Moora Sle UCEVA 20212220275 UCEVA «@ SSN 20S ORM eISSN 2504701 psi: org 0 54502imsucavaxndatt Pe eT Ee aT oreo Aplica as y Agricolas n de internet de las cosas (IoT) para entornos de invernadero optimizados Application of internet of things (IoT) for optimized greenhouse environments Chrysanthos Maraveas © y Thomas Bartcanas+ ® G acceso Abierto ~ Resumen ceartaravenicge ‘Esta revision presenta la investigacion mis avanzada sobre sistemas Io para enfornos de [ioatonode Eotuctures Agricols, | ftvemadero optimizados. Los datos fueron analizados usando métodos deserptivos Departamento de Recursos Naturales | estadsticos para inferirrelaciones entre Intemet de las cosas (ToT), tecnologias emergentes, etngerieriaAericola, Universidad | agricutura de precision, agricuvura 4.0 y mejoras en Ia agricltura comercial. La discusién se Dericola de Aten, 11855 Atenas, | sia en el contexio mas amplio de IoT en la mitigacién de los efectos adversos del cambio Grecia climitico y el calentamicnto global en la agrcultura através de la optimizacion de parimetros eriticos como la temperatura y la humedad, la adguisiciGn inteligente de datos, el consol basado en reglas y la recolucidn de las barreras para la adopeién comercial de sistemas IoT en la se agricul. Los recientes eventos meteoroogicos Severs e inesperados han conbuio 810s ‘Acciisan pa publioazutec bajos rendimientos y pérdidas agricolas; este es un desafio que se puede resolver a través de la pater scala de peision medada por eevologla. Los stances (ecodlgios laa coud on Pilea on ine: (y otros gases), que se basan en tecnologias Bragg, piezoeléctricas, electroquimicas, electromagnéticas [31] y de fibra éptica para una evaluacién precisa de los pardmetros deseados [47] (ver tabla 1)Satellite \, Imaging IoT instrumented Agricultural Field Aspecios centrales de ls si editor (Elsevier) de Popovic et al. (2017) temas basados en ToT para inv smaderos inteligentes [45] (Reproducido con permiso Tabla 1 Tipos comunes de en invernaderos inteligentes [30] “Aplicacion de sensores “Moule semoresyfabricantes ‘Crime vgetl ‘Gyberaiot DSC QXI00 (Sony Electonics Inc, Tokyo, Japan), Pawot Monitor de ‘Sequoia (MicaSense In, Sete, WA, USA) cultva—Dateceiin de inoscosyenfeonadades 'FLIR Blacdly2386C GFLIR Systems, Wilsomilla, OR USA) ‘Seasor de eanopy activo ACS-130, ACS.470 Helland Scieuifie Inc, Lncola, NE, USA) “Temperatura del uso; humodad desu ‘DSIS520 (Manim Intaraod, San Joss, CA, USA), VEtO0(Veseoaix Sal Monitoneo det Lake Gay UT. USA) HLS, ECHIO1OHS (METER Group. Pullnan, ‘strato WA.USA) wi 201 (Shanghai REX Sensor Technolo Co, Shania, China) lene quimitos (tao, rOgon, oe SENID4 DFROBOTS, Shasas, China) ‘Tempurstua del ie, lnmedad dela: radaciiu solar DETLL, DET22 (AMI302, Aceong Elecwouice Co, Lid, Guangahov, China) 89-110 Apogee iatunents Ine, Lops, UT. USA) invia YF-S402 (Graylosix, Bangalore, Kartaka, India), YES3 (Vaisala ‘Monitoreo det Cor, Helsin, Finland) SE-WSTOND (Luft Ine Berk, 2 fmbieate—~Laminosidad BHI7S0 (Rolm Semiconductor, Kyoto, Japan) TSLIS61 (Adair Industries, New York City, NY, USA) resign masts -MPLITISA2 (NXP Semiconductors, Eindhoven, The Netislan®) ‘Disecain y velocidad de iio ‘WS-2000 (Ambeat Wester, Chandler, AZ, USA), Sprkfun Eleni, Niwot, CO, USA) Conssatain de CO; ‘MO.8i1 Zhengzhou Wisea Elczonss Techloay Co, Lid, Zhengzhou, Ching), MOI3S (WaveshareEletonis, Shenzhen. Chita) ‘One Rate ‘Mifare Utligit NEC tg (NXP Semicondctrs, Eindhoven, The ‘Netherlands, Bhusbonry RFID reader (Tersom Techanogy, Bangalore, erataka, ini) ‘Toealizaiia "U\E20 Ti (Unicore Communication Tae, Being, CiLos parimetros de interés incluyen diferentes longitudes de onda de luz, fotocomriente, intensidad de fluorescencia, sefal fluorescente emitida por la clorofila vegetal, densidad éptica y sefial electroquimica generada por la reaccién redox catalizada por enzimas (principio SHA) [1]. Los avances en la investigacién y el disefio ‘han dado como resultado el desarrollo de sensores electromagnéticos para analizar valores de clorofila y concentracién de nitrogeno en plantas; este enfoque se basa en la reflectancia de la luz y los diodos laser pulsantes [31]. La técnica también demostré ser titil para medir Ia fisiologia de la planta en tiempo real, incluido el indice vegetative de la planta, los requisitos nutricionales, 1a conductividad eléctricay la susceptibilidad y conductividad magnéticas "(fase cudruple) [31]. La regulacién y el control de las condiciones ambientales en ‘un invernadero son fundamentales teniendo en cuenta que el exceso de calor o humedad se traduce en datos a las plantas a gran escala. La temperatura ambiente ideal de la planta y la humedad relativa para el crecimiento dptimo de la planta fueron 35°C y_ 95%, respectivamente [39]. El exceso de temperatura y humedad son perjudiciales para el crecimiento dptimo de las plantas, ya que perjudican la polinizacién, la fotosintesis, el crecimiento de las hojas y el