ArticuloFinal Carlos Alexander Gutierrez Marin

International Journal of Agricultural Technology XXXX Vol.
X(X): XXXX-XXXX
Available online http://www.ijat-aatsea.com
ISSN 2630-0192 (Online)
Inteligencia Artificial Aplicada a la Agricultura Hidropónica Para Obtener
Mejores Resultados: Una Revisión De Literatura
Artificial Intelligence Applied to Hydroponic Agriculture for Better Results: A
Literature Review
Carlos Alexander Gutierrez Marin 1, Edwin Eduardo Millán Rojas2

1
Facultad de Ingenieria, Programa Ingenieria de Sistemas, Universidad de la
Amazonia, Florencia, Caquetá, Colombia; 2Facultad de Ingenieria, Programa
Ingeniería de Sistemas, Universidad de la Amazonia, Florencia, Caquetá,
Colombia.
Abstract
The growing world population and the need for sustainable and efficient food are a major global
concern. Smart agriculture, which uses technologies such as the Internet of Things, robotics and
artificial intelligence, along with aquaponics, which combines hydroponics and fish farming,
are promising solutions to improve agricultural yields and sustainability. Furthermore, the early
detection and classification of plant diseases can be improved with the use of Deep Learning
technology in combination with drones and agricultural robots. Overall, the adoption of these
smart technologies in agriculture and aquaponics is expected to have a significant impact on the
sustainability and profitability of farmers in the coming years. In addition, the use of the
Internet of Things (IoT) in smart agriculture has revolutionized the way agriculture is practiced
today. With the help of sensors, drones, and other devices, farmers can collect real-time data
about their crops, soil, weather conditions, and other factors crucial to the growth and health of
their crops. The implementation of the IoT in precision agriculture allows better detection and
monitoring of crop growth, as well as food processing. The adoption of smart farming
technologies is expected to continue to grow in value in the precision farming market in the
coming years.
Keywords: Machine Learning, Internet de las Cosas, Vision Computacional, Cultivos

Hidropónicos.
Introducción
La creciente utilización de la agricultura hidropónica en lugares urbanos debido
a sus ventajas en el uso de recursos como el agua y los nutrientes, así como su
capacidad para producir alimentos saludables y frescos en espacios reducidos.
A pesar de estas ventajas, la agricultura hidropónica también enfrenta desafíos
en la maximización de la producción y la eficiencia en la siembra y cosecha de
cultivos. Por esta razón, la implementación de la inteligencia artificial en la
agricultura se está convirtiendo en una solución cada vez más importante para
mejorar la rentabilidad y superar estos desafíos. Con la ayuda de la tecnología y
los avances en inteligencia artificial, los agricultores pueden optimizar el
crecimiento de los cultivos, prevenir enfermedades y tener una mejor eficiencia
en la producción para obtener mejores resultados. Por lo tanto, la inteligencia
artificial en la agricultura hidropónica puede ayudar a mejorar la rentabilidad y
la eficiencia en la producción de alimentos frescos y saludables en espacios
reducidos.
504
International Journal of Agricultural Technology XXXX Vol. X(X): XXXX-XXXX
La metodología consistió en utilizar un método exploratorio con un enfoque
descriptivo, en el cual se utilizaron fuentes secundarias como artículos
científicos y libros para recopilar información relevante sobre el tema, aparte se
establecieron cinco categorías de búsqueda las cuales fueron: Inteligencia
artificial, internet de las cosas, Machine Learning, redes neuronales artificiales
y Deep Learning. Se realizó la búsqueda en la base de datos bibliográfica de
Google Académico, descargando ochenta y cinco artículos científicos
publicados en los últimos cinco años. Se sistematizaron los artículos
encontrados utilizando cuatro preguntas de investigación, las cuales fueron
utilizadas para obtener noventa y tres respuestas sistematizadas. De estas
respuestas se utilizaron cincuenta para el apartado de resultados del artículo.
También se elaboró una tabla el cual muestra la cantidad de artículos
encontrados en la base de datos de Google Académico en los últimos cinco
años.
El resultado más significativo fue en el Machine Learing el cual habla sobre la
lucha contra la hambruna mundial la cual es un problema crucial por lo cual
este debe ser abordado, especialmente con el aumento de la población mundial.
Actualmente, más de mil millones de personas de los 6.5 mil millones que hay
en el mundo padecen hambre. Los métodos de cultivo tradicionales necesitan
505
suelos de alta calidad, minerales naturales y un mayor tiempo de producción, lo
cual dificulta aún más la lucha contra el hambre. Para hacer frente a este
problema, se ha desarrollado la técnica de cultivo hidropónico de invernaderos
inteligentes con la ayuda de los avances tecnológicos. La hidroponía es otra
forma de cultivo de plantas que no utiliza el suelo y permite un período de
crecimiento más corto y rendimientos más altos. Esto hace posible a las
personas tengan acceso a alimentos frescos y saludables en áreas donde la

(Mamatha & Kavitha, 2023)
agricultura tradicional es difícil o imposible .
Dicho lo anterior, la combinación de visión por computadora y agricultura tiene
el suficiente potencial para revolucionar la industria y abordar los desafíos
actuales los cuales se enfrentan los agricultores. Una de las ventajas de utilizar
estas tecnologías en la agricultura es la capacidad de automatizar tareas que
antes se realizaban manualmente, por ende, esto aumenta la eficiencia de
producción y reduce los costos. Por ejemplo, la visión por computadora se
puede usar para monitorear el crecimiento y la salud de los cultivos, detectar

(H. Tian et al., 2020)
plagas y enfermedades e incluso ayudar en la cosecha .
La agricultura hidropónica se está convirtiendo en una solución cada vez más
popular en lugares urbanos debido a sus ventajas en el uso de recursos y la
capacidad para producir alimentos frescos y saludables en espacios reducidos.
Sin embargo, la maximización de la producción y la eficiencia en la siembra y
506
cosecha de cultivos son desafíos por enfrentar. La inteligencia artificial y su
implementación en la agricultura hidropónica puede ayudar a mejorar la
rentabilidad y superar estos desafíos. Los avances en tecnología y la
inteligencia artificial permiten a los agricultores optimizar el crecimiento de los
cultivos.
El artículo se estructura de la siguiente forma: primero, la introducción al tema
de la agricultura hidropónica y la inteligencia artificial. Luego, la parte de
materiales y métodos, el cual explica cómo se llevó a cabo el estudio de los
cultivos hidropónicos con Inteligencia Artificial. Y finalmente los resultados,
esto se dividen en cuatro subcategorías: Inteligencia Artificial, Machine
Learning, Internet de las Cosas y Cultivos Hidropónicos, donde se explica la
influencia de cada uno en los cultivos.
Materiales y métodos
507
El propósito de este artículo fue revisar la literatura sobre la pregunta
problema planteada: ¿Cómo ayuda la inteligencia artificial a la agricultura
hidropónica a obtener mejores resultados en la siembra y cosecha?, utilizando
un método exploratorio con enfoque descriptivo utilizando fuentes secundarias
de conocimiento científico. artículos y libros. Basado en la definición de seis
categorías de búsqueda: Inteligencia artificial, Internet de las cosas, Machine
Learning, Cultivos hidropónicos. Se realizó una búsqueda en una base de datos
bibliográfica, descargándose ochenta y cinco artículos científicos y de revisión
en un intervalo de tiempo de los últimos cinco años previos a la publicación de
Google Académico.
Tabla 1 Descripción de cantida de articulos por año

