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 global concern over the growing world population and the need for sustainable and

efficient food has spurred the development of innovative solutions. Smart agriculture,

incorporating technologies such as the Internet of Things (IoT), robotics, and artificial

intelligence (AI), has emerged as a promising approach to enhance agricultural productivity and

sustainability. Additionally, aquaponics, which combines hydroponics and fish farming, offers

an effective method to optimize yields.

The utilization of Deep Learning technology in conjunction with drones and agricultural robots

has the potential to significantly enhance the early detection and classification of plant diseases.

By leveraging these intelligent systems, farmers can identify and address issues promptly,

thereby minimizing crop loss. Consequently, the widespread adoption of these smart
technologies in agriculture and aquaponics is expected to yield substantial benefits for farmers,

both in terms of sustainability and profitability.

Moreover, the integration of the IoT in smart agriculture has brought about a revolution in

farming practices. Through the deployment of sensors, drones, and other connected devices,

farmers can gather real-time data on crop conditions, soil quality, weather patterns, and various

other factors crucial for optimal crop growth and health. This implementation of IoT in

precision agriculture enables enhanced crop monitoring and facilitates more efficient food

processing.

The market for precision farming is anticipated to witness further growth and value as the

adoption of smart farming technologies continues to expand. Farmers stand to gain immense

advantages from these advanced systems, as they enable precise detection, monitoring, and

management of crop growth. With ongoing developments and advancements in these areas, the

future of agriculture appears increasingly promising.

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

Hidropónicos.

504
 Introducción

La agricultura hidropónica está experimentando un crecimiento significativo en

entornos urbanos debido a sus numerosas ventajas, como la eficiente utilización

de recursos como el agua y los nutrientes, así como su capacidad para cultivar

alimentos frescos y saludables en espacios reducidos. A pesar de estas ventajas,

la agricultura hidropónica enfrenta desafíos en términos de maximización de la

producción y eficiencia en la siembra y cosecha de cultivos, la implementación

de la inteligencia artificial en la agricultura está emergiendo como una solución

crucial para mejorar la rentabilidad y superar obstáculos. Gracias a los avances

tecnológicos en inteligencia artificial, los agricultores pueden optimizar el

crecimiento de los cultivos, prevenir enfermedades y aumentar la eficiencia en

la producción, lo que se traduce en mejores resultados y mayores ganancias.

En este estudio, se empleó una metodología exploratoria con un enfoque

descriptivo para recopilar información relevante sobre el tema. Se utilizaron

fuentes secundarias como artículos científicos y libros para llevar a cabo la

investigación. Se establecieron cinco categorías de búsqueda, que incluyeron

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

artificiales y Deep Learning.

505
La búsqueda se realizó en la base de datos bibliográfica de Google Académico,

donde se descargaron ochenta y cinco artículos científicos publicados en los

últimos cinco años. Estos artículos fueron sistematizados utilizando cuatro

preguntas de investigación, lo que permitió obtener noventa y tres respuestas

sistematizadas. De estas respuestas, se seleccionaron cincuenta para incluir en

la sección de resultados del artículo. Además, se elaboró una tabla que 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 Learning 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

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

506
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

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.

507
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

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.

508
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: ¿Qué

vacíos se presentan en el tema?, ¿Cómo se desarrolla el tema a lo largo de los

años?, ¿En qué se está enfocando la discusión actual?, ¿Cuáles son los temas
(Claros-Perdomo et al., 2020)
relevantes en estas investigaciones? .

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
509
el crecimiento agrícola y dejar seguro un sustento a la población
(Araújo et al., 2021)
mundial . 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

510
diagnóstico en la agricultura. Su uso en combinación con tecnologías como

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

511
tecnologías como la acuapónica y la agricultura inteligente son una solución

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 .

512
Uno de los desafíos para implementar la Inteligencia Artificial en la agricultura

es el desafío técnico. Hay numerosos aspectos técnicos que deben abordarse,

como el desarrollo de sensores precisos y confiables, la integración de fuentes

de datos y el desarrollo de algoritmos capaces de recopilar y analizar datos en

(Jerhamre et al., 2022)
tiempo real . El aumento constante de la población

mundial ha planteado una preocupación creciente en cuanto a la seguridad

alimentaria en el planeta. 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 alimentos de

(Gayam et al., 2022b)
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 para tomar

(Molin et al., 2020)
decisiones en la agricultura . La implementación de

tecnología en la agricultura se ha convertido en un factor crucial para abordar

los desafíos para producir 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,

513
para lograr un rendimiento óptimo de los cultivos en la agricultura hidropónica,

es esencial controlar y monitorear con precisión las variables ambientales,

(Mahendra et al., 2022)
como el pH, la conductividad eléctrica y el flujo . 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 ajustar las

(Aji et al., 2021)
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 rentabilidad de la

(Sanchez & Armas, 2022)
producción agrícola .

514
Internet de las cosas

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

515
madurez de los cultivos mediante imágenes lo cual permite una selección
(Tatas et al., 2022)
precisa y eficiente de ellos . 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

516
una tendencia emergente que utiliza varias tecnologías para permitir a los

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

517
tradicional, la edad de la agricultura mecanizada, la edad de la agricultura

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

518
sobre sus cultivos. El uso de sensores en la agricultura se ha vuelto cada vez

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

519
plantas cultivadas mediante hidroponía tienen una duración de crecimiento más
(Mamatha & Kavitha, 2023)
corta y rendimientos más altos . 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

520
actualmente se reconoce como la próxima generación de innovaciones técnicas

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

521
agricultores. Una de las ventajas de utilizar la visión artificial en la agricultura

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)
.

522
Cultivos hidroponicos

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

523
cultivo (Agrawal et al., 2020) . Actualmente hay un aumento en la demanda de

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

524
plantas, cultivos o vegetales comestibles saludables y con ayuda de las

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

(Kumar et al., 2021)
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

(Kumar et al., 2023)
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

525
discute cómo los PGPB pueden aumentar significativamente los rendimientos

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

526
 implementación de este tecnología. Por lo tanto, una brecha potencial en el

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-

527
 learning. Revista Facultad de Ingeniería, 29(54), e12264–e12264.
https://doi.org/10.19053/01211129.V29.N54.2020.12264
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