Desarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forest

En el tejido mismo de nuestra sociedad, la producción agrícola emerge como un pilar fundamental, alimentando a comunidades enteras y sustentando la vida tal como la conocemos. Sin embargo, esta piedra angular se enfrenta a desafíos cada vez más apremiantes derivados del cambio climático y la contami...

Full description

Autores:: Gaviria Martinez, Oscar David
Moreno Perdomo, Edgar Julian

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2024

Institución:: Universidad Cooperativa de Colombia

Repositorio:: Repositorio UCC

Idioma:: spa

id	COOPER2_1a7409ce01b4b441101a6e6d78eed0df
oai_identifier_str	oai:repository.ucc.edu.co:20.500.12494/57036
network_acronym_str	COOPER2
network_name_str	Repositorio UCC
repository_id_str
dc.title.spa.fl_str_mv	Desarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forest
title	Desarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forest
spellingShingle	Desarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forest 000 - Ciencias de la computación, información y obras generales modelos de aprendizaje automático invernaderos agricultura de precisión conexión isolation forest ANN
title_short	Desarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forest
title_full	Desarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forest
title_fullStr	Desarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forest
title_full_unstemmed	Desarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forest
title_sort	Desarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forest
dc.creator.fl_str_mv	Gaviria Martinez, Oscar David Moreno Perdomo, Edgar Julian
dc.contributor.advisor.none.fl_str_mv	Gutiérrez Portela, Fernando Díaz Triana, Oscar Augusto
dc.contributor.author.none.fl_str_mv	Gaviria Martinez, Oscar David Moreno Perdomo, Edgar Julian
dc.subject.ddc.none.fl_str_mv	000 - Ciencias de la computación, información y obras generales
topic	000 - Ciencias de la computación, información y obras generales modelos de aprendizaje automático invernaderos agricultura de precisión conexión isolation forest ANN
dc.subject.proposal.spa.fl_str_mv	modelos de aprendizaje automático invernaderos agricultura de precisión conexión
dc.subject.proposal.eng.fl_str_mv	isolation forest ANN
description	En el tejido mismo de nuestra sociedad, la producción agrícola emerge como un pilar fundamental, alimentando a comunidades enteras y sustentando la vida tal como la conocemos. Sin embargo, esta piedra angular se enfrenta a desafíos cada vez más apremiantes derivados del cambio climático y la contaminación ambiental. Estos desafíos no solo amenazan la estabilidad de los sistemas alimentarios, sino que también subrayan la necesidad crítica de implementar soluciones que aborden los factores ambientales que afectan la producción agrícola. En este contexto, la gestión eficiente de los sistemas de riego, control y monitoreo emerge como un eslabón vital en la cadena de la producción agrícola. La carencia de tecnología adecuada en estos sistemas ha creado un escenario propicio para el desperdicio de recursos valiosos, agravando aún más los desafíos ya existentes. La ausencia de herramientas eficaces para monitorear los factores climáticos y el uso inadecuado del agua han llevado a pérdidas innecesarias, socavando la sostenibilidad de la producción agrícola. No obstante, en este panorama desafiante, surgen rayos de esperanza en la forma de la agricultura de precisión y la optimización de cultivos. Estos enfoques, impulsados por el vertiginoso crecimiento de la Agricultura 4.0, representan una respuesta innovadora y tecnológica a los problemas arraigados en la agricultura contemporánea. En este contexto, se manifiesta la imperiosa necesidad de concebir un prototipo de sistema de control y monitoreo de invernaderos que no solo abrace la revolución tecnológica, sino que la lidere. Este prototipo, anclado en el entorno de desarrollo de Arduino, se erige como una prometedora herramienta que va más allá de la mera recopilación de datos. Al aprovechar tecnologías de vanguardia como el Internet de las Cosas (IoT) y modelos de aprendizaje automático, este sistema no solo recoge información detallada sobre los factores ambientales del cultivo, sino que también transforma estos datos en conocimientos accionables. La conexión directa con una base de datos central no solo mejora la eficiencia operativa, sino que sienta las bases para una producción agrícola más resiliente y sostenible en diversas áreas de aplicación.