Base de 2019 2020 2021 2022 2023
datos/ Año
Google 9 19 20 27 8
Académico
Fuente: Elaboración propia
Se utilizaron cuatro preguntas para sistematizar los artículos encontrados:
508
Tabla 2 Preguntas utilizadas para la investigación

PREGUNTAS
P1 ¿Qué vacíos se presentan en el tema?
P2 ¿Cómo se desarrolla el tema a lo largo de los años?
P3 ¿En qué se está enfocando la discusión actual?
P4 ¿Cuáles son los temas relevantes en estas investigaciones?
Fuente: (Claros-Perdomo et al., 2020).
De estas preguntas obteniendo noventa y tres respuestas sistematizadas, de las
cuales se utilizaron para el apartado de resultados cincuenta respuestas de las
cuatro preguntas de investigación planteadas en este enunciado.
Resultados
La seguridad alimentaria sigue siendo un desafío global, está siendo objetivo de
las naciones unidas para el 2030, lo cual para superar este desafío se necesitan
establecer sistemas agrícolas productivos y sostenibles a nivel mundial. Lo cual
ha hecho que la agricultura inteligente haya surgido como una solución
prometedora para saciar el hambre y desnutrición en el mundo

(O’Grady et al., 2019)
. Los avances que ha tenido el Internet de las Cosas, sensores, robótica,
inteligencia artificial, impulsaron un gran cambio hacia una nueva era en la
agricultura está siendo actualmente una solución bastante rentable para mejorar
el crecimiento agrícola y dejar seguro un sustento a la población
509
mundial (Araújo et al., 2021). A medida que la población mundial va creciendo,
la demanda de los alimentos aumenta con él y la única forma de la cual se
depende para la producción de estos son los recursos naturales lo cual no es una
solución sostenible. Además, actualmente la industria agrícola es la mayor
consumidora de agua en todo el mundo, casi utilizando el 70% de agua en
diferentes procesos. Para abordar esta problemática, surge la acuaponía como
una solución potencial que combina los principios de la piscicultura y la
hidroponía, permitiendo el cultivo de peces y plantas en un mismo espacio que

(Khaoula et al., 2021)
reduce el consumo el agua y aumenta su productividad .
La integración de estas tecnologías se está adoptando rápidamente en
agricultura y acuaponía para mejorar su eficiencia y rentabilidad y reducir el
impacto ambiental. El uso de sensores de Internet de las Cosas y sistemas de
automatización ha permitido el monitoreo y control remoto de procesos,
reduciendo la necesidad de mano de obra y aumentando la eficiencia operativa.
Se espera que la implementación de estas tecnologías en la agricultura y la
acuaponía tenga un impacto significativo en la sostenibilidad y la rentabilidad

(Reyes et al., 2022)
de los agricultores en los próximos años . Por otro lado, el
Deep Learning ha tenido un impacto significativo en la detección temprana y
clasificación de enfermedades en las plantas, mejorando la precisión del
diagnóstico en la agricultura. Su uso en combinación con tecnologías como
510
drones y robots agrícolas tiene el potencial de automatizar la captura de

(Derisma et al., 2022)
imágenes y ampliar aún más su aplicación en el campo .
Al integrar redes neuronales artificiales en invernaderos y tecnologías de
Internet de las Cosas, se pueden mejorar aún más las capacidades al utilizar
arquitecturas de redes de alimentación directa y de optimización de procesos de
aprendizaje. Esto puede brindar valores como la predicción del microclima en
el cual se encuentra el invernadero inteligente y el gasto energético. En general,
esta tecnología agrícola puede ser una solución rentable para los agricultores al
darles la opción de manejar el microclima de sus cultivos de manera más

(Escamilla-García et al., 2020)
efectiva .
Inteligencia artificial
La población en el mundo está aumentando rápidamente lo cual está se
duplicará la necesidad de alimentos, por lo cual las técnicas tradicionales
utilizadas por los agricultores no son muy eficaces para cumplir con la creciente
demanda, además del uso inadecuado de nutrientes, agua y fertilizantes

(Hassan et al., 2021)
. La importancia de producir alimentos de manera sostenible y el
uso eficiente de recursos no puede ser exagerada, debido al crecimiento
exponencial de la población mundial. Para enfrentar estos desafíos las nuevas
tecnologías como la acuapónica y la agricultura inteligente son una solución
511
prometedora, lo cual permiten un monitoreo y gestión de recursos de una
(Gayam et al., 2022a)
manera efectiva . Se entiende con la agricultura
inteligente como un habilitador clave cuando se consideran como objetivos el
eliminar el hambre y la desnutrición del mundo. Sin embargo, el despliegue de
diferentes sistemas agrícolas inteligentes sigue siendo distantes o no muy
conocidos en el mundo de la agricultura por diferentes factores, uno de ellos es

(O’Grady et al., 2019)
el económico . La tecnología en la agricultura seguirá
creciendo en el futuro, a un punto el cual abran robot sembrando y cosechando,
la información de la calidad del suelo estará disponible de una forma fácil
permitiendo controles más precisos. La agricultura inteligente tiene potencial de
crecer rápidamente y de manera eficiente en los próximos años

(Bacco et al., 2019)
. El uso de algoritmos de reconocimiento, drones y bases de datos para
identificar patrones y características de los cultivos permite una visión más
precisa y completa de la salud de las plantas y los riesgos a los que están
expuestas. Con esta información, los agricultores pueden tomar decisiones más
informadas y oportunas sobre cómo tratar los cultivos para evitar pérdidas en la
(Bedolla et al., 2019)
cosecha .
Uno de los desafíos para la implementación de la Inteligencia Artificial en la
agricultura es el desafío técnico. Hay numerosos aspectos técnicos que deben
512
abordarse, como el desarrollo de sensores precisos y confiables, la integración
de varias fuentes de datos y el desarrollo de algoritmos capaces de analizar