rendimiento [41]. La optimizacién de estos parémetros ‘en los invernaderos inteligentes se ve afectada en parte por la precisién limitada de los sensores disponibles. La precision de los sensores seleccionados esté limitada al 2.25% [48]. Estos bajos niveles de precision podrian tener consecuencias desastrosas en la regulacién de ‘icroclimas de invernadero, especialmente la mitigacién de heladas [3, 49]. En ottos casos, la precisién de los sensotes ToT es del 99% [4]. Se lograron altos niveles de precision con sensores inteligentes de barra que brindan informacién de monitoreo en vivo sobre la lnumedad y la temperatura del suelo. La informacion extraida de los sensores de los palos inteligentes se sincroniza con dispositivos inteligentes para obtener transmisiones en vivo sobre las variaciones en los parimetros fisicos. Las observaciones realizadas por Rayhana et al. [4] sobre la alta precision de los sensores inteligentes para invernaderos, estuvieron alineados con lo expuesto por Castafieda-Miranda et al. [49]. En este ultimo caso, 1a precisién de los sensores para la supresién de heladas estuvo telacionada con Ia confiabilidad de la memoria asociativa difwsa (FAM) y las redes neuronales antificiales (ANN) [49]. La temperatura intema en un invemadero se_midié ‘usando ANN, mientras que las temperaturas del suelo del cultivo, se analizaron usando fuzzy control, y esto resulté en la activacién de la bomba de agua, Los datos experimentales confirmaron que el sistema ToT para la mitigacién de heladas basado en ANN y FAM tenfa una precisién superior al 90% en relacién con el anilisis estadistico de Fourier de los datos horatios [49]. La contiabilidad de los datos fue corroborada por medidas estadisticas inferenciales. Una nueva investigacién ha demostrado que era prictico mantener los altos niveles de precisién informados por Rayhana et al. [4] a través de la optimizacién de la resolucién del sensor (cambios mimisculos en la sefal de entrada que se pueden detectar) y la precision (reproducibilidad de la misma salida con una entrada similar) utilizando técnicas de calibracién automatizadas como a deteccién, identificacién y acomodacién de fallas del sensor (FDIA ) en la tecnologia SensorTalk [32]. Teniendo en cuenta que Rayhana et al. [4] y Castaiieda-Miranda et al. [49] observaron que los sensores IoT lograron un rendimiento superior en la optimizacién del microclima del invemnadero; la baja precisin reportada por Ryder et al. [48] podria atribuirse a las propiedades del sensor o al control deficiente de las variables extemas. Estos inconvenientes se pueden compensar con el mantenimiento y la calibracién del sistema con espectrofotometros [1] y la personalizacién del sistema para adaptarse a las condiciones ambientales locales. Alternativamente, el despliegue continuo de la red 5G catalizaria la expansién de la infraestructura ToT y el despliegue de sensores avanzados con mayor precisién [37]. Desde otra perspectiva, 1a evidencia contradictoria sobre la precisidn de los. sensores documentada por Ryder et al. [48] y Wang et al. [1] plantean preguntas fundamentales sobre la confiabilidad de los sensores para aplicaciones agricolas, lo que podria, a su vez, afectar la aceptacién comercial de los sensores. El papel central de los datos de sensores precisos en la integracidn de datos de la plataforma ToT, a visualizacion en tiempo real y Ia creacién de prototipos de aplicaciones, se ifustra en la figura 3. Tras la critica de varios argumentos relacionados con la confiabilidad de 10s sensores [50-53], el investigador sefiala que la precisién de los sensores de ToT en entomos agricolas, estuvo influenciada por factores especificos de la aplicacién y el contexto.API: Data Import Data Integration API: Data Export/Access Application Prototyping IOT Platform Real-time Visualization Configuration Portal Figura 3 Integracién de datos de sensores y plataformas IoT [45] (Reproducido con permiso del editor (Elsevier) de Popovic etal. (2017), La cosmovisién es corroborada por Wang et al. [1], quienes reportaron alta precisién en sensores diseilados para medir pardmetros biolégicos en granjas de microalgas. La alta precisién de los sensores se vincul6 con una éptima configuracién de diseio [1]. Por ejemplo, el posible efecto adverso asociado con la temperatura exterior y otras variables, se compensé con la integracién de dispositivos de control de temperatura, inckuido un diodo-fotodiodo laser de longitud de onda ‘miltiple para 1a estimacién de la concentracién celular [1]. Esta titima evidencia subraya la necesidad de elegir los tipos correctos de sensores y optimizer el rendimiento a través de la integracién de liser de miiltiples longitudes de onda, fotodiodos de diodo, biosensores de ARNr, chips microfluidicos con fotoelectroquimica mejorada con _nanocavidades (nanoparticulas de Cu y el electrodo de Cu) y chips ‘multisonda [1] La necesidad de optimizar el rendimiento de los sensores