publishDate	2024
dc.date.accessioned.none.fl_str_mv	2024-09-09T14:50:17Z
dc.date.available.none.fl_str_mv	2024-09-09T14:50:17Z
dc.date.issued.none.fl_str_mv	2024
dc.type.none.fl_str_mv	Trabajo de grado - Pregrado
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.content.none.fl_str_mv	Text
dc.type.driver.none.fl_str_mv	info:eu-repo/semantics/bachelorThesis
dc.type.redcol.none.fl_str_mv	http://purl.org/redcol/resource_type/TP
dc.type.version.none.fl_str_mv	info:eu-repo/semantics/acceptedVersion
format	http://purl.org/coar/resource_type/c_7a1f
status_str	acceptedVersion
dc.identifier.citation.none.fl_str_mv	Gaviria Martinez, O. D. y Moreno Perdomo, E.J. (2024). Desarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forest [Tesis de pregrado, Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://hdl.handle.net/20.500.12494/57036
dc.identifier.uri.none.fl_str_mv	https://hdl.handle.net/20.500.12494/57036
identifier_str_mv	Gaviria Martinez, O. D. y Moreno Perdomo, E.J. (2024). Desarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forest [Tesis de pregrado, Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://hdl.handle.net/20.500.12494/57036
url	https://hdl.handle.net/20.500.12494/57036
dc.language.iso.none.fl_str_mv	spa
language	spa
dc.relation.references.none.fl_str_mv	R. Taplin y A. Z. Nowak, Climate change, pandemics and artificial intelligence. 2023. doi: 10.4324/9780367857561-6. J. Ye, B. Chen, Q. Liu, y Y. Fang, “A precision agriculture management system based on Internet of Things and WebGIS”, 21st Int. Conf. Geoinformatics, vol. 21 Geoinformatics, núm. 2011, pp. 1–5, 2013. M. A. Akkaş y R. Sokullu, “An IoT-based greenhouse monitoring system with Micaz motes”, Procedia Comput Sci, vol. 113, pp. 603–608, ene. 2017, doi: 10.1016/J.PROCS.2017.08.300. Google, “Real Time Database”, https://firebase.google.com/products/realtime database. J. G. M. A et al., “Microclimate monitoring system for irrigation water optimization using IoT”, Measurement: Sensors, vol. 27, p. 100727, jun. 2023, doi: 10.1016/J.MEASEN.2023.100727. R. Seppelt, S. Klotz, E. Peiter, y M. Volk, “Agriculture and food security under a changing climate: An underestimated challenge”, iScience, vol. 25, núm. 12, 2022, doi: 10.1016/j.isci.2022.105551. Luis Carlos García, “Estudio del impacto técnico y económico de la transición de internet al internet de las cosas (IoT) para el caso Colombiano”, Universidad Nacional de Colombia. J. Ye, B. Chen, Q. Liu, y Y. Fang, “A precision agriculture management system based on Internet of Things and WebGIS”, 21st Int. Conf. Geoinformatics, vol. 21 Geoinformatics, núm. 2011, pp. 1–5, 2013. World Water Counciñ, “Vision Mundial del Agua”, http://www.worldwatercouncil.org/fileadmin/wwc/Library/Publications_and_re ports/Visions/SpanishExSum.pdf. M. Abdelnabby, M. M. Awny, y M. O. Ezzat, “The use of information and communication technologies in the agribusiness sector in Egypt”, en Towards the Digital World and Industry X.0 - Proceedings of the 29th International Conference of the International Association for Management of Technology, IAMOT 2020, 2020, pp. 1117–1129. F. da Silveira, S. L. C. da Silva, F. M. Machado, J. G. A. Barbedo, y F. G. Amaral, “Farmers’ perception of barriers that difficult the implementation of agriculture 4.0”, Agric Syst, vol. 208, 2023, doi: 10.1016/j.agsy.2023.103656. G. N. Kar, P. Verma, S. Mahato, A. Santra, S. Kundu, y A. Bose, “An IoT Enabled Multi-Sensor System with Location Detection for Agricultural Applications”, Mapan - Journal of Metrology Society of India, vol. 38, núm. 2, pp. 375–382, 2023, doi: 10.1007/s12647-022-00617-7. “¿Qué son los modelos