(Jerhamre et al., 2022)
datos en tiempo real . El aumento constante de la
población mundial ha planteado una preocupación creciente en cuanto a la
seguridad alimentaria en todo el mundo. La demanda de alimentos va a tener un
aumento significativo en los próximos años debido al crecimiento poblacional,
esto hace necesario encontrar soluciones para garantizar la alimentación de
todas las personas en el mundo. Las prácticas sostenibles en la agricultura son
una forma efectiva de abordar este problema, por lo tanto, permiten producir
(Gayam et al., 2022b)
alimentos de forma responsable con el medio ambiente .
La agricultura de precisión ha sido posible gracias a las múltiples soluciones
para obtener datos y diferentes intervenciones a nivel del campo. También
como las diferentes tecnologías y la interpretación de datos pueden utilizarse

(Molin et al., 2020)
para tomar decisiones en la agricultura . La implementación
de tecnología en la agricultura se ha convertido en un factor crucial para
abordar los desafíos de la producción de alimentos y la escasez de tierras
agrícolas. La agricultura hidropónica ha surgido como una solución innovadora
para maximizar la productividad agrícola y reducir el uso de la tierra. Sin
embargo, para lograr un rendimiento óptimo de los cultivos en la agricultura
hidropónica, es esencial controlar y monitorear con precisión las variables
513
ambientales, como el pH, la conductividad eléctrica y el flujo
(Mahendra et al., 2022)
. La agricultura hidropónica es una técnica que se ha utilizado durante
décadas para producir cultivos de mejor calidad y con un rendimiento favorable
en áreas con recursos limitados. Una de las soluciones más recientes y
prometedoras es el uso de dispositivos basados en tecnología de Internet de las
Cosas y arduino para monitorear y controlar los cultivos hidropónicos. Estos
dispositivos pueden supervisar y controlar factores críticos como la
temperatura, y la humedad en tiempo real, lo que permite a los agricultores

(Aji et al., 2021)
ajustar las condiciones de crecimiento de sus cultivos . La
aplicación de la inteligencia artificial en la agricultura ha sido uno de los temas
más importantes debido a su gran potencial para implementar la forma en que
se produce y se gestiona la producción agrícola. Los algoritmos de inteligencia
artificial pueden ayudar a los productores agrícolas a tomar decisiones
informadas y precisas, esto dando como resultado la mejora de la eficiencia y la

(Sanchez & Armas, 2022)
rentabilidad de la producción agrícola .
Internet de las cosas
514
El uso del Internet de las Cosas en la agricultura ha revolucionado la forma en
que se practica hoy en día. Con ayuda de sensores, drones y otros dispositivos,
los agricultores pueden tener datos en tiempo real sobre sus cultivos. Además,
la agricultura inteligente con el internet de las cosas tiene potencial para
aumentar la productividad y reducir el desperdicio además de optimizar
recursos como el agua, fertilizantes entre otros por lo cual esto no solo beneficia
a los agricultores sino a todo el mundo debido a que contribuye con prácticas
(Navarro et al., 2020)
agrícolas sostenibles .Las actividades agrícolas han
existido desde la antigüedad y han ido evolucionando con el desarrollo
tecnológico. Uno de ellos que se puede decir que es reciente es el cultivo
hidropónico, que consiste en cultivar plantas sin suelo, se hace mediante el agua
o materiales con nutrientes como medio de cultivo, además de esto con la ayuda
del internet de las cosas se puede mejorar y optimizar el sistema de cultivo

(Hadinata & Mashoedah, 2021)
hidropónico . Además, desarrollando sistemas de
monitoreo y automatización para la producción de cultivos hidropónicos. En
este sentido, salen algunos conceptos como el IoT-Edge-AI-Cloud que se han
implementado para implementar un sistema que monitorea los datos de cultivos
hidropónicos y determina en qué momento está listo para la cosecha. Además,
estos sistemas utilizan algoritmos de Deep Learning para clasificar el nivel de
madurez de los cultivos mediante imágenes lo cual permite una selección
515
precisa y eficiente de ellos (Tatas et al., 2022). La implementación del Internet
de las Cosas en la agricultura de precisión, mediante el uso de dispositivos,
plataformas en la nube, protocolos de comunicación y procesamiento de datos,
permite una mejor detección y monitoreo del crecimiento de los cultivos, así
como del procesamiento de alimentos. Además, proporciona un seguimiento de
patrones de crecimiento de los cultivos, la presencia de plagas y otros factores

(Abu et al., 2022)
relevantes .
El Internet de las Cosas puede ayudar a los agricultores a el proceso de cultivo
de acuerdo con las condiciones climáticas cambiantes, lo que puede resultar en
un uso más eficiente de los recursos, menores pérdidas debido a condiciones
climáticas extremas y mayores rendimientos de los cultivos. Además, el uso de
modelos de Machine Learning puede permitir la predicción de posibles daños a
los cultivos, lo que puede ayudar a los agricultores a tomar medidas para
(Kaburuan et al., 2019)
prevenir o mitigar los daños . La tecnología se ha vuelto
en un aspecto importante en la agricultura moderna, y es cada vez más
importante para abordar los numerosos desafíos que enfrenta la industria. Con
la población mundial que continúa creciendo y la demanda de alimentos en
aumento, los agricultores deben encontrar formas de producir más alimentos en
menos tierra mientras conservan agua y energía. La agricultura de precisión es
una tendencia emergente que utiliza varias tecnologías para permitir a los
516
agricultores tomar decisiones en tiempo real. La adopción de tecnologías de
agricultura inteligente ha dado lugar a cambios significativos en la industria
agrícola y se espera que el valor del mercado de la agricultura de precisión siga

(Mekonnen et al., 2020)
creciendo en los próximos años . En el transcurso de
varios años, desde 1970 hasta 2015, la agricultura de precisión ha
experimentado un notable progreso. En la década de 1970 a 1980, el GPS fue
introducido en la agricultura, seguido por el mapeo de campo basado en GPS en
1984. En 1991, se implementaron aplicaciones de mapas basadas en sistemas de
gestión geográficos, y de 1995 a 1998, se introdujeron sensores aéreos y
satelitales para la medición del estado de los cultivos. Posteriormente, entre
1999 y 2002, se comenzó a usar la conductividad eléctrica del suelo y las
imágenes satelitales junto con el RTK (Real Time Kinematic) en la agricultura
para la detección de plagas y siembra de precisión. En 2005, se introdujo el
sistema de control de maquinarias agrícolas mediante GPS y de 2006 a 2015, se
implementó el Auto-Steering en la agricultura, drones para el mapeo de cultivos
y sistemas robóticos para la horticultura de alto valor. Todos estos avances han
mejorado significativamente la eficiencia y rentabilidad de la agricultura de

