You are on page 1of 6

Desarrollo de un Sistema Experto Para Asistir el Clculo de las Necesidades de Fertilizacin de un Cultivo de Banano.

Juan E ALVAREZ Grupo de Investigacin Sistema Agrcolas Tropicales Politcnico Colombiano Jaime Isaza Cadavid Medelln Colombia careminto@yahoo.com.ar

Juan E GIL Grupo de Investigacin Sistema Agrcolas Tropicales Politcnico Colombiano Jaime Isaza Cadavid Medelln Colombia juangil321@gmail.com Henry O SARMIENTO Grupo de Investigacin en Control Automtico y Robtica Politcnico Colombiano Jaime Isaza Cadavid Medelln Colombia hosm777@gmail.com

Daro CASTAEDA Grupo de Investigacin Sistema Agrcolas Tropicales Politcnico Colombiano Jaime Isaza Cadavid Medelln Colombia dacastanedas@gmail.com RESUMEN 1. Se implement un sistema experto que calcula las condiciones nutricionales ptimas de un cultivo teniendo en cuenta tanto condiciones fsicoqumicas del suelo como disponibilidad de nutrientes (Fertilizantes) y requerimientos nutricionales del cultivo. Se evalu tambin la efectividad del motor de inferencia frente al resultado dado por el experto en la labor de asistencia de fertilizacin para cultivos de banano (Musa acuminata AAA). Palabras Clave: Sistema experto, anlisis de suelo, distribucin espacial, enlace inico, relacin a la fertilidad, encadenamiento hacia atrs, reglas de produccin. INTRODUCCION

Dada la necesidad productividad de

mundial de mejorar la los cultivos agrcolas, disminuir los costos de produccin y reducir el impacto ambiental sobre el medio ambiente por el uso indiscriminado e irracional de agroqumicos, es importante disponer de sistemas inteligentes que permitan optimizar estos aspectos. La nutricin de un cultivo se fundamenta en los contenidos de nutrientes presentes en el suelo y cuantificados a travs de los anlisis de suelos en los requerimientos del cultivo, los cuales dependen del tipo de planta cultivada y la fase fenolgica en la que est, como tambin de los contenidos de

nutrientes a nivel foliar estimados en los anlisis de los mismos. Dentro de las ventajas del sistema experto (SE) se encuentran la no prdida de facultades con el paso del tiempo; una vez programado un SE puede duplicar infinidad de veces. El SE puede obtener informacin de una base de datos y realizar clculos numricos mucho ms rpido que cualquier ser humano, as mismo est disponible ininterrumpidamente de da y noche, ofreciendo siempre su mximo desempeo. Dentro de los sistemas inteligentes, el sistema experto se propone como un asistente para los tcnicos durante la toma de decisin a la hora de realizar un programa de fertilizacin, usando como caso de estudio el cultivo de banano. El sistema se plane para que estime las necesidades de fertilizantes a aplicar con base en el clculo de los contenidos de nutrientes existentes en el suelo, segn el reporte del anlisis de suelos y los requerimientos de la planta de acuerdo al estado fenolgico y produccin esperada [2]; todo lo anterior con el fin de optimizar el uso fertilizantes y mejorar los rendimientos. Las metodologas utilizadas fueron encadenamiento hacia atrs y reglas de produccin. [3]

El termino agricultura de precisin incluye el uso de tecnologa actual para el manejo de suelos, cultivos e insumos, de modo que la variables espaciales y temporales son factores que afectan la productividad de esta. [6] B. Anlisis de Suelo El anlisis de suelo es un procedimiento que sirve de apoyo tcnico en la recomendacin de fertilizantes y enmiendas en la mayora de los cultivos de importancia econmica. Un anlisis completo incluye las caracterizaciones ms determinantes de los elementos mayores y menores. Como anlisis adicional pueden ser las determinaciones de azufre disponible, conductividad elctrica y porcentaje de sodio intercambiable. Estas dos ltimas se sugieren cuando se sospecha la presencia de sales o de sodio. [7][8] C. Sistema Experto Un Sistema Experto (SE), es bsicamente un programa de computadora basado en conocimientos y raciocinio que lleva a cabo tareas que generalmente slo realiza un experto humano [9]. Su comportamiento se basa generalmente en reglas, es decir, se basa en conocimientos previamente definidos, y mediante estos conocimientos los SE son capaces de tomar decisiones. [10] 1) Fragmentos Primordiales de un SE: Los SE estn compuestos principalmente por las bases del conocimiento y el motor de inferencia -- Bases del conocimiento: es una base de datos que contiene informacin y reglas determinadas sobre un tema especfico. -- Motor de inferencia: es el camino por el cual el SE recorre buscando las respuestas o resultados. Hay tres mtodos con los cuales se puede desarrollar el motor de inferencia tales como: el mtodo de encadenamiento hacia adelante, el mtodo de encadenamiento hacia atrs y el mtodo de reglas de produccin. 2) Construccin de SE: Para la construccin del sistema experto es necesario llevar un orden, realizar una planificacin, o una metodologa concreta. Existen varios tipos de metodologas para la construccin de un SE, las ms importantes son la metodologa de prototipos y la metodologa orientada a objetos.