de procesos evolutivos? - GeeksforGeeks”. Consultado: el 2 de agosto de 2024. [En línea]. Disponible en: https://www.geeksforgeeks.org/what-are-evolutionary-process-models/ “Conceptos básicos de ayuda de CRISP-DM - Documentación de IBM”. Consultado: el 2 de agosto de 2024. [En línea]. Disponible en: https://www.ibm.com/docs/es/spss-modeler/saas?topic=dm-crisp-help overview K. Ogata, Ingeniería de control moderna, 6th ed. 2021. J. Gubbi, R. Buyya, S. Marusic, y M. Palaniswami, “Internet of Things (IoT): A vision, architectural elements, and future directions”, Future Generation Computer Systems, vol. 29, núm. 7, pp. 1645–1660, sep. 2013, doi: 10.1016/J.FUTURE.2013.01.010. T. M. Mitchell, Machine Learning, 1st Ed. 1997. J. D. Sterman, “Business dynamics: Systems thinking and modeling for a complex world”, https://www.mheducation.com/highered/product/business dynamics-sterman/M007238915X.html. Kenneth C. Laudon y Jane P. Laudon, Management Information Systems: Managing the Digital Firm, 16a ed. Pearson, 2020. J. Fabula, A. Sharda, J. D. Luck, y E. Brokesh, “Nozzle pressure uniformity and expected droplet size of a pulse width modulation (PWM) spray technology”, Comput Electron Agric, vol. 190, p. 106388, nov. 2021, doi: 10.1016/J.COMPAG.2021.106388. A. Kumar, V. Singh, S. Kumar, S. P. Jaiswal, y V. S. Bhadoria, “IoT enabled system to monitor and control greenhouse”, Mater Today Proc, vol. 49, pp. 3137–3141, ene. 2022, doi: 10.1016/J.MATPR.2020.11.040. J. G. M. A et al., “Microclimate monitoring system for irrigation water optimization using IoT”, Measurement: Sensors, vol. 27, p. 100727, jun. 2023, doi: 10.1016/J.MEASEN.2023.100727. V. Mamatha y J. C. Kavitha, “Machine learning based crop growth management in greenhouse environment using hydroponics farming techniques”, 2023, doi: 10.1016/j.measen.2023.100665. S. R. Melal, M. Aminian, y S. M. Shekarian, “A machine learning method based on stacking heterogeneous ensemble learning for prediction of indoor humidity of greenhouse”, J Agric Food Res, vol. 16, p. 101107, 2024, doi: 10.1016/j.jafr.2024.101107. M. El Alaoui, L. O. Chahidi, M. Rougui, A. Mechaqrane, y S. Allal, “Evaluation of CFD and machine learning methods on predicting greenhouse microclimate parameters with the assessment of seasonality impact on machine learning performance”, Sci Afr, vol. 19, p. e01578, mar. 2023, doi: 10.1016/J.SCIAF.2023.E01578. M. S. Khan, E. A. Moallemi, D. Thiruvady, A. Nazari, y B. A. Bryan, “Machine learning-based surrogate modelling of a robust, sustainable development goal (SDG)-compliant land-use future for Australia at high spatial resolution”, J Environ Manage, vol. 363, p. 121296, jul. 2024, doi: 10.1016/J.JENVMAN.2024.121296. J. Morales-García, F. Terroso-Sáenz, y J. M. Cecilia, “A multi-model deep learning approach to address prediction imbalances in smart greenhouses”, Comput Electron Agric, vol. 216, p. 108537, ene. 2024, doi: 10.1016/J.COMPAG.2023.108537. A. Allouhi, N. Choab, A. Hamrani, y S. Saadeddine, “Machine learning algorithms to assess the thermal behavior of a Moroccan agriculture greenhouse”, Clean Eng Technol, vol. 5, p. 100346, dic. 2021, doi: 10.1016/J.CLET.2021.100346. L. Liu, M. Mehana, B. Chen, M. Prodanović, M. J. Pyrcz, y R. Pawar, “Reduced-order models for the greenhouse gas leakage prediction from depleted hydrocarbon reservoirs using machine learning methods”, International Journal of Greenhouse Gas Control, vol. 132, p. 104072, feb. 2024, doi: 10.1016/J.IJGGC.2024.104072. M. Emami Javanmard y S. F. Ghaderi, “A Hybrid Model with Applying Machine Learning Algorithms and Optimization Model to Forecast Greenhouse Gas Emissions