(Peñaranda & Burbano, 2020)
precisión . Con esta evolución histórica de la
agricultura se puede dividir en cuatro revoluciones: la edad de la agricultura
tradicional, la edad de la agricultura mecanizada, la edad de la agricultura
517
automatizada y la edad de la agricultura inteligente. Cada una de estas
revoluciones ha representado un avance significativo en el campo de la
agricultura, mejorando la eficiencia y la productividad de la industria. A pesar
de estos avances, todavía enfrentamos desafíos importantes en la actualidad en
términos de sostenibilidad y seguridad alimentaria. La presión los recursos
naturales, así como el cambio climático, están poniendo en riesgo la posibilidad
de satisfacer las necesidades alimentarias de una población en constante

(Friha et al., 2021)
crecimiento . A medida que el mercado continúa creciendo
en el mundo, la necesidad de automatización en el cultivo hidropónico se
vuelve cada vez más importante. El envejecimiento de la mano laboral en la
industria ha llevado a una disminución en la mano de obra de producción, lo
que hace que la automatización sea una necesidad. La cosecha de los cultivos
requiere mucha mano de obra, lo que ha impulsado la investigación para
predecir el momento óptimo de cosecha. El entorno en el que se cultivan
también juega un papel importante en su producción. Con el auge del cultivo
hidropónico, se ha vuelto crucial monitorear y optimizar las condiciones de

(Park et al., 2021)
crecimiento . La implementación del Internet de las Cosas en
la agricultura ha abierto un nuevo mundo de posibilidades para los agricultores,
permitiéndo recopilar datos en tiempo real para tomar decisiones informadas
sobre sus cultivos. El uso de sensores en la agricultura se ha vuelto cada vez
518
más importante, ya que permiten a los agricultores monitorear y mejorar varios
procesos agrícolas. Estos datos se pueden usar para saber el riego, la
fertilización y el control de plagas, lo que conduce a mejores rendimientos de

(Khan et al., 2021)
cultivos . También con el desarrollo de herramientas
tecnológicas especializadas para el análisis de datos, la implementación de
sensores y ejecución de aplicaciones rentables para aplicar nutrientes u otras
enmiendas de suelo, como tal la identificación de desafíos específicos que
enfrenta la agricultura en relación con el manejo sostenible y productividad de

(Archbold, 2019)
los cultivos .
Machine Learning
La problemática de la hambruna mundial es una de las principales brechas que
deben abordarse, especialmente con la creciente población humana. Más de mil
millones de personas de los 6,5 mil millones en el mundo están actualmente
afectadas por el hambre. Los métodos de cultivo tradicionales requieren suelo
de buena calidad, minerales naturales y un mayor tiempo de producción. Para
abordar este problema, se ha desarrollado el método hidropónico de
invernadero inteligente con la ayuda de los avances tecnológicos. La hidroponía
es una técnica de cultivo de plantas que no requiere el uso de suelo, y las
plantas cultivadas mediante hidroponía tienen una duración de crecimiento más
519
corta y rendimientos más altos (Mamatha & Kavitha, 2023). Además, la agricultura
tradicional se ve afectada por factores ambientales externos, los cuales estos
disminuyen el rendimiento y la calidad de los diferentes cultivos, uno de los
factores más significativos es el cambio climático, lo cual los análisis indican
que para el 2050 va a ver aumentos muy significativos de temperatura, mayor

(Ramírez, 2020)
resistencia de las plagas y enfermedades .Dicho esto, las
actividades agrícolas utilizan alrededor del 70% de la disponibilidad del agua
dulce esto subraya la importancia de una gestión responsable, utilizando

(Abioye et al., 2022)
agricultura inteligente y tecnologías del agua . La
agricultura ha sido un crucial para garantizar la seguridad alimentaria a nivel
mundial. Sin embargo, con el aumento de la población, la alimentación va a
aumentar la demanda, lo que da como resultado implementar nuevas prácticas
agrícolas más inteligentes que puedan satisfacer estas demandas de manera

(Abbasi et al., 2022)
sostenible . Las tecnologías de teledetección, junto con el
uso del aprendizaje automático han demostrado grandes resultados en el
monitoreo del rendimiento de cultivos y la facilidad a la hora de implementar
técnicas de agricultura de precisión, esto trayendo unos objetivos los cuales son
lograr el máximo rendimiento de los cultivos a un menor costo, un ecosistema
saludable utilizando diferentes técnicas. El uso de tecnologías de teledetección
actualmente se reconoce como la próxima generación de innovaciones técnicas
520
pueden mejorar la calidad de las tecnologías de mapeo de rendimiento dentro

(Vaidya et al., 2022)
del campo . La aplicación de modelos de Machine
Learning para saber el rendimiento de los cultivos, para esto la identificación de
las variables de entrada son las más importantes para la precisión del modelo,
también se destaca la importancia de estas predicciones de rendimiento en los
cultivos para tener una seguridad alimentaria y gestión eficiente de los recursos
(Mokhtar et al., 2022)
agrícolas .
El uso de la visión artificial en las fábricas de plantas presenta una solución
prometedora al desafío global de la escasez de alimentos. La tecnología de
visión artificial tiene el potencial de automatizar todo el proceso de producción,
desde el cultivo de plántulas hasta la clasificación de frutas, al proporcionar una
alta eficiencia y precisión. Sin embargo, aún existen varios desafíos que
(Z. Tian et al., 2022)
enfrenta la visión artificial en este contexto . Además de
esto otros desafíos que presenta es la maleza esto causa el bajo rendimiento de
los cultivos hidropónicos el cual puede presentar pérdidas económicas, esta
maleza se pone en competencia con la planta por los nutrientes, agua y la luz
(LÓPEZ et al., 2020)
del sol durante su etapa de crecimiento . La combinación
de visión por computadora y agricultura el cual tiene el potencial de
revolucionar la industria y abordar los desafíos actuales que enfrentan los
agricultores. Una de las ventajas de utilizar la visión artificial en la agricultura
521
es la capacidad de automatizar tareas que antes se realizaban manualmente, lo
que aumenta la eficiencia y reduce los costos de mano de obra. Por ejemplo, la
visión por computadora se puede usar para monitorear el crecimiento y la salud
de los cultivos, detectar plagas y enfermedades e incluso ayudar en la cosecha

(H. Tian et al., 2020)
. Dicho lo anterior sale la integración de IoT y ML en la
agricultura tiene el potencial de revolucionar la industria al mejorar la eficiencia
y la productividad de las prácticas agrícolas. El Internet de las cosas (IoT) se
puede integrar con algoritmos ML, esto puede hacer que los agricultores pueden
recopilar datos en tiempo real sobre las condiciones climáticas, los niveles de
humedad del suelo, los patrones de crecimiento de los cultivos y otros factores
que afectan el rendimiento y la calidad de los cultivos. Luego, estos datos se
pueden analizar para tomar decisiones sobre el manejo de cultivos, el riego y la