se valida por las implicaciones de costos asociados con los etrores. Por ejemplo, los errores del sensor podrian resultar en tin mayor uso de energia en la regulacién del microclima de] invernadero [54]. En casos aislados, los errores del sensor pueden tener un impacto beneficioso en el cultivo; una evaluacién deficiente del contenido mutricional de los cultivos podria traducirse en una aplicacién excesiva de fertilizantes y micronuttientes, y esto se traduciria autométicamente en mejores rendimientos de los cultivos. Los beneficios inesperados asociados con los errores de los sensores se demostraron en un estudio de sensores agricolas en invernaderos holandeses [54]. En realidad, es imperativo apreciar el hhecho de que dichos beneficios suelen estar aislados. A pesar de la disponibilidad comercial de miltiples sensores, el proceso de seleccién esti guiado por ciertas consideraciones como el costo, la precisién, los requisitos de energia, las propiedades del material, la funcionalidad en condiciones extremas (exceso de hnumedad y precipitacién), la integracién con diferentes componentes y tecnologias como redes neuronales y aprendizaje automatico [3155-67]. El rendimiento de diferentes clases de sensores en condiciones extremas se hha mejorado mediante el desarrollo de membranas de polimero para proteger los componentes del sensor de Particulas contaminantes, polvo y agua, que pueden comprometer la precisién y el tiempo de respuesta [48] ‘Se han demostrado diseiios de prueba de concepto para sensores alimentados por energia solar para invernaderos inteligentes. Saharaei et al [35] sefial6 que tales sensores eran adecuados para dreas remotas sin conexién a la redMas all de 1a satisfaccién de los requisitos energéticos inherentes, los sensores alimentados por energia fotovoltaica contribuyen a la autonomia energética y la miniaturizacién de los dispositivos inteligentes para invernaderos, lo que a su vez se traduce en una mejor ahorro de costes. Aunque las necesidades de energia se ‘han resuelto mediante Ia adopcién de sensores fotovoltaicos auténomos, como sefialaron Sahraei et al [35], abundan otros desafios. Los materiales emergentes como el grafeno han demostrado ser materiales ideales para sensores para aplicaciones agricolas debido a su alta resistencia a la traccién, peso ligero, flexibilidad y respeto al medio ambiente [58]. Sin embargo, el uso generalizado se ve inhibido por la ausencia de métodos escalables para la sintesis comercial de los materiales [58,59]. Las reservas hacia los materiales novedosos se ven reforzadas por hechos empiricos y datos de mercado. A pesar del encomiable progreso realizado por las empresas emergentes en I+D de grafeno, se han presentado inconsistencias significativas en las propiedades de los ‘materiales de grateno producido a escala industrial frente al grafeno a escala de laboratorio [60]. La incapacidad de replicar y reproducir materiales de calidad sigue siendo un impedimento critico més alld de los limites de los materiales y tecnologias emergentes. Existen varios inconvenientes que limitan la ubicacién dptima de las notas de los sensores para una mejor cobertura y comunicacién entre los sensores [42]. Los desafios enumerados presentan consecuencias pricticas en los sensores de invemadeto para el anilisis del suelo y el agua. Aunque el progreso tecnoldgico ofiece soluciones prometedoras, la precisién de los sensores sigue siendo un desafio, ya que la precisién de los sensores se ve afectada por sefiales parisitas asociadas con la presién, la luz y la bumedad [48]. Aunque la optimizacion de capas oftece una solucién prictica, no se ha explorado en detalle. Barreras a la Comercializaciin de Tecnologias Io para Invernaderos: Conectividad a Internet, Costo y Limitaciones Tecnolégicas El desarrollo de diferentes clases de sensores por parte de Unicore Communication, Ambient Weather, Chandler, NXP Semiconductors y Apogee Instruments, entre ottos fabricantes [38], abre un camino hacia la comercializacién de sistemas ToT para invernaderos. Sin embargo, se deben resolver las barreras clave para la aceptacién de la tecnologia. El informe de CISCO y la Unién Internacional de Telecommnicaciones (UIT) clasificd las barreras en dominios politicos y técnicos (consulte la figura 4) [61]. La interseccién de los dos dominios introdujo una tercera dimensién especifica para las restricciones de espectro y ancho de banda, privacidad, seguridad, interoperabilidad y estindares. Por ejemplo, la tecnologia de Internet 3G y 4G se rige por los estindares UMTS y CDMA 2000. Por el contrario, IEBE 802.11 e IEEE 802.154, regulan la operacionalizacién de las redes WiFi y LR-WPAN, respectivamente. Teniendo en cuenta que estas redes tienen diferentes frecuencias, velocidades de datos y requisitos de potencia [24], se convierte en un desafio para estandarizar la infraestructura de ToT en el sector agricola. jareras politicas y te légicas para la s