with Energy Market Data”, Sustain Cities Soc, vol. 82, p. 103886, jul. 2022, doi: 10.1016/J.SCS.2022.103886. A. Badji et al., “Experimental assessment of a greenhouse with and without PCM thermal storage energy and prediction their thermal behavior using machine learning algorithms”, J Energy Storage, vol. 71, p. 108133, nov. 2023, doi: 10.1016/J.EST.2023.108133. J. P. Albarico, G. R. F. La Rosa, R. A. D. Santos, A. J. M. Tesorero, M. S. A. Magboo, y V. P. C. Magboo, “Roses Greenhouse Cultivation Classification Using Machine Learning Techniques”, Procedia Comput Sci, vol. 218, pp. 2163–2171, ene. 2023, doi: 10.1016/J.PROCS.2023.01.192. Bolaño Jorge y Coronado Samael, “Diseño de un sistema de monitoreo con iot para controlar parámetros físico-químicos en un invernadero para cultivos hidropónicos ubicado en el corregimiento de tigrera en el distrito de Santa Marta.”, Diseño de un sistema de monitoreo con iot para controlar parámetros físico-químicos en un invernadero para cultivos hidropónicos ubicado en el corregimiento de tigrera en el distrito de Santa Marta. Consultado: el 7 de junio de 2023. [En línea]. Disponible en: https://repository.ucc.edu.co/items/9afce50e-578d-41c4-ad6f-63928fa70355 Á. H. Alarcón López, G. Arias Vargas, C. J. Díaz Ortíz, y J. D. Sotto Vergara, “Sistema de control automático de variables climáticas para optimizar el rendimiento de cultivos bajo cubierta”, Ingeniería Solidaria, vol. 14, núm. 24, pp. 1–11, ene. 2018, doi: 10.16925/IN.V14I24.2158. E. Guillermo, C. Martínez, W. Alexander, R. Rivera, J. Carlos, y S. Ochoa, “Diseño conceptual de un sistema de bajo costo, de riego por goteo para proyecto experimental de cultivo hidropónico en invernadero”, el 24 de febrero de 2021, Universidad Cooperativa de Colombia, Facultad de Ingenierías, Especialización en Redes de Telecomunicaciones, Bogotá. Consultado: el 7 de junio de 2023. [En línea]. Disponible en: http://hdl.handle.net/20.500.12494/33556 Ó. Andrés López, D. Eider, A. Rios, B. Christian, D. Torres, y M. Mayo, “Diseño de un sistema de automatización de riego con conexión remota usando tecnologías IOT en un cultivo de rosas en ambiente simulado”, 2022, Universidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería de Sistemas, Bogotá. Consultado: el 7 de junio de 2023. [En línea]. Disponible en: https://repository.ucc.edu.co/handle/20.500.12494/45742 J. N. Infante Martínez, “El cambio climático, un problema de todos”, el 13 de diciembre de 2019, Universidad Cooperativa de Colombia, Facultad de Ciencias Económicas, Administrativas y Contables, Administración de Empresas, Bucaramanga. Consultado: el 7 de junio de 2023. [En línea]. Disponible en: http://hdl.handle.net/20.500.12494/13865 Á. H. Alarcón López, G. Arias Vargas, C. J. Díaz Ortíz, y J. D. Sotto Vergara, “Automatic Control System for Climate Variables to Optimize Greenhouse Crop Yields”, Ingeniería Solidaria, vol. 14, núm. 24, pp. 1–11, ene. 2019, doi: 10.16925/IN.V14I24.2158. J. Manuel Santos Calderón et al., “Consejo nacional de política económica y social CONPES María Ángela Holguín Cuéllar Ministra de Relaciones Exteriores”.
dc.rights.uri.none.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.none.fl_str_mv	info:eu-repo/semantics/closedAccess
dc.rights.creativecommons.en.fl_str_mv	Attribution-NonCommercial-NoDerivatives 4.0 International
dc.rights.coar.none.fl_str_mv	http://purl.org/coar/access_right/c_14cb
rights_invalid_str_mv	http://creativecommons.org/licenses/by-nc-nd/4.0/ Attribution-NonCommercial-NoDerivatives 4.0 International http://purl.org/coar/access_right/c_14cb
eu_rights_str_mv	closedAccess
dc.format.extent.none.fl_str_mv	60 p.