(Maduranga & Abeysekera, 2020)
fertilización . Para mejorar aún más la eficiencia y
la productividad de la hidroponía, el desarrollo de sistemas de automatización
para controlar y monitorear el crecimiento de las plantas es crucial. Un enfoque
es integrar las tecnologías del Internet de las Cosas y ML para crear un sistema
hidropónico inteligente que pueda monitorear y analizar varios factores
ambientales que afectan el crecimiento de las plantas

(Kularbphettong et al., 2019)
.
Cultivos hidroponicos
522
La escasez de agua, suelos empobrecidos en nutrientes y la contaminación en
los asentamientos urbanos y rurales de muchos países en el mundo, son unos de
los desafios que se enfrentan, una posible solución a esto es la implementación
de sistemas hidropónicos para recuperar agua y nutrientes de las tecnologías de
saneamiento y reutilizarlos en la producción de cultivos agrícolas, pero no
aborda los posibles riesgos ambientales asociados con el uso de aguas

(Magwaza et al., 2020)
residuales tratadas para el uso agricola . Los sistemas
hidropónicos se ha desarrollado a lo largo de los años siendo utilizados para la
producción de cultivos desde la antigüedad, pero el desarrollo moderno de las
técnicas hidropónicas se remonta a principios del siglo XX desde ese entonces
se han desarrollado investigaciones y desarrollos continuos en el campo, con un
enfoque en mejorar la eficiencia, la sostenibilidad y la rentabilidad de los
sistemas hidropónicos.Actualmente, existe un interés creciente en los sistemas
hidropónicos como medio de producción sostenible de cultivos, particularmente
en áreas urbanas donde el espacio es limitado y la calidad del suelo puede ser
deficiente. También hay un enfoque en el desarrollo de sistemas hidropónicos
de bajo costo que puedan ser adoptados fácilmente por los pequeños
agricultores, así como en la optimización del crecimiento y la calidad de los
cultivos mediante el uso de diferentes soluciones de nutrientes y técnicas de

(Agrawal et al., 2020)
cultivo . Actualmente hay un aumento en la demanda de
523
alimentos cultivados localmente, lo que ha impulsado una mayor producción de
cultivos alimentarios en ambientes controlados. Ha habido interés en el uso de
tecnologías hidropónicas para mejorar la producción y la calidad de los
cultivos. Para comprender mejor el estado actual de la industria hidropónica en
los Estados Unidos, se realizó una encuesta de productores de cultivos
alimentarios hidropónicos para identificar la tecnología utilizada y las áreas de

(Walters et al., 2020)
investigación necesarias . La investigación de las técnicas
hidropónicas más efectivas para diferentes tipos de cultivos, ya que ciertas
técnicas pueden ser más adecuadas para ciertos cultivos que para otros. Además
del desarrollo de sistemas hidropónicos de bajo costo más eficientes y
sostenibles que puedan ser adoptados fácilmente por los agricultores tanto en
áreas urbanas como rurales y la exploración de los posibles beneficios y
desventajas del uso de diferentes tipos de sustratos en sistemas hidropónicos,
así como el impacto de diferentes soluciones de nutrientes en el crecimiento y

(Agrawal et al., 2020)
la calidad de los cultivos . El desarrollo de sistemas de
cultivo de alimentos para la creciente población mundial de manera sostenible
para la conservación factible de los recursos de suministro de tierra y agua que
disminuyen rápidamente. La agricultura sin suelo que incluye hidroponía,
acuaponia y aeroponía, se presenta como una opción realista para cultivar
plantas, cultivos o vegetales comestibles saludables y con ayuda de las
524
tecnologías hidropónicas y aeropónicas se han adoptado rápidamente debido a
su gestión disciplinada de los recursos y la producción de alimentos

(Kumar et al., 2021)
. El desarrollo de sistemas de cultivo de alimentos ha sido un tema de
discusión durante décadas, con un énfasis creciente en las prácticas sostenibles
en los últimos años. Esto incluye el uso de nuevas tecnologías y técnicas, como
la agricultura sin suelo, para producir alimentos de una manera más respetuosa
con el medio ambiente. Además, existe una creciente conciencia sobre la
necesidad de enfrentar los desafíos del cambio climático y la gestión de los
sistemas productivos para reducir la desnutrición y hacer un uso efectivo de los

recursos naturales . También el potencial de los cultivos
hidropónicos para producir cultivos frescos, nutritivos y de alta calidad, incluso
frente a desafíos como el cambio climático, la escasez de agua dulce y la
creciente demanda de alimentos. La tecnología hidropónica se ha implementado
con éxito en varios países desarrollados y ofrece varias ventajas sobre los
métodos tradicionales de cultivo basados en el suelo, que incluyen tiempos de
crecimiento de cultivos más cortos, producción durante todo el año y bajo

ataque de enfermedades e insectos . Además del uso de
bacterias promotoras del crecimiento vegetal (PGPB, por sus siglas en inglés)
en sistemas hidropónicos para mejorar los rendimientos de los cultivos. Se
discute cómo los PGPB pueden aumentar significativamente los rendimientos
525
de los cultivos mediante una amplia gama de mecanismos, como la reducción
del estrés, el aumento de la absorción de nutrientes, la modulación de las

(Stegelmeier et al., 2022)
hormonas de las plantas y el control biológico .
La agricultura hidropónica se centra en su potencial como alternativa a los
métodos de cultivo convencionales, especialmente en áreas con disponibilidad
limitada de agua o degradación severa del suelo. Su compatibilidad con el
medio ambiente debido a que no requiere pesticidas y reduce el uso de agua
también es un tema de interés. Se están explorando más a fondo las ventajas de
la agricultura hidropónica, como el fácil manejo de los cultivos, la ausencia de
enfermedades transmitidas por el suelo y el uso mínimo de agua

(Kannan et al., 2022)
. Con la ciencia y la tecnología detrás de los sistemas hidropónicos, los
beneficios y limitaciones de la agricultura hidropónica en comparación con la
agricultura tradicional aseguran la sostenibilidad a largo plazo y la viabilidad
económica de la agricultura hidropónica, particularmente en países en

(Monisha et al., 2023)
desarrollo con recursos e infraestructura limitados . La
agricultura hidropónica como una tecnología que podría abordar los desafíos
del cambio climático y mejorar la seguridad alimentaria en los países en
desarrollo, pero no proporciona un análisis exhaustivo del estado actual de la
agricultura hidropónica en estas regiones o los desafíos que enfrentan en la
implementación de este tecnología. Por lo tanto, una brecha potencial en el
526
tema es la falta de información sobre la implementación práctica y la tasa de
éxito de la agricultura hidropónica en los países en desarrollo, así como los
desafíos específicos que enfrentan los agricultores al adoptar esta tecnología