sgricultura y mis alla [53] (Reproducido con permiso del editor (Elsevier) de Molinara et al. (2021) obal de sistemas ToT en la Como sefialaron CISCO y la Unién Intemacional de ‘Telecomunicaciones (UIT) [61], la confiabilidad de los sistemas Io fue un factor critico. En la agricultura de invernadero, 1a fiabilidad se predijo mediante la precisién y fiabilidad de Jos sensores para evaluar el contenido de clorofila de la planta y Ia regulacién rentable de las propiedades del suelo y la mejora del potencial de rendimiento [1,40,44]. En la actualidad, los sistemas de IoT para la agricultura se basan en tecnologias disponibles en otras. industrias, como el posicionamiento GPS para Ia navegacién de sistemas aéreos no tripulados, la espectroscopia de reflectancia y Ja deteccién de microondas para sensores agricolas, pero las infraestructuras de IoT estén distribuidas de manera desigual en paises desarrollados y emergentes [62]; esto introduce mievas restricciones en términos de espectro, ancho de banda, interoperabilidad y estindares [61]. Dado que las economias avanzadas tenian mejores ‘mecanismos para superar las barreras a la aceptacién de la tecnologia, la comercializacién de sistemas ToT en invemaderos era factible. En el lado negativo, laimplementacién de ToT en paises en desarrollo y areas rurales, sigue siendo un desafio debido a los costos- beneficios asociados con la comercializacién de infraestructuras de ToT, como lo seflalaron Ruan et al [65]. Las uiltimas observaciones fueron respaldadas por datos de la industria y la penetracién de Internet [64] Desde el comienzo de la revolucién de Internet en la década de 1990 y principios de la de 2000, la comunidad mundial ha necesitado un periodo prolongado para construir infraestructuras de Intemet estables. Sin embargo, para el cuarto trimestre de 2021, solo el 56% de la poblacién mundial tenia acceso a Internet [63 significa que la mitad de la poblacién mundial no pudo desbloquear los beneficios de ToT en la agricultura de precisién, EL desafio podria resolverse a largo plazo utilizando una constelacién de drbita terrestre baja (LEO), que proporciona el potencial para la conectividad global a Intemet con una latencia reducida [64]. Las empresas OneWeb y Starlink estén en camino de brindar Internet de banda ancha de baja latencia y alta velocidad con una latencia baja que es ideal para éreas rurales y remotas [65,66]. Sin embargo, la implementacién de LEO se ha retrasado y existen diversas preocupaciones sobre la adopcién global. Los desatios tecnolégicos tuvieron un impacto mis profindo en los pequefios agricultores y las grandes comporaciones agricolas en areas rurales y naciones con bajas tasas (<25%) de conectividad a Intemet, como Afganistin, Nepal, Pakistén, Repiblica Centroafricana y Turkmenistin [63]. El escaso desarrollo de la infraestructura de redes clave en estas regiones tiene consecuencias pricticas en el futuro de 1a produccién agricola en el pais, dado que la agricultura tradicional ha seguido siendo el pilar de la Repiblica Centroafticana y otras naciones pobres. La agricultura representa casi la mitad (49%) del PIB de la Repiblica Centroafricana [67]. Rudn et al. (62] sugirieron que la expansién de la infraestructura oT existente para aplicaciones agricolas seria necesaria dado que las cargas y conexiones existentes no pueden ser suficientes. Sin embargo, La construceién de infraestructura IoT para agricultura de precisién en campo abierto sigue siendo un desafio debido al bajo retomo de inversién para entidades privadas y el gobiemo. Ante la ausencia de suficientes Incentivos econdmicos, no queda claro si los inversores estarian dispuestos. a comprometer recursos significativos para el despliegue de infraestractaras ToT [63]. Los desafios relacionados con a infraestructura se ‘ven agravados por la necesidad de sensores precisos con capacidades avanzadas y la urgencia de resolver las desventajas asociadas con varios protocolos de IoT, como Zigbee, Bluetooth Low Energy (BLE) y la red de rea amplia de baja potencia (LPWAN) de Sigfox, entre otras redes. Las preocupaciones planteadas por Ruan et al. [62] y otros académicos sobre el costo y la distribucién desigual de la infraestructura de ToT en todo el mmndo pueden contrarrestarse con _beneficios emergentes. Antonio et al, [37] afirmaron que existian beneficios directos asociados con el despliegue de infiaestructuras ToT en granjas. Desde Ia visién del mundo del investigador, garantizar que las redes ToT existentes sean compatibles con otros protocolos, abordar la interferencia de sefales, la incompatibilidad con dispositivos de alta potencia y la falta de infraestructura de soporte en ciertos paises requetiria importantes recursos. financieros [37]. Se podria incentivar a las partes interesadas clave para que apoyen Ia expansion de la infraestructura a través de los beneficios demostrados. Estudios _previos habian demostrado que 1a infraestructura