2.

M ARCO CONCEPTUAL

A. Agricultura de Precisin La agricultura de precisin es un sistema de produccin, adoptado por los agricultores de pases de tecnologa avanzada denominada por ellos precision agriculture, precision farming, Sitespecific crop management [4]. La agricultura de precisin es una filosofa de manejo de granja en la que los productores son capaces de identificar las variables dentro del campo, e intentar manejar aquellas variables para aumentar la produccin o lucro [5].

La metodologa de prototipos tiene dos riesgos a la hora de implementarse: --Primero, no existe aplicacin similar que pueda servir de gua de orientacin. --Segundo, las variables estn delimitadas con muy poca precisin. Un mtodo efectivo es la implementacin de un prototipo de Sistema Experto que permita llevar a cabo las funciones ms importantes de ste, aunque con un esfuerzo de desarrollo considerablemente inferior al de una implementacin tradicional. (Tabla 1). Este proceder se define bajo el nombre de Rapid Prototyping. Para Sistemas Expertos, el Rapid Prototyping es el procedimiento ms adecuado, pues posibilita una rpida reaccin a los deseos en constante cambio tanto por parte de los expertos como parte del usuario. [11] TABLA 1
DIFERENCIAS ENT RE UN SIST EMA EXPERT O Y UN PROGRAMA T RADICIONAL. Sistema Experto Programa Tradicional En programa y circuitos Numricos Combinatoria Procedimental Dependiente. Secuencial Precisos Raras No Optima No Especfico En programa

programar, estableciendo reas de memoria particionadas para datos y procedimientos, que pueden ser usadas como plantillas para crear copias de mdulos conforme se requieran. [12].

3.

DES ARRO LLO

Se procedi a realizar una visita tcnica con el fin de observar y examinar el manejo agronmico del cultivo de banano, se realizaron entrevistas con los operarios quienes efectan el mantenimiento en campo del sistema productivo. Con el experto en el rea de suelos, se definieron las variables de entrada, que bsicamente fueron, los elementos o nutrientes requeridos por la planta (tomados de la literatura), los contenidos de estos en el suelo (obtenidos del anlisis de suelos), evaluacin del requerimiento de encalado o no de acuerdo al contenido de aluminio activo y pH del suelo y el tipo de cal a aplicar es definida con base en la relacin Ca/Mg. La construccin del motor de inferencia fue dividida en cuatro (4) fases: 1) Deteccin (filtro): Formacin del conjunto de conflictos, Reglas pertinentes sobre las variables (pH y densidad aparente) definir las variables y sus rangos. (Tabla 2)
TABLA 2 RANGOS DE LOS ELEMENTOS EN EL SUELO Elemento Bajo <10 Medio 10-20 Alto >20

Conocimiento Tipo de datos Re solucin De f. problema Control

En programa e independiente Simblicos Heurstica Declarativa Independiente. No secuencial Imprecisos Frecuentes S Satisfactoria S rea limitada Independiente

Conocimientos Modificaciones Explicaciones Solucin Justificacin Re solucin Comunicacin

Fsforo (mg/kg) Potasio (Cmol/kg) Calcio (Cmol/kg) Magnesio (Cmol/kg)

<0,2

0,2-0,5

>0,5

<3

3-6

>6

<1

1-3

>3

Dosis de fertilizacin de banano de acuerdo con los resultados del anlisis de suelos (Lpez y Espinosa, 1995).