(Gumisiriza et al., 2020)
.
References
Abbasi, R., Martinez, P., & Ahmad, R. (2022). The digitization of agricultural industry – a systematic
literature review on agriculture 4.0. Smart Agricultural Technology, 2, 100042.
https://doi.org/10.1016/J.ATECH.2022.100042
Abioye, E. A., Hensel, O., Esau, T. J., Elijah, O., Abidin, M. S. Z., Ayobami, A. S., Yerima, O., &
Nasirahmadi, A. (2022). Precision Irrigation Management Using Machine Learning and Digital
Farming Solutions. AgriEngineering 2022, Vol. 4, Pages 70-103, 4(1), 70–103.
https://doi.org/10.3390/AGRIENGINEERING4010006
Abu, N. S., Bukhari, W. M., Ong, C. H., Kassim, A. M., Izzuddin, T. A., Sukhaimie, M. N.,
Norasikin, M. A., & Rasid, A. F. A. (2022). Internet of Things Applications in Precision
Agriculture: A Review. Journal of Robotics and Control (JRC), 3(3), 338–347.
https://doi.org/10.18196/JRC.V3I3.14159
Agrawal, R., Tripathi, M., Verma, A., Sharma, G., & Khalkho, D. (2020). Hydroponic systems for
cultivation of horticultural crops: A review. Journal of Pharmacognosy and Phytochemistry,
9(6), 2083–2086. https://www.phytojournal.com/archives/2020.v9.i6.13271/hydroponic-
systems-for-cultivation-of-horticultural-crops-a-review
Aji, D. K. P., Nurhasan, U., Arianto, R., & Triswidrananta, O. D. (2021). Smart ecosystem for
hydroponic land in the hydroponic farmers group guided by CSR PT. Otsuka Indonesia as an
improved quality and quantity of harvest results. IOP Conference Series: Materials Science and
Engineering, 1073(1), 012030. https://doi.org/10.1088/1757-899X/1073/1/012030
Araújo, S. O., Peres, R. S., Barata, J., Lidon, F., & Ramalho, J. C. (2021). Characterising the
Agriculture 4.0 Landscape—Emerging Trends, Challenges and Opportunities. Agronomy 2021,
Vol. 11, Page 667, 11(4), 667. https://doi.org/10.3390/AGRONOMY11040667
Archbold, G. W. (2019). R1 R2 pH Measurement IoT System for Precision Agriculture Applications.
IEEE Latin America Transactions, 17(5), 823–832.
https://latamt.ieeer9.org/index.php/transactions/article/view/1094
Bacco, M., Barsocchi, P., Ferro, E., Gotta, A., & Ruggeri, M. (2019). The Digitisation of Agriculture:
a Survey of Research Activities on Smart Farming. Array, 3–4, 100009.
https://doi.org/10.1016/J.ARRAY.2019.100009
Bedolla, J. J., Pacheco, S.-E., Silvestre, S., Solano, B., José, J., Pacheco Salazar, E., & Solano, S. B.
(2019). Reconocimiento automático de patrones y características de las imágenes de los cultivos
como alternativa para el desarrollo agrícola. Pensamiento Actual, 19(33), 90–105.
https://doi.org/10.15517/PA.V19I33.39520
Claros-Perdomo, D.-C., Millán-Rojas, E.-E., Citación, A.-P. G.-T., Claros-Perdomo, D.-C., Millán-
Rojas, E.-E., & Gallego-Torres, A.-P. (2020). Use of Augmented Reality, Gamification and M-
learning. Revista Facultad de Ingeniería, 29(54), e12264–e12264.
https://doi.org/10.19053/01211129.V29.N54.2020.12264
527
Derisma, Rokhman, N., & Usuman, I. (2022). Systematic Review of the Early Detection and
Classification of Plant Diseases Using Deep Learning. IOP Conference Series: Earth and
Environmental Science, 1097(1), 012042. https://doi.org/10.1088/1755-1315/1097/1/012042
Escamilla-García, A., Soto-Zarazúa, G. M., Toledano-Ayala, M., Rivas-Araiza, E., & Gastélum-
Barrios, A. (2020). Applications of Artificial Neural Networks in Greenhouse Technology and
Overview for Smart Agriculture Development. Applied Sciences 2020, Vol. 10, Page 3835,
10(11), 3835. https://doi.org/10.3390/APP10113835
Friha, O., Ferrag, M. A., Shu, L., Maglaras, L., & Wang, X. (2021). Internet of Things for the Future
of Smart Agriculture: A Comprehensive Survey of Emerging Technologies. IEEE/CAA Journal
of Automatica Sinica, 8(4), 718–752. https://doi.org/10.1109/JAS.2021.1003925
Gayam, K. K., Jain, A., Gehlot, A., Singh, R., Akram, S. V., Singh, A., Anand, D., & Noya, I. D.
(2022a). Imperative Role of Automation and Wireless Technologies in Aquaponics Farming.
Wireless Communications and Mobile Computing, 2022. https://doi.org/10.1155/2022/8290255
Gayam, K. K., Jain, A., Gehlot, A., Singh, R., Akram, S. V., Singh, A., Anand, D., & Noya, I. D.
(2022b). Imperative Role of Automation and Wireless Technologies in Aquaponics Farming.
Wireless Communications and Mobile Computing, 2022. https://doi.org/10.1155/2022/8290255
Gumisiriza, M. S., Ndakidemi, P. A., & Mbega, E. R. (2020). Memoir and Farming Structures under
Soil-Less Culture (Hydroponic Farming) and the Applicability for Africa: A Review.
Agricultural Reviews, OF. https://doi.org/10.18805/AG.R-137
Hadinata, A., & Mashoedah. (2021). Internet of Things-based Hydroponic: Literature Review.
Journal of Physics: Conference Series, 2111(1), 012014. https://doi.org/10.1088/1742-
6596/2111/1/012014
Hassan, S. I., Alam, M. M., Illahi, U., Al Ghamdi, M. A., Almotiri, S. H., & Su’ud, M. M. (2021). A
Systematic Review on Monitoring and Advanced Control Strategies in Smart Agriculture. IEEE
Access, 9, 32517–32548. https://doi.org/10.1109/ACCESS.2021.3057865
Jerhamre, E., Carlberg, C. J. C., & van Zoest, V. (2022). Exploring the susceptibility of smart
farming: Identified opportunities and challenges. Smart Agricultural Technology, 2, 100026.
https://doi.org/10.1016/J.ATECH.2021.100026
Kaburuan, E. R., Jayadi, R., & Harisno. (2019). A Design of IoT-based Monitoring System for
Intelligence Indoor Micro-Climate Horticulture Farming in Indonesia. Procedia Computer
Science, 157, 459–464. https://doi.org/10.1016/J.PROCS.2019.09.001
Kannan, M., Elavarasan, G., Balamurugan, A., Dhanusiya, B., & Freedon, D. (2022). Hydroponic
farming – A state of art for the future agriculture. Materials Today: Proceedings, 68, 2163–
2166. https://doi.org/10.1016/J.MATPR.2022.08.416
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 2021, Vol. 13, Page 4883, 13(9), 4883. https://doi.org/10.3390/SU13094883
Khaoula, T., Abdelouahid, R. A., Ezzahoui, I., & Marzak, A. (2021). Architecture design of
monitoring and controlling of IoT-based aquaponics system powered by solar energy. Procedia
Computer Science, 191, 493–498. https://doi.org/10.1016/J.PROCS.2021.07.063
Kularbphettong, K., Ampant, U., & Kongrodj, N. (2019). An Automated Hydroponics System Based