dc.format.mimetype.none.fl_str_mv	application/pdf
dc.publisher.none.fl_str_mv	Universidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería de Sistemas, Ibagué
dc.publisher.program.none.fl_str_mv	Ingeniería de Sistemas
dc.publisher.faculty.none.fl_str_mv	Ingenierías
dc.publisher.place.none.fl_str_mv	Ibagué
dc.publisher.branch.none.fl_str_mv	Ibagué
publisher.none.fl_str_mv	Universidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería de Sistemas, Ibagué
institution	Universidad Cooperativa de Colombia
bitstream.url.fl_str_mv	https://repository.ucc.edu.co/bitstreams/c3a83fbf-12f0-4393-9130-714208027f79/download https://repository.ucc.edu.co/bitstreams/81ef2428-a3cf-4607-a4fc-fa3194e4b22f/download https://repository.ucc.edu.co/bitstreams/80be8213-5568-41be-a3dd-41f143a3da87/download https://repository.ucc.edu.co/bitstreams/c1c2d70b-fa8c-45ee-a5c4-9eaa473149a3/download https://repository.ucc.edu.co/bitstreams/b5aa4d4c-78d1-42a0-a831-e7ed98598654/download https://repository.ucc.edu.co/bitstreams/7ec9b570-9923-48c0-ab52-600497291f22/download https://repository.ucc.edu.co/bitstreams/372cf6b6-5d41-4872-9b54-f3148116363d/download https://repository.ucc.edu.co/bitstreams/e9dcfc41-3e84-4156-a7d5-f84ac7b826b4/download https://repository.ucc.edu.co/bitstreams/382d62d2-93e2-4cdb-a43a-866808376706/download https://repository.ucc.edu.co/bitstreams/9e20faf7-8e6b-45d3-8f07-e307edc8e188/download https://repository.ucc.edu.co/bitstreams/b392af97-af74-42fe-9b1b-9e4c86587e61/download
bitstream.checksum.fl_str_mv	3bce4f7ab09dfc588f126e1e36e98a45 8d1cfebd0b1b4cb06a06e4e50f4f4211 07005ded995f5e64569884e123112eb7 7463a79603241de5b980ae7a0f6ac0f6 4460e5956bc1d1639be9ae6146a50347 0f09b1046c23b9474fcdfd650cabef08 6d93d3216dc4a7f5df47d4876fbec4d3 832c8b4c778eb660af0dfe7b42f44af0 9397f12494a31b25537831161153a357 38f95429f47157d3b1e684fcc9d7adb0 23b33a8888fdfa34a466b7cc1fb282bb
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad Cooperativa de Colombia
repository.mail.fl_str_mv	bdigital@metabiblioteca.com
_version_	1811565269779218432
spelling	Gutiérrez Portela, FernandoDíaz Triana, Oscar AugustoGaviria Martinez, Oscar DavidMoreno Perdomo, Edgar Julian2024-09-09T14:50:17Z2024-09-09T14:50:17Z2024Gaviria Martinez, O. D. y Moreno Perdomo, E.J. (2024). Desarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forest [Tesis de pregrado, Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://hdl.handle.net/20.500.12494/57036https://hdl.handle.net/20.500.12494/57036En el tejido mismo de nuestra sociedad, la producción agrícola emerge como un pilar fundamental, alimentando a comunidades enteras y sustentando la vida tal como la conocemos. Sin embargo, esta piedra angular se enfrenta a desafíos cada vez más apremiantes derivados del cambio climático y la contaminación ambiental. Estos desafíos no solo amenazan la estabilidad de los sistemas alimentarios, sino que también subrayan la necesidad crítica de implementar soluciones que aborden los factores ambientales que afectan la producción agrícola. En este contexto, la gestión eficiente de los sistemas de riego, control y monitoreo emerge como un eslabón vital en la cadena de la producción agrícola. La carencia de tecnología adecuada en estos sistemas ha creado un escenario propicio para el desperdicio de recursos valiosos, agravando aún más los desafíos ya existentes. La ausencia de herramientas eficaces para monitorear los factores climáticos y el uso inadecuado del agua han llevado a pérdidas innecesarias, socavando la sostenibilidad de la producción agrícola. No obstante, en este panorama desafiante, surgen rayos de esperanza en la forma de la agricultura de precisión y la optimización de cultivos. Estos enfoques, impulsados por el vertiginoso crecimiento de la Agricultura 4.0, representan una respuesta innovadora y tecnológica a los problemas arraigados en la agricultura contemporánea. En este contexto, se manifiesta la imperiosa necesidad de concebir un prototipo de sistema de control y monitoreo de invernaderos que no solo abrace la revolución tecnológica, sino que la lidere. Este prototipo, anclado en el entorno de desarrollo de Arduino, se erige como una prometedora herramienta que va más allá de la mera recopilación de datos. Al aprovechar tecnologías de vanguardia como el Internet de las Cosas (IoT) y modelos de aprendizaje automático, este