La programacin orientada a objetos es un tipo de programacin que provee una manera modulada de

El pH: es una medida de la acidez o basisidad de una sustancia y se encuentra en los rangos de 1 a 14. La Densidad aparente se define como la relacin

entre la masa de suelo y el volumen total de este, es decir se tiene en cuenta tanto el volumen ocupado por el suelo como el volumen del espacio poroso. 2) Seleccin (Qu reglas?): Estrategias de control (Figura 1)

calcule las cantidades de potasio, calcio, fsforo, y magnesio en presentacin de nutrientes en forma de oxido fosfrico (P 2 O5 ), oxido de potasio (K2 O), oxido de calcio (CaO), oxido de magnesio (MgO). Notacin: w = pH

Base de conocimiento(Figura 1) z = calcular CaCO3 t = calcular nutrientes P(w) = el pH Q(z,t) = calcular CaCO3 y calcular nutrientes ( P(w) >= 5.5) Q(z,t) Regla 3: Diagnostico del pH Descripcin: Si la variable pH es menor a 5.5 entonces prosiga con el Diagnostico Relacin Calcio Magnesio. Notacin:
Fig. 1. Bases del Conocimiento, diagrama orientada a la programacin de objetos.

w = pH k = Relacin (Ca/Mg)

Regla 1: Validacin de las variables P(w) = el pH Descripcin: Todas las variables deben estar en el rango pertinentes, se deben pasar todas las variables a una solo unidad de medida, las que se encuentran partes por milln (Ppm) y en Centimoles (Cmol) se transforman a gramo del producto qumico sobre kilogramo de suelo. Notacin: x = variables y = estandarizado P(w,k) = pasa a Relacin (Ca/Mg) ( P(w) < 5.5) P(w,k)

Regla 4: Diagnostico Relacin Calcio Magnesio Descripcin: Si las variables Calcio y Magnesio tiene una relacin mayor o igual a 1.6 entonces calcule las cantidades Carbonato de Calcio (CaCO3 ) como mineral y calcule las cantidades de potasio, calcio, fsforo, y magnesio en presentacin de nutrientes en forma de oxido fosfrico (P 2 O5), oxido de potasio (K 2 O), oxido de calcio (CaO), oxido de magnesio (MgO). . Notacin:

P(x) = las variables P(x,y) = estandarizar las variables P(x) P(x,y)

Regla 2: Diagnostico del pH Descripcin: Si la variable pH es mayor e igual a 5.5 entonces calcule las cantidades Carbonato de Calcio (CaCO3 ) como mineral y

k = Relacin (Ca/Mg) z = calcular CaCO3 t = calcular nutrientes

P(k) = la Relacin (Ca/Mg) Q(z,t) = calcular CaCO3 y calcular nutrientes (P(k) <= 1.6) Q(z,t) Regla 5: Diagnostico Relacin Calcio Magnesio Descripcin: Si las variables Calcio y Magnesio tiene una relacin menor a 1.6 entonces calcule las cantidades carbonato de magnesio (MgCO3 ) o sulfato de magnesio (MgSO4 ) como mineral y calcule las cantidades de potasio, calcio, fsforo, y magnesio en presentacin de nutrientes en forma de oxido fosfrico (P 2 O5 ), oxido de potasio (K2 O), oxido de calcio (CaO), oxido de magnesio (MgO). Notacin:

4) Vuelta al punto 1: parar si el problema est resuelto Si no se ha encontrado una solucin y no hay reglas aplicables se presenta el fracaso. [13]
ESTRATEGIAS

INICIO

VALIDACIN DE LAS VARIABLES

R1

R2 Diagnosticar pH

R3

R4

k = Relacin (Ca/Mg) m = calcular (MgSO4 v MgCO3 ) t = calcular nutrientes P(k) = la Relacin(Ca/Mg) Q(m,t) = calcular MgSO4 v MgCO3 y calcular nutrientes (P(k) <= 1.6) Q(m,t)

Relacin (Calcio/Magnesio)

R5

FIN

Fig. 2. Diagrama de bloques para el motor de Inferencia del sistema experto.