on Mobile Application. International Journal of Information and Education Technology, 9(8),
548–552. https://doi.org/10.18178/IJIET.2019.9.8.1264
Kumar, Arun, & Singh. (2023). Trends in Hydroponics Practice/Technology in Horticultural Crops:
A Review. International Journal of Plant & Soil Science, 35(2), 57–65.
https://doi.org/10.9734/ijpss/2023/v35i22759
528
Kumar, S., Singh, M., Yadav, K. K., & Singh, P. K. (2021). Opportunities and constraints in
hydroponic crop production systems: A review. Environment Conservation Journal, 22(3),
401–408. https://doi.org/10.36953/ECJ.2021.22346
LÓPEZ, A. F. J., PICO, D. A. C., & Ramírez, D. Y. G. (2020). Intelligent system for weeds
management in pineapple crop with precision agriculture concepts. Ciencia y Agricultura,
17(3), 122–136. https://doi.org/10.19053/01228420.V17.N3.2020.10830
Maduranga, M. W. P., & Abeysekera, R. (2020). MACHINE LEARNING APPLICATIONS IN IOT
BASED AGRICULTURE AND SMART FARMING: A REVIEW. International Journal of
Engineering Applied Sciences and Technology, 04(12), 24–27.
https://doi.org/10.33564/IJEAST.2020.V04I12.004
Magwaza, S. T., Magwaza, L. S., Odindo, A. O., & Mditshwa, A. (2020). Hydroponic technology as
decentralised system for domestic wastewater treatment and vegetable production in urban
agriculture: A review. Science of The Total Environment, 698, 134154.
https://doi.org/10.1016/J.SCITOTENV.2019.134154
Mahendra, G. A., Yarman, I. N., & Nurjaya, N. (2022). INNOVATION OF SMART
AGRICULTURAL CONTROL SYSTEM IN NFT HYDROPONIC BASED ON ARTIFICIAL
INTELLIGENCE OF THINGS. Eduvest - Journal Of Universal Studies, 2(1), 182–189.
https://doi.org/10.36418/EDV.V2I1.349
Mamatha, V., & Kavitha, J. C. (2023). Machine learning based crop growth management in
greenhouse environment using hydroponics farming techniques. Measurement: Sensors, 25,
100665. https://doi.org/10.1016/J.MEASEN.2023.100665
Mekonnen, Y., Namuduri, S., Burton, L., Sarwat, A., & Bhansali, S. (2020). Review—Machine
Learning Techniques in Wireless Sensor Network Based Precision Agriculture. Journal of The
Electrochemical Society, 167(3), 037522. https://doi.org/10.1149/2.0222003JES/XML
Mokhtar, A., El-Ssawy, W., He, H., Al-Anasari, N., Sammen, S. S., Gyasi-Agyei, Y., & Abuarab, M.
(2022). Using Machine Learning Models to Predict Hydroponically Grown Lettuce Yield.
Frontiers in Plant Science, 13, 197. https://doi.org/10.3389/FPLS.2022.706042/BIBTEX
Molin, J., Bazame, H., Maldaner, L., Corrêdo, L., Martello, M., & Canata, T. (2020). Precision
agriculture and the digital contributions for site-specific management of the fields.
https://www.researchgate.net/publication/348763797_Precision_agriculture_and_the_digital_co
ntributions_for_site-specific_management_of_the_fields
Monisha, K., Kalai Selvi, H., Sivanandhini, P., Sona Nachammai, A., Anuradha, C. T., Rama Devi,
S., Kavitha Sri, A., Neya, N. R., Vaitheeswari, M., & Hikku, G. S. (2023). Hydroponics
agriculture as a modern agriculture technique. Journal of Achievements in Materials and
Manufacturing Engineering, 116(1), 25–35. https://doi.org/10.5604/01.3001.0016.3395
Navarro, E., Costa, N., & Pereira, A. (2020). A Systematic Review of IoT Solutions for Smart
Farming. Sensors 2020, Vol. 20, Page 4231, 20(15), 4231. https://doi.org/10.3390/S20154231
O’Grady, M. J., Langton, D., & O’Hare, G. M. P. (2019). Edge computing: A tractable model for
smart agriculture? Artificial Intelligence in Agriculture, 3, 42–51.
https://doi.org/10.1016/J.AIIA.2019.12.001
Park, S., Kim, J., Electronics, I.-E., Pearson, S., Liu, Y., Amine Ferrag, M., & Maglaras, L. (2021).
Design and Implementation of a Hydroponic Strawberry Monitoring and Harvesting Timing
Information Supporting System Based on Nano AI-Cloud and IoT-Edge. Electronics 2021, Vol.
10, Page 1400, 10(12), 1400. https://doi.org/10.3390/ELECTRONICS10121400
Peñaranda, G., & Burbano, C. (2020). Breve visión de los aspectos evolutivos de la agricultura de
precisión como herramienta de gestión. Revista Lumen Gentium, 4(1), 57–67.
https://doi.org/10.52525/lg.v4n1a7
529
Ramírez, C. (2020). Aplicación del Machine Learning en agricultura de precisión. Revista CINTEX,
25(2), 14–27. https://doi.org/10.33131/24222208.356
Reyes, A., Abbasi, R., Martinez, P., & Ahmad, R. (2022). Digital Twinning of Hydroponic Grow
Beds in Intelligent Aquaponic Systems. Sensors 2022, Vol. 22, Page 7393, 22(19), 7393.
https://doi.org/10.3390/S22197393
Sanchez, J. E., & Armas, G. P. C. (2022). Algoritmos y su efecto en la agricultura. Revista Científica
de Sistemas e Informática, 2(2), e386–e386. https://doi.org/10.51252/RCSI.V2I2.386
Stegelmeier, A. A., Rose, D. M., Joris, B. R., & Glick, B. R. (2022). The Use of PGPB to Promote
Plant Hydroponic Growth. Plants, 11(20), 2783. https://doi.org/10.3390/PLANTS11202783/S1
Tatas, K., Al-Zoubi, A., Christofides, N., Zannettis, C., Chrysostomou, M., Panteli, S., & Antoniou,
A. (2022). Reliable IoT-Based Monitoring and Control of Hydroponic Systems. Technologies
2022, Vol. 10, Page 26, 10(1), 26. https://doi.org/10.3390/TECHNOLOGIES10010026
Tian, H., Wang, T., Liu, Y., Qiao, X., & Li, Y. (2020). Computer vision technology in agricultural
automation —A review. Information Processing in Agriculture, 7(1), 1–19.
https://doi.org/10.1016/J.INPA.2019.09.006
Tian, Z., Ma, W., Yang, Q., & Duan, F. (2022). Application status and challenges of machine vision
in plant factory—A review. Information Processing in Agriculture, 9(2), 195–211.
https://doi.org/10.1016/J.INPA.2021.06.003
Vaidya, R., Nalawade, D., & Kale, K. (2022). Hyperspectral Imagery for Crop yield estimation in
Precision Agriculture using Machine Learning Approaches: A review.
https://www.researchgate.net/publication/359699400_Hyperspectral_Imagery_for_Crop_yield_
estimation_in_Precision_Agriculture_using_Machine_Learning_Approaches_A_review
Walters, K. J., Behe, B. K., Currey, C. J., & Lopez, R. G. (2020). Historical, Current, and Future
Perspectives for Controlled Environment Hydroponic Food Crop Production in the United
States. HortScience, 55(6), 758–767. https://doi.org/10.21273/HORTSCI14901-20
530