sistema no solo recoge información detallada sobre los factores ambientales del cultivo, sino que también transforma estos datos en conocimientos accionables. La conexión directa con una base de datos central no solo mejora la eficiencia operativa, sino que sienta las bases para una producción agrícola más resiliente y sostenible en diversas áreas de aplicación.In the very fabric of our society, agricultural production emerges as a fundamental pillar, feeding entire communities and sustaining life as we know it. However, this cornerstone faces increasingly pressing challenges stemming from climate change and environmental pollution. These challenges not only threaten the stability of food systems, but also underscore the critical need to implement solutions that address the environmental factors that affect agricultural production. In this context, the efficient management of irrigation, control and monitoring systems emerges as a vital link in the agricultural production chain. The lack of adequate technology in these systems has created a scenario conducive to the waste of valuable resources, further aggravating the already existing challenges. The absence of effective tools to monitor climate factors and inadequate water use have led to unnecessary losses, undermining the sustainability of agricultural production. Nonetheless, in this challenging landscape, rays of hope are emerging in the form of precision agriculture and crop optimization. These approaches, driven by the breakneck growth of Agriculture 4.0, represent an innovative and technological response to the problems entrenched in contemporary agriculture. In this context, there is an urgent need to conceive a prototype of a greenhouse control and monitoring system that not only embraces the technological revolution, but also leads it. This prototype, anchored in the Arduino development environment, stands as a promising tool that goes beyond mere data collection. By leveraging cutting edge technologies such as the Internet of Things (IoT) and machine learning models, this system not only collects detailed information about the crop's environmental factors, but also transforms this data into actionable insights. Direct connection to a central database not only improves operational efficiency but lays the foundation for more resilient and sustainable agricultural production in various application areas.Introducción -- 1. Problema -- 1.1 descripción del problema -- 1.2 formulación del problema -- 2. Justificación -- 3. Objetivos -- 3.1. Objetivo general -- 3.2. Objetivos específicos -- 4. Marco referencial -- 4.1. Marco conceptual -- 4.2. Marco teórico -- 4.3. Estado del arte -- 4.4. Marco de antecedentes -- 4.5. Marco normativo -- 5. Metodología -- 6. Resultados -- 6.1. Comparación de los estudios relacionados con la temática de la agricultura 4.0 utilizando IOT y modelos de aprendizaje automático -- 6.2. Prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de IOT y modelo de inteligencia artificial basado en machine learning con isolation forest -- 6.3. Evaluación del prototipo -- 6.4. Implementación del prototipo -- 7. Conclusiones -- 8. Recomendaciones -- 9. Lista de referencias --PregradoIngeniero de Sistemas60 p.application/pdfspaUniversidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería de Sistemas, IbaguéIngeniería de SistemasIngenieríasIbaguéIbaguéhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/closedAccessAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://purl.org/coar/access_right/c_14cb000 - Ciencias de la computación, información y obras generalesmodelos de aprendizaje automáticoinvernaderosagricultura de precisiónconexiónisolation forestANNDesarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forestTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionR. Taplin y A. Z. Nowak, Climate change, pandemics and artificial intelligence. 