3) Aplicacin: El motor de inferencia ha sido diseado para cuantificar a travs de los anlisis de suelos, en los requerimientos del cultivo, que dependen del tipo de planta cultivada y de la fase fenolgica en la que est: igualmente de los contenidos de nutrientes a nivel foliar estimados en estos anlisis. La Figura (2) muestra el motor de inferencia utilizado para cuantificar los requerimientos del cultivo. El ejecutar acciones para resolver el problema (objetivo) a partir de un conjunto inicial de hechos y eventualmente a travs de una interaccin con el usuario y/o la deduccin de nuevos hechos, es lo que podramos definir como motor de inferencia.

4. CONCLUS IN El motor de inferencia es el conocimiento plasmada en forma de diagramas de flujo, en casos de uso tomados como soporte para realizar las pruebas frente al experto y se obtuvo una aceptacin sobre la modelacin expuesta. En los trabajos interdisciplinarios se pueden generar soluciones no convencionales, unificando tecnologa de diferentes reas para un mismo fin. Todo sistema real, lineal e invariante en el tiempo es posible controlar algunas variables, as sea un sistema natural y/o creado por el hombre, as mismo se controla la cantidad de fertilizante para aumentar la productividad del cultivo teniendo en cuenta el anlisis de suelo. Tomando como ejemplo un modelo de control, el sistema experto hace la funcin de un controlador

ms el comparador y la referencia; el sistema vegetal hace la funcin del sistema, el anlisis del suelo seria el sensor. RECONOCIMIENTO Los autores expresan sus agradecimientos a la asociacin de bananeros de Colombia, por el apoyo logstico durante la captura de informacin en campo, a los integrantes de la lnea de investigacin manejo de sistemas agrcolas, al grupo de investigacin en control automtico y robtica del Politcnico Colombiano Jaime Isaza Cadavid REFERENCIAS [1] KEENAN, CH. W. y J. H. WOOD. 1971. Qumica general universitaria. Compaa Editorial Continental S. A Mxico. 951 p. [2] Twiford, I. 1967. Banana nutrition: a review of principles and practice. J. Sci. Fd. Agric. 18: 177-183. [3] CRIADO Briz Jos Mario. Introduccin a los Sistemas Expertos. URL(www.ingenieroseninformatica.org/recurso s/tutoriales/sist_exp/index.php). 2000. [4] MANZATTO. CVBHERING, S.B.; SIMOES, M. Agricultura de precio: propostas e aoes da embrapa solos. Embrapa solos 1999 disponible en internet htt://www.cnpsembrapa.br/search/perqs/proj0/pr oj01.html [5] BATCHELOR, B.; WHIGHAM, K.; DEWITT, J., ET AL Precision agriculture: introduction to precision agriculture. Lowa Cooperative Extension, 1997. 4p. disponible en internet http://www.extensioniastate.edu/pages/precision ag/prec-ag.pdf em 18 agos. 1999. [6] EMBRAPA. Tecnologia em mecaniza no Brasil: equipamentos e sistemas para o futuro. In: SEMINARI TELEMATICO PARA PROSPECO DE DEMANDAS EM PESQUISA S DESENVOLVIMIENTO EM MECANIZAO AGRICOLA NO BRASIL, 1997, Sete lagoas-MG.disponible en internet http://www.bases.cnptia.br/cria/gip/gigap/semin ario.doc em 15 oct 1999. [7] Produccin de banano orgnico y/o ambientalmente amigable Memorias del taller internacional realizado en la EARTH, Gucimo, Costa Rica 27-29 de Julio de 1998. [8] Lpez, A., y J. Espinosa. 1995. Manual de nutricin y fertilizacin del banano. INPOFOS. p. 43

[9]

[10]

[11]

[12]

[13]

PARSAYE Kamran, Mark Chignell, Setrag Khoshafian y Harry Wong. Intelligent Databases. Editorial Wiley. Primera Edicin. New York, 1989. Expert systems and optimization Kusiak, A.Software Engineering, IEEE Transactions on Volume 15, Issue 8, Aug. 1989 Page(s):1017 1020 Amador H., Luis; Inteligencia Artificial Y Sistemas Expertos; Publicacin Cordoba: Universidad de Cordoba, 1997, ISBN 8478013466 TELLO Ernest. Object Oriented Programming for Artificial Intelligence. Addison Wesley. Primera edicin. New York, 1989. W. F. Clocksin y C. S. Mellish. Programming in Prolog: Using the ISO Standard. Springer, 2003 (primera edicin de 1981).