: 1) La variabilidad espacial de rendimiento y calidad, 2) El uso de la teledetección en la agricultura, 3) La integración del Índice Diferencial de Vegetación Normalizada (NDVI) sobre el estatus hídrico de la planta, 4) La integración del NDVI sobre la calidad y el rendimiento, y 5) aplicación sitio-específica del volumen foliar como indicador de vigor y expresión vegetativa al interior del escenario agrícola. Se apoya en el uso de varias herramientas tecnológicas dentro de las cuales destacan, los Sistemas de Posicionamiento Global (GPS), sensores remotos, imágenes aéreas y/o satelitales junto con Sistemas de Información Geográfico (SIG) para estimar, evaluar y entender dichas variaciones (Fountas, 2003).

El NDVI (Normalized Difference Vegetation Index), es un índice usado para estimar la cantidad, calidad y desarrollo de la vegetación con base a la medición (por medio de sensores remotos) de la intensidad de la radiación de ciertas bandas del espectro electromagnético que la vegetación emite o refleja (BhandarI, 2012).

 

El NDVI se calcula a partir de la luz visible e infrarroja cercana reflejada por la vegetación. La vegetación sana absorbe la mayor parte de la luz visible que la golpea, y refleja una gran parte de la luz infrarroja cercana. La vegetación no saludable o escasa refleja más luz visible y menos luz infrarroja cercana. La fórmula para obtenerlo es:   NDVI = (NIR – RED) (NIR + RED). Los cálculos de NDVI para un píxel dado siempre dan como resultado un número que va de menos uno (-1) a más uno (+1); sin embargo, ninguna hoja verde da un valor cercano a cero. Un cero significa que no hay vegetación y cerca de +1 (0.8 – 0.9) indica la mayor densidad posible de hojas verdes (Sruthi, 2015). 

Fig. 5 Elementos del sistema NDVICam.

Para obtener este índice se desarrolló la aplicación denominada NDVICam, la cual se compone por dos elementos: i) una aplicación para dispositivos móviles desarrollada bajo el framework multi – plataforma denominada Firemonkey y generada para las principales plataformas móviles tales como Android e iOS (ver figura 5-A), así como para aplicaciones de escritorio tales como Windows y Mac OS, y ii) una cámara dual modificada para capturar imágenes que consta de dos lentes, uno modificado para capturar imágenes del espectro infrarrojo (*innovación) y otro lente normal para capturar los colores RGB (ver figura 5-B).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Fig. 6 Relación NDVI con valores de Nitrógeno.

NDVICam procesa las imágenes RGB e Infrarroja (ver fig. 5-A superior), leyendo cada valor de pixel rojo de ambas imágenes. El resultado es una matriz de valores flotantes en el rango de -1 a +1 creando una imagen según la escala de colores conocida como “El rango de valores NDVI” (ver figura 5-A inferior). El resultado de esta matriz es representado por un patrón de colores como el que se muestra en la fig. 6, donde es posible visualizar las zonas con colores “rojizos” que indican que en esa región de la imagen no hay presencia de vegetación; y los colores “amarillentos” representan rangos de valores entre +0.2 a +0.3 (según valores en la gráfica de la figura 6) esa región de la planta presentaría deficiencias de nutrientes. Para que el agricultor pueda tener una percepción del estrés en la planta, se realizó una correlación de los valores obtenidos mediante el proceso del NDVI y un dispositivo medidor modelo SPAD-502 (Soil Plant Analysis Development) en plantas de fresa, arándano y aguacate con respecto a la clorofila y el nitrógeno total. Finalmente, es recomendable medir las unidades NDVI en el cultivo de interés con diferentes hábitos de crecimiento, diferentes estados fenológicos y niveles de nutrición para obtener regresiones que puedan utilizarse en invernadero y campo.

 

Conclusiones.