2023. doi: 10.4324/9780367857561-6.J. Ye, B. Chen, Q. Liu, y Y. Fang, “A precision agriculture management system based on Internet of Things and WebGIS”, 21st Int. Conf. Geoinformatics, vol. 21 Geoinformatics, núm. 2011, pp. 1–5, 2013.M. A. Akkaş y R. Sokullu, “An IoT-based greenhouse monitoring system with Micaz motes”, Procedia Comput Sci, vol. 113, pp. 603–608, ene. 2017, doi: 10.1016/J.PROCS.2017.08.300.Google, “Real Time Database”, https://firebase.google.com/products/realtime database.J. G. M. A et al., “Microclimate monitoring system for irrigation water optimization using IoT”, Measurement: Sensors, vol. 27, p. 100727, jun. 2023, doi: 10.1016/J.MEASEN.2023.100727.R. Seppelt, S. Klotz, E. Peiter, y M. Volk, “Agriculture and food security under a changing climate: An underestimated challenge”, iScience, vol. 25, núm. 12, 2022, doi: 10.1016/j.isci.2022.105551.Luis Carlos García, “Estudio del impacto técnico y económico de la transición de internet al internet de las cosas (IoT) para el caso Colombiano”, Universidad Nacional de Colombia.J. Ye, B. Chen, Q. Liu, y Y. Fang, “A precision agriculture management system based on Internet of Things and WebGIS”, 21st Int. Conf. Geoinformatics, vol. 21 Geoinformatics, núm. 2011, pp. 1–5, 2013.World Water Counciñ, “Vision Mundial del Agua”, http://www.worldwatercouncil.org/fileadmin/wwc/Library/Publications_and_re ports/Visions/SpanishExSum.pdf.M. Abdelnabby, M. M. Awny, y M. O. Ezzat, “The use of information and communication technologies in the agribusiness sector in Egypt”, en Towards the Digital World and Industry X.0 - Proceedings of the 29th International Conference of the International Association for Management of Technology, IAMOT 2020, 2020, pp. 1117–1129.F. da Silveira, S. L. C. da Silva, F. M. Machado, J. G. A. Barbedo, y F. G. Amaral, “Farmers’ perception of barriers that difficult the implementation of agriculture 4.0”, Agric Syst, vol. 208, 2023, doi: 10.1016/j.agsy.2023.103656.G. N. Kar, P. Verma, S. Mahato, A. Santra, S. Kundu, y A. Bose, “An IoT Enabled Multi-Sensor System with Location Detection for Agricultural Applications”, Mapan - Journal of Metrology Society of India, vol. 38, núm. 2, pp. 375–382, 2023, doi: 10.1007/s12647-022-00617-7.“¿Qué son los modelos de procesos evolutivos? - GeeksforGeeks”. Consultado: el 2 de agosto de 2024. [En línea]. Disponible en: https://www.geeksforgeeks.org/what-are-evolutionary-process-models/“Conceptos básicos de ayuda de CRISP-DM - Documentación de IBM”. Consultado: el 2 de agosto de 2024. [En línea]. Disponible en: https://www.ibm.com/docs/es/spss-modeler/saas?topic=dm-crisp-help overviewK. Ogata, Ingeniería de control moderna, 6th ed. 2021.J. Gubbi, R. Buyya, S. Marusic, y M. Palaniswami, “Internet of Things (IoT): A vision, architectural elements, and future directions”, Future Generation Computer Systems, vol. 29, núm. 7, pp. 1645–1660, sep. 2013, doi: 10.1016/J.FUTURE.2013.01.010.T. M. Mitchell, Machine Learning, 1st Ed. 1997.J. D. Sterman, “Business dynamics: Systems thinking and modeling for a complex world”, https://www.mheducation.com/highered/product/business dynamics-sterman/M007238915X.html.Kenneth C. Laudon y Jane P. Laudon, Management Information Systems: Managing the Digital Firm, 16a ed. Pearson, 2020.J. Fabula, A. Sharda, J. D. Luck, y E. Brokesh, “Nozzle pressure uniformity and expected droplet size of a pulse width modulation (PWM) spray technology”, Comput Electron Agric, vol. 190, p. 106388, nov. 2021, doi: 10.1016/J.COMPAG.2021.106388.A. Kumar, V. Singh, S. Kumar, S. P. Jaiswal, y V. S. Bhadoria, “IoT enabled system to monitor and control greenhouse”, Mater Today Proc, vol. 49, pp. 3137–3141, ene. 2022, doi: 10.1016/J.MATPR.2020.11.040.J. G. M. A et al., “Microclimate monitoring system for irrigation water optimization using IoT”, Measurement: Sensors, vol. 27, p. 100727, jun. 2023, doi: 10.1016/J.MEASEN.2023.100727.V. Mamatha y J. C. Kavitha, “Machine learning based crop growth management in greenhouse environment using hydroponics farming techniques”, 2023, doi: 10.1016/j.measen.2023.100665.S. R. Melal, M. Aminian, y S. M. Shekarian, “A machine learning method based on stacking heterogeneous ensemble learning for prediction of indoor humidity of greenhouse”, J Agric Food Res, vol. 16, p. 101107, 2024, doi: 10.1016/j.jafr.2024.101107.M. El Alaoui, L. O. Chahidi, M. Rougui, A. Mechaqrane, y S. Allal, “Evaluation of CFD and machine learning methods on predicting greenhouse microclimate parameters with the assessment of seasonality impact on machine learning performance”, Sci Afr, vol. 19, p. e01578, mar. 2023, doi: 10.1016/J.SCIAF.2023.E01578.M. S. Khan, E. A. Moallemi, D. Thiruvady, A. Nazari, y B. A. Bryan, “Machine learning-based surrogate modelling of a robust, sustainable development goal (SDG)-compliant