ToT podria generar ahorros de costos de hasta 500 USDiacre por ciclo de cultivo con los sistemas de soporte de decisiones basados en datos meteorolégicos y sensores de capacitancia eléctrica para predecir el momento éptimo para la aplicacién de fungicidas, andlisis del equilibrio suelo-agua y suelo-contenido de agua , riego de cultivos inteligente ¢ impulsado por la demanda, y aplicacién de fertilizantes en funcidn de las necesidades de nitrogeno de la planta [37]. Este tiltimo ahorro de costos podria ayudar a compensar las barreras tecnolégicas para el uso de IoT en invernaderos. La configuracién y los sistemas centrales integrados en los dispositivos IoT para invemaderos muestran que la transicién de sistemas manuales a auténomos requiere muchos recursos [35]; este hace que sea un desafio para las granjas comerciales iniciar Ia transicion sin una prueba de concepto demostrada. El caso del uso intensivo de recursos de ToT y otros sistemas en agricultura comercial contrasta con Lara et a, quienes sefialaron que era prictico desarrollar materiales inteligentes asequibleside bajo costo para estructuras de invernadero; esto se logré en parte mediante la integracién de sistemas avanzados como Wireless Sensor Red (WSN) integrada con tecnologia 5G, WAN o WiFi, para una recopilacién y transmision de datos sin inconvenientes. Acumulativamente, se desarroll6 con éxito un prototipo de IoT a un costo de 16 USD [29]; esto es loable considerando que el costo es tn factor critico en la produccién agricola, Las observaciones realizadas por Lara et al [29] sobre laonN disponibilidad de sensores de bajo costo para invemaderos fue cotroborada por Placidi et al. [41], quienes sefialaron que los recientes esfuerzos de investigacién y desarrollo habian facilitado el desarrollo de dispositivos sensores de bajo costo capaces de transducir los pardmetros fisicos y el posprocesamiento de datos sin procesar para obtener informacién confiable y cumplir con las regulaciones existentes; “Se ha Teducido el tamaiio y el coste de los sensores, haciendo WSN, el principal impulsor de la agricultura de precisién”. No obstante, la supuesta reduccién en el costo de Ia tecnologia fue especifica de Ia aplicacién. Los recientes avances en ID no se habjan traducido hacia el desarrollo de sensores de bajo costo para ‘monitorear el contenido de agua del suelo. Los sensores precisos del contenido de agua del suelo varian entre 150 USD y 5000 USD, segiin Placidi et al. [41]; esto excede el costo promedio estimado de un invernadero en paises en desarrollo [27], y no es econémico invertir en costosos sensores de contenido de agua en el suelo, La iiltima evidencia demuestra que la reduccién de costos percibida fixe especifica del sensor, este desafio podria compensarse en parte mediante la investigacion y la comercializacién de las innovaciones existentes. Se demostraron los beneficios de costos especificos de la aplicacién de Ia tecnologia de sensores en un informe conjunto preparado por CISCO y la Unién Internacional de Telecomunicaciones (UIT) sobre el aprovechamiento de Io para el desarrollo sostenible global [61]. Los datos de comparacién de costos se exponen en la tabla 2, donde queda en evidencia que los sensores con caracteristicas técnicas avanzadas, como conectividad WiFi, eran costosos (150 USD/sensor), Otros temas fundamentales de interés incluyen la necesidad de alinear las practicas agricolas corporativas con los patrones globales para mejorar la relevancia comercial. Las principales partes interesadas de la industria, incluido Mordor Intelligence (2021), postularon que el crecimiento del mercado de invernaderos inteligentes se segmentaria en diferentes categorias (como sistemas de riego inteligentes, valvulas y bombas de agua, sensores y cémaras, sistemas de control, HVAC, luces LED y__ tecnologias hidropénicas/no hidropénicas) y geografias (la mayor parte del crecimiento se registraria en economias avanzadas como EE. UU., Canadé, Reino Unido, Francia, Alemania, India, China y Japén) ‘A pesar de que la segmentacién de los invemaderos ha sido poco investigada en la investigacién académica, proporciona bases convincentes. para fururas investigaciones y el desarrollo de _tecnologias inteligentes para invemnaderos. En otros casos, el costo es una barrera menor para ta adopciin de ToT en invernaderos inteligentes. en relacidén con las preocupaciones sobre la utilidad de la tecnologia. Las eservas expresadas por los usuarios de nuevas tecnologias muestran que los sistemas basados en IoT deben superar las actitudes sociales hacia las tecnologias avanzadas en la agricultura. Las preocupaciones relacionadas con la tecnologia entre los usuarios finales de las tecnologias podrian estar vinculadas a beneficios menos demostrados. Agrovoltaica y Blockchain La agrovoltaica es también una revolucién tecnologica emergente relacionada con IoT que tiene aplicaciones prometedoras en la produccién sostenible de