En este artículo se presentó una perspectiva de como la computación móvil y la agricultura de precisión han venido a crear un conjunto de innovaciones tecnológicas para el sector agrónomo. Asimismo, se presentó un caso de estudio para para obtener el Índice Diferencial de Vegetación Normalizado (NDVI) directamente en los campos de cultivo (in situ), a través de una aplicación denominada NDVICam. La app NDVICam procesa dos imágenes obteniendo los valores correspondientes al color rojo de la imagen RGB y de la infrarroja conocido como NIR (Near Infrared) o infrarrojo. Estos valores se procesan para presentar el resultado en una escala de colores correlacionados con el índice NDVI y valores de Nitrógeno. Se presentaron las pruebas realizadas a dos imágenes del mismo objetivo en los espectros de RGB e Infrarrojo respectivamente, para determinar el nivel de salud de la planta. NDVICam está diseñado para funcionar en Android, iOS, Windows y Mac OSX. Con el proyecto NDVICam los agricultores podrán realizar una detección temprana de factores que afectan el crecimiento o nutrición de los cultivos.

 

Agradecimientos.

Este trabajo está desarrollado dentro del proyecto de investigación financiado por el Tecnológico Nacional de México (TECNM) titulado «AG-DRONE: Monitoreo de cultivos agrícolas basado en Drones» con clave: 5884.16-P, y desarrollado en el Instituto Tecnológico de Tlajomulco, Jal.

 

Referencias

 

(ICAO), I. C. (2016). ICAO. «Unmanned Aircraft Systems». ICAO’s circular 328 AN/190.

Applause App Quality, I. (2020). Applause. [Online] . Obtenido de http://www.applause.com/

 

BhandarI, K. A. (2012). Feature Extraction using Normalized Difference Vegetation Index (NDVI) . Case Study of Jabalpur City.

 

Bramley, R. G. (2009). Lessons from nearly 20 years of Precision Agriculture research, development, and adoption as a guide to its appropriate application. Crop & Pasture Science, 60(3), 197–217.

 

Chartuni, & Magdalena, C. (2014.). “Manual de Agricultura de Precisión”. ISBN: 978-92-9248-545-0: Programa Cooperativo para el desarrollo Tecnológico Agroalimentario y Agroindustrial del Cono Sur (PROCISUR). Insituto Interamericano de Cooperación para la Agricultura (IICA).

 

Chávez, R. O. (2014). Detecting leaf pulvinar movements on NDVI time series of desert trees: A new approach for water stress detection. 9, 1-12.

 

Eclipse Foundation, Inc. . (2020). Xtext. [Online].  Obtenido de http://www.eclipse.org/Xtext/

 

Ehrl, M., & Col. (2003). Quality assessment of agricultural positioning and communication systems.Precision agriculture: Proceedings of the 4th European conference on precision agriculture. (2003). In J. V. Stafford (págs. 205–210). Wageningen, The Netherlands: A. Werner.

 

El-Rabbany, A. (2006). Introduction to GPS: The global positioning system. 2. Norwood, MA: USA: Artech House.

 

Fountas, S. D.-D. (2003). Information Sources in Pre-cision Agriculture in Denmark and the USA. Precision Agriculture: Proceedings of the 4th European Conf. on Precision Agriculture.

 

Kaplan, E. D., & Hegarty, C. J. (2006). Understanding GPS—Principles and applications (2nd ed.). Norwood, MA: USA: Artech House.

 

McLoud, P. R., & Col. (2007). Precision agriculture: NRCS support for emerging technologies., (Vol. Agronomy Technical Note No.1). Washington, DC, USA: USDA-NRCS.

 

Microsoft. (2020). Xamarin. [Online]. Obtenido de www.xamarin.com/

 

Scratchwork Development LLC. (2020). RubyMotion. Obtenido de http://www.rubymotion.com/

 

Sruthi, S. &. (2015). Agricultural drought ana. using the NDVI. Aquatic Procedia, 4, 1258–1264.

Tracy, K. (July-Aug 2012). «Mobile Application Development Experiences on Apple’s iOS and Android OS,». 31, 30-34. doi:10.1109/MPOT.2011.2182571

Related posts:

business-2253456_1920-1024x402.jpg
  • Facebook - Gris Círculo
  • Instagram - Gris Círculo
  • YouTube - Gris Círculo

Dirección

2530 Crenshaw Dr. Street
Round Rock, TX 78664

Políticas de Privacidad

Contacto

Email:

contacto@univeslatinoamerica.com
Tel: +52 512 434 9209

© 2020 by EGB4