ArticuloFinal Carlos Alexander Gutierrez Marin

Uploaded by

Document Information

Original Description:

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

ArticuloFinal Carlos Alexander Gutierrez Marin

Uploaded by

Copyright:

Available Formats

International Journal of Agricultural Technology XXXX Vol.

Inteligencia Artificial Aplicada a la Agricultura Hidropónica Para Obtener

Mejores Resultados: Una Revisión De Literatura

Artificial Intelligence Applied to Hydroponic Agriculture for Better Results: A

Carlos Alexander Gutierrez Marin 1, Edwin Eduardo Millán Rojas2

Amazonia, Florencia, Caquetá, Colombia; 2Facultad de Ingenieria, Programa

Ingeniería de Sistemas, Universidad de la Amazonia, Florencia, Caquetá,

Keywords: Machine Learning, Internet de las Cosas, Vision Computacional, Cultivos

La creciente utilización de la agricultura hidropónica en lugares urbanos debido

capacidad para producir alimentos saludables y frescos en espacios reducidos.

A pesar de estas ventajas, la agricultura hidropónica también enfrenta desafíos

en la maximización de la producción y la eficiencia en la siembra y cosecha de

cultivos. Por esta razón, la implementación de la inteligencia artificial en la

mejorar la rentabilidad y superar estos desafíos. Con la ayuda de la tecnología y

los avances en inteligencia artificial, los agricultores pueden optimizar el

crecimiento de los cultivos, prevenir enfermedades y tener una mejor eficiencia

en la producción para obtener mejores resultados. Por lo tanto, la inteligencia

artificial en la agricultura hidropónica puede ayudar a mejorar la rentabilidad y

la eficiencia en la producción de alimentos frescos y saludables en espacios

La metodología consistió en utilizar un método exploratorio con un enfoque

descriptivo, en el cual se utilizaron fuentes secundarias como artículos

científicos y libros para recopilar información relevante sobre el tema, aparte se

establecieron cinco categorías de búsqueda las cuales fueron: Inteligencia

artificial, internet de las cosas, Machine Learning, redes neuronales artificiales

y Deep Learning. Se realizó la búsqueda en la base de datos bibliográfica de

Google Académico, descargando ochenta y cinco artículos científicos

publicados en los últimos cinco años. Se sistematizaron los artículos

encontrados utilizando cuatro preguntas de investigación, las cuales fueron

utilizadas para obtener noventa y tres respuestas sistematizadas. De estas

respuestas se utilizaron cincuenta para el apartado de resultados del artículo.

También se elaboró una tabla el cual muestra la cantidad de artículos

encontrados en la base de datos de Google Académico en los últimos cinco

El resultado más significativo fue en el Machine Learing el cual habla sobre la

lucha contra la hambruna mundial la cual es un problema crucial por lo cual

este debe ser abordado, especialmente con el aumento de la población mundial.

en el mundo padecen hambre. Los métodos de cultivo tradicionales necesitan

problema, se ha desarrollado la técnica de cultivo hidropónico de invernaderos

inteligentes con la ayuda de los avances tecnológicos. La hidroponía es otra

forma de cultivo de plantas que no utiliza el suelo y permite un período de

personas tengan acceso a alimentos frescos y saludables en áreas donde la

Dicho lo anterior, la combinación de visión por computadora y agricultura tiene

el suficiente potencial para revolucionar la industria y abordar los desafíos

estas tecnologías en la agricultura es la capacidad de automatizar tareas que

antes se realizaban manualmente, por ende, esto aumenta la eficiencia de

producción y reduce los costos. Por ejemplo, la visión por computadora se

puede usar para monitorear el crecimiento y la salud de los cultivos, detectar

La agricultura hidropónica se está convirtiendo en una solución cada vez más

popular en lugares urbanos debido a sus ventajas en el uso de recursos y la

capacidad para producir alimentos frescos y saludables en espacios reducidos.

Sin embargo, la maximización de la producción y la eficiencia en la siembra y

cosecha de cultivos son desafíos por enfrentar. La inteligencia artificial y su

implementación en la agricultura hidropónica puede ayudar a mejorar la

rentabilidad y superar estos desafíos. Los avances en tecnología y la

inteligencia artificial permiten a los agricultores optimizar el crecimiento de los

El artículo se estructura de la siguiente forma: primero, la introducción al tema

de la agricultura hidropónica y la inteligencia artificial. Luego, la parte de

materiales y métodos, el cual explica cómo se llevó a cabo el estudio de los

cultivos hidropónicos con Inteligencia Artificial. Y finalmente los resultados,

esto se dividen en cuatro subcategorías: Inteligencia Artificial, Machine

Learning, Internet de las Cosas y Cultivos Hidropónicos, donde se explica la

influencia de cada uno en los cultivos.

problema planteada: ¿Cómo ayuda la inteligencia artificial a la agricultura

hidropónica a obtener mejores resultados en la siembra y cosecha?, utilizando