alimentos y energia. Los desarrollos emergentes incluyen [a transmisién de luz y la vida util prolongada mediante médulos forovoltaicos plegables y paneles solares [16] y sistemas integrados de generacién de energia eléctrica y térmica [68-70]. Un inconveniente clave es él nacimiento de los sistemas agrovoltaicos [71-73]. A partir de 2020, el tinico sistema agrovoltaico funcional estaba en Bélgica [73]. La novedad de la agrovoltaica es un factor limitante dadas las barreras para la adopcién de muevas tecnologias. Las tiltimas ideas extraidas de esta revisién tienen un significado prictico en la agriculrura comercial. Ademés, se ha avanzado més en la comercializacién de médulos fotovoltaicos y tejas solares en All-Russian Research Institute of Electrification of Agriculture (69) Ms alld de Rusia y Bélgica, se prevé que la demanda de agrovoltaicos crezea exponencialmente en linea con la transicién a energias renovables en la agricultura. Mas alla de la agrovoltaica, la integracién de blockchain en sistemas basados en ToT para la agricultura es un area emergente que merece mayor atencién en I+D [74,75] El Blockchain ayudaria a mejorar la seguridad en los sistemas agricolas y descentralizaria la generacién y el uso de energia solar.Tabla 2. Comparacién de costos de diferentes tipos de ORC eee ee eee ier PETC) Pera rete) ‘Tipo de sensor ‘Sensor WiFi de humedad integrado ‘Sensor de fuerza de doble rang ‘Tekimeto ultrasénico; sensor de CO2 ‘Sensor de presion de gas Detector de movimiento Vernier ‘Sensor de oxigen 0 ‘Sensor de velocidad del vento 45 ‘Sonsor de temperatura y humedad ‘Sensor de gas mlticanal; sensor de nivel de liquide; tmumedad y temperature del suelo; sensor de nivel de liquido; Sensor de suptura de GPS; Médulo GPS portiil, ‘Sensor GSie Mujo de agua; Lecior RFID; 30 modulo sensor REID; Telémeto ultrasénico Lite; Placa sensora de temperatura y humedad ‘Sensor de coztiente CA de alto amperaje 2 Detector de sonido 1 ‘Sensor tactil capacitive; Sensor de carga (hasta 10 50 kg); sensor de calidad del sire: Receptor FFM; Sonda de temperatura y humedad; Sensor arométrico y de temperatura; sensor de altiud; Indice UV digitaVTRVVisible ‘Sensor de luz; sensor de iuz de proximidad: 3 medidor de uj de guido; Sensor de comiente del sensor de movimiento PIR: ‘Sensor de movimiento PIR; sensor de coisién; ‘Sensor HP de temperatura y humedad ‘Sensor de uz RGP; sensor de alcoholemis; 3 ‘Sensor de color ROB y filtro IR ‘Sensor de disparo inffarojo; sensor de 7 comiente CA; sensor de Iuz digital HDR: Amplificador de mieréfono ‘Sensor de laminosidad: Sensor de volumes 6 ‘Sensor teflectante de infrarojos; Capsula 5 REID; Sensor de luz ambiental; Sensor de Jnumedad; sensor de sonido ‘Sensor de vibracion; sensor de aga 3 Conclusiones El cuerpo de conocimiento afirmé los _beneficios practicos y los limites de diferentes sensores IoT para la optimizacién del microclima del invernadero. EL progreso actual en la investigacién ha demostrado que era factible monitorear de forma remota el contenido nutricional del suelo, agua/humedad y temperatura, y fisiologia vegetal en tiempo real (indice vegetative, requisitos nutricionales, conductividad eléctrica y la susceptibilidad magnética) _utilizando _sensores avanzados que cuentan con tecnologias Bragg, piezoeléctricas, electroquimicas, electromagnéticas y de fibra dptica. Los recientes avances tecnolégicos han contribuido al desarrollo de sensores avanzados hechos de materiales de grafeno, diodos-fotodiodos laser de miltiples longitudes de onda, biosensores de ARNt, chips multisonda y chips de microfluidos con fotoelectroquimica “mejorada con _nanocavidades (nanoparticulas de Cu y electrodos de Cu). Por el lado negativo, abundan ciertos desafios que incluyen la precisién variable. Por un lado, habia sensores de invemaderos altamente confiables para aplicaciones comerciales. Dichos sensores se habian traducido en ‘mejoras significativas en el rendimiento de los cultivos y ahorros de costos a través de los sistemas de soporte de decisiones basados en datos que brindaban alertas sobre cuindo era més apropiado aplicar —fertilizantes, fungicidas y pesticidas e irrigar cultivos que requerian ‘menos agua para tn crecimiento 6ptimo, Los datos preliminares extraidos de estudios publicados sugieren que fue posible lograr aborros de hasta 500 USD por acre cultivado. Teniendo en cuenta que los costos se basaron en un caso de estudio aislado, los ahorros acumulados podrian ser mayores 0 menores segiin los cultivos, el tipo de sensores y el nivel de inversién en sistemas de apoyo a la toma de decisiones basados en datos. Por otro lado, habia una clase de sensores con baja precision de 2 al 25%, que era inadecuada. La baja precisién de los sensores fue una barrera critica para la comercializacién de sensores ToT, y el problema se amplified por el progreso limitado realizado en el desarrollo de sensores ultrasensibles y la disponibilidad desigual de infraestructura IoT en paises emergentes y desarrollados, y la falta de incentivos suficientes para facilitar las inversiones en tecnologia en freas rurales. Por ejemplo, la conexidn a Tateruet en los paises pobres/de ingresos medios-bajos de Asia y Africa estaba por debajo del 25 %, por lo que no era prctico para los inversores privados instalar sistemas ToT en invemnaderos inteligentes. Los desafios relacionados con la innovacién podrian resolverse a través de I+D. Sin embargo, no hubo una solucién inmediata a los desafios de infraestructura de TIC en las naciones emergentes. A la luz de Ia brecha digital, a aplicacién de Internet de las cosas para entomnos de invernadero optimizados seguiria siendo un coto exclusivo de las naciones desarrolladas con recursos avanzados; esto es evidente a partir de la inversién en tecnologias de invemadero en Grecia, Arabia Saudita, Europa y América del Norte, Lasen inversiones desiguales en invernaderos_inteligentes tendrian implicaciones a largo plazo en la seguridad alimentaria y la sostenibilidad agricola en estas regiones, considerando que el calentamiento global y el cambio climatico, se traducen en tna inflacién en ef costo de los productos agricolas. La inflacién se atribuyé a la inflacién en el costo de los productos agricolas y eventos climaticos severos inesperados. Limitaciones Los sistemas IoT pata la optimizacién de los microclimas de los invernaderos son diversos. Por ejemplo, los sensores basados en tecnologias de fibra Optica 0 diodo-fotodiodo Liser de mnitiples longitudes de onda, biosensores de ARN, chips microfluidicos con fotoelectroquimica mejorada— con _nanocavidad (nanoparticulas de Cu y el electrodo de Cu) 0 sensores basados en grafeno ofrecen ventajas © inconvenientes distintos en comparacién con Bragg, los sensores piezoeléctricos, electroquimicos y electromagnéticos dependiendo de los pardmetros a medir, la influencia de variables externas y los cultivos bajo cultivo. El discurso actual no revis6 exhaustivamente cada clase de sensor, dado que el enfogue principal estaba en la aplicacién de IoT para entornos de invernadero optimizados y ‘microclimas para la produccién de cultivos, El alcance de la discusién se limité a los temas dominantes en la literatura. El discurso actual sobre la agricultura de precisién se centra en la computacién en la nube, ToT y otras tecnologias para la agricultura de precisién [40] y las aplicaciones comercialmente viables son nuevas, caras 0 mal adaptadas a las condiciones semidridas. El alto costo de la aplicacion de IoT en la optimizacién del ‘microclima del invernadero impidié la comercializacion de la tecnologia por parte de los pequeitos agricultores. Perspectivas a futuro Aunque se presentaron diversos desafios y barreras para el despliegue de sensores y sistemas IoT e invernaderos inteligentes, el progreso en ID se traduciria en In disponibilidad generalizada de sensores precisos y de bajo costo para el monitoreo del agua, la nutricién del suelo, la temperatura y la humedad. La perspectiva _positiva esta respaldada por el desarrollo del grafeno (un material con alta resistencia a Ia traccién, peso ligero, flexibilidad y compatibilidad ecolégica), biosensores de ARNr de alta precision y chips de microfluidos con fotoelectroquimica mejorada con manocavidades. Sin embargo, no esté claro si las tecnologias futuras ayudarian a reducir el costo de los sensores con mayor funcionalidad (como 1a interoperabilidad de soluciones, implementacién a escala industrial, implementacién a largo plazo y mediciones exactas y precisas). En la actualidad, 1a inclusién de tales capacidades en los sensores cuesta 1000 USD o més en un sensor [61]. Las tecnologias emergentes, como la constelacién LEO, ayudarian a proporcionar cobertura global de Intemet de banda ancha en errores remotos, eliminando asi las barreras de capital e infraestructura para la adopcién masiva de IoT en la agricultura comercial Consentimiento para publicacion los autores leyeron y aprobaron la versin final del mamuserito. Conflictos de interés Los autores declaran no poseer ningiin tipo de conflicto de interés. Este documento solo refleja sus puntos de vista y no de las instituciones a las cuales pertenecen. erfil de autori: Magna Scientia UCEVA 20),KW; Ting, HY; Selarjoo, A Chang, J-S; Show, PL. How does the Intemet of Things (oT) help ia microaleae borefiaery? ieechnol tv 2024, 107819, naps: dot orgt0 1016} biotecha:2021.107819 TL teva Raju, K; Viayaaghavan, Vi oT Technologie ia Agricultural Environment: A’ Survey. Wire. Pers. Commun. 2020, 113, 2ais-2446. limps ong10 007/211277-020-07336- (5) Castatida-Miranda, A: Castafi-Meneses, VM. Ineme of things for smart fansing and ost steligest contol in greeahowss Compe leer age 2020, Ms, 103618. Inaplfdetorg/20 101 compag.2020.105614 [4] Rayhana, R; Xico, Q; Lay Z.Intemet of Things Empowered Smart Greenhouse Fiming IEEE. Radio Freq Iden 2020, 4, 195-211, hsp: org 0 1100URFID 20702984801 [5] Zhang. ¥: Gane, P: sivaparthipan, CB: Mu, B.A Big data and entific nteligence based early risk warning sytem of fie hazard for ‘ual cites. Sustain Frorgy Technol ses. 2021, 45, 100986 pedo org/20 1014} seta 2020100086 (6) Raj, Mt; Gupta, S: Chamols, V: Ethene, A; Gag, T. Atquzzaman, M; Nya, DA suey en the le of latent of Tings for adopting and promoting Agnuitre40.J1 New. Compu. App. 2021, 187, 103107, Ins: or/201016jnca.2021.103107 DI), _Sasheer, A; Mohammed, M: Riad, K; Alta), M.A Clood- Based [oT Platoon for. Precision “Control of sollte Gresaboue Cltvation. Seisors 020, 21,293 pedo org 10. 3300/210/0228 [s}___Allom, 2; Dhumny, ZA. On big data, arifca inteligence and ua tse. Cinee 3019, $9. $09. Ido org0.1016} cites 201901.082 P] Wilh, 2; AbTunman, F; Moss, L; Gaghand, Applictions of Arca Intelligence and Machine lamin in mart cit. Comput Conmiot 2020, 154, 312-23 nips: or/10.10164 comcom 2020 02.059 DO) Goi, H: Beah, 3: Fang, J: Low, HH. Altemative enision monitoring technologies and industrial infemet of things-tased process monitoring technologies for achieving operational exellence. Cw. Opin (Gree Suse. Chom 2020, 23, 11-37 hips: org10.1016 cogsc.2020.04,009 [AD Sehr, Nz Watson, $+ Sofia, S$; Pennes, AZ Boowasee, Peters, LM. Persistent and adaptive power system fr solar powered sensors of Tnlomet of Things oT). ZvergyProcedia 2017, 143, 739-74 Ips: org/t0 1016) egypre 2017.12.75 [2] Agrawal, H:; Preto, J; Ramos, C: Corchado, 1M Smart feting tn farming fough loT an slo, deh Dell jot Comput. 2016, 530, 355— 366. pedo rg/10.1007/078-3310-47052-1 28 DS) Singh, RK Berkvens, R:Weyn, M. Energy EfficientWirless Communication for ToT Enabled Greeshouse. 1a Proceedings of the 2020 Tntemnaional Confrence on COMmusicabon Systems de NET WAS (COMSNETS), Bengalur, India, 7-11 Zanuary 2020; 2000, p. 885-887 [uM] cChies, G; Di Vit, D: Ghadiradeh, A; Motor Hemera, AH; Laon Rodhigher ©. A fuzy lopicloT lighting and shading contol ete, format buildings. duéom Consr 2020, 120, 103397, haps: édorg10.1016j autcon 2020 108387 15] Syafirinda,Y; ARR, F: Fi, 2:2 Yosigvera Widiawen, Rosina, E. The Precision Agriculture Based on Wireless Senor Network with MOTT Protocol 1OP Conf. Ser. Earth Eniron. Sci 2018, 207, (012059 pos ong 0801735-1515/2071/012050 (6) Be, ¥ Wang, H. The aplication of cloud computing and the fate of things ia agricultwe ant forest In Proceedings of the 2017 Intemational Jou Conference on Service Scieoes, Tape, Taivan, 25-27 ‘May 2011; Volume 2011, p. 168-172 [17] Pall, VC: ALGaadi, KA; Biadar, DP; Rangaswamy, M Infemet of Things (lot) and. Clood Computing for Agneuire” An Oramape: Ta Procoadings of the AgroInfomutics and Procsion ‘Agncalture (AIPA 2012), Raichur, Indi 2012; pp. 292-296- (18) Rojas, A. Smart Agriculture JoT with Cloud Computing. Rev Hist América 2015,29,37-66 119] Chouay, $5 Jadoun, R; Mandovva, HL Role of Cloud ‘Computing Techoology in Agrculre Fields. Computing 2016, 7-7 PO] Fetkous, M. Clowd computing lps agriculture induty gro, TBM 2015, pone com/bogeeoud comps 201./01/23/lous compu: help-agieitre nue gros! (21) Zhang, X; C20, Z: Dong.¥: Oversow of Edge Comping in he al intemet of hinge ‘Tsteslogie Applestins, Challenges. 2B Acces 2020, 8, 141748-141761 hp: do.org! 10 1108/4CCESS.2070 3013005 [2] Abbiar, MIN; Shaith, AJ: Khan, A; Anais, Hy Bakar, EA; ‘tenan, A. Smart sensing with edge computing in precision agneuare for sol asessnent and heavy metal monitoring” A review. dgricure DOD T1495 tpie/doe ngs oWageite! 1050873 (23) Ocrady, MZ; Langton, D; O'Hare, GMP. Edge computing: A tretable model for smart agree? drift lgric. 2019, 342-51 psi org0 10189 2102019 12.001, (24) Vile ennkoon A; Edwards, GT.C; Pesonmn, LA; Groen, 0. Sorenson, CAC. Internet of Thins io arable famine Iaplemeatation, ‘ppicatons, challenges and potential ions. Eng 2020, 191, 60-84. ps: /dorg 10,1016) bisystenseng.2019 12.013 [25] Madushanki, AAR; Halgamuge, MN Weasageda AHS; Syed, A. Adoption ofthe Interet of Thangs (oT) in agrutore and exert, ming towards ben greening A review. Dut J. dv. Comput Sci. 4p 2019, 10, 11-28 hp: org 10.1 4560104C84 3010.0100002 (26) US Environmental Protection Agency, Climate Impacts on Agriculture and Food Supply. 2020. haps Sjanuary2? ‘i Penpahatepagovelmeteinpctecimate-impacts-oriclure. and. food-sigply him! 27] Pack, M; Mebla, K Design of affndable grows for East ‘Aca In Proceedings of the 2012 IEEE Clobal Hutantarian Techoology Conference, Seattle, WA, USA, 21-24 Ostober 2012, Volume 2012, pp woe (28) Keven, A; Thomopoulos, V; Barouchas, P; Stefanaki, Nj Tiope-Teaklti, A. Research on innovative taining om smart greenonse tsclnolopes for economic and eavronmenalsutnnabilty. Suara 202, 13, 10536 fps org10.330004131910536. [9]__Lara, 10D; Fransisco, @; Rodtiguez, §. Low Cost Greeahonse ‘Monitoring Stem Based cn inert of Things in Proceedings ofthe 2019 [EEE Intorstionel Conference on Engncerng Veracruz QCEV), Boca del