land-use future for Australia at high spatial resolution”, J Environ Manage, vol. 363, p. 121296, jul. 2024, doi: 10.1016/J.JENVMAN.2024.121296.J. Morales-García, F. Terroso-Sáenz, y J. M. Cecilia, “A multi-model deep learning approach to address prediction imbalances in smart greenhouses”, Comput Electron Agric, vol. 216, p. 108537, ene. 2024, doi: 10.1016/J.COMPAG.2023.108537.A. Allouhi, N. Choab, A. Hamrani, y S. Saadeddine, “Machine learning algorithms to assess the thermal behavior of a Moroccan agriculture greenhouse”, Clean Eng Technol, vol. 5, p. 100346, dic. 2021, doi: 10.1016/J.CLET.2021.100346.L. Liu, M. Mehana, B. Chen, M. Prodanović, M. J. Pyrcz, y R. Pawar, “Reduced-order models for the greenhouse gas leakage prediction from depleted hydrocarbon reservoirs using machine learning methods”, International Journal of Greenhouse Gas Control, vol. 132, p. 104072, feb. 2024, doi: 10.1016/J.IJGGC.2024.104072.M. Emami Javanmard y S. F. Ghaderi, “A Hybrid Model with Applying Machine Learning Algorithms and Optimization Model to Forecast Greenhouse Gas Emissions with Energy Market Data”, Sustain Cities Soc, vol. 82, p. 103886, jul. 2022, doi: 10.1016/J.SCS.2022.103886.A. Badji et al., “Experimental assessment of a greenhouse with and without PCM thermal storage energy and prediction their thermal behavior using machine learning algorithms”, J Energy Storage, vol. 71, p. 108133, nov. 2023, doi: 10.1016/J.EST.2023.108133.J. P. Albarico, G. R. F. La Rosa, R. A. D. Santos, A. J. M. Tesorero, M. S. A. Magboo, y V. P. C. Magboo, “Roses Greenhouse Cultivation Classification Using Machine Learning Techniques”, Procedia Comput Sci, vol. 218, pp. 2163–2171, ene. 2023, doi: 10.1016/J.PROCS.2023.01.192.Bolaño Jorge y Coronado Samael, “Diseño de un sistema de monitoreo con iot para controlar parámetros físico-químicos en un invernadero para cultivos hidropónicos ubicado en el corregimiento de tigrera en el distrito de Santa Marta.”, Diseño de un sistema de monitoreo con iot para controlar parámetros físico-químicos en un invernadero para cultivos hidropónicos ubicado en el corregimiento de tigrera en el distrito de Santa Marta. Consultado: el 7 de junio de 2023. [En línea]. Disponible en: https://repository.ucc.edu.co/items/9afce50e-578d-41c4-ad6f-63928fa70355Á. H. Alarcón López, G. Arias Vargas, C. J. Díaz Ortíz, y J. D. Sotto Vergara, “Sistema de control automático de variables climáticas para optimizar el rendimiento de cultivos bajo cubierta”, Ingeniería Solidaria, vol. 14, núm. 24, pp. 1–11, ene. 2018, doi: 10.16925/IN.V14I24.2158.E. Guillermo, C. Martínez, W. Alexander, R. Rivera, J. Carlos, y S. Ochoa, “Diseño conceptual de un sistema de bajo costo, de riego por goteo para proyecto experimental de cultivo hidropónico en invernadero”, el 24 de febrero de 2021, Universidad Cooperativa de Colombia, Facultad de Ingenierías, Especialización en Redes de Telecomunicaciones, Bogotá. Consultado: el 7 de junio de 2023. [En línea]. Disponible en: http://hdl.handle.net/20.500.12494/33556Ó. Andrés López, D. Eider, A. Rios, B. Christian, D. Torres, y M. Mayo, “Diseño de un sistema de automatización de riego con conexión remota usando tecnologías IOT en un cultivo de rosas en ambiente simulado”, 2022, Universidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería de Sistemas, Bogotá. Consultado: el 7 de junio de 2023. [En línea]. Disponible en: https://repository.ucc.edu.co/handle/20.500.12494/45742J. N. Infante Martínez, “El cambio climático, un problema de todos”, el 13 de diciembre de 2019, Universidad Cooperativa de Colombia, Facultad de Ciencias Económicas, Administrativas y Contables, Administración de Empresas, Bucaramanga. Consultado: el 7 de junio de 2023. [En línea]. Disponible en: http://hdl.handle.net/20.500.12494/13865Á. H. Alarcón López, G. Arias Vargas, C. J. Díaz Ortíz, y J. D. Sotto Vergara, “Automatic Control System for Climate Variables to Optimize Greenhouse Crop Yields”, Ingeniería Solidaria, vol. 14, núm. 24, pp. 1–11, ene. 2019, doi: 10.16925/IN.V14I24.2158.J. Manuel Santos Calderón et al., “Consejo nacional de política económica y social CONPES María Ángela Holguín Cuéllar Ministra de Relaciones Exteriores”.PublicationLICENSElicense.txtlicense.txttext/plain; charset=utf-84334https://repository.ucc.edu.co/bitstreams/c3a83fbf-12f0-4393-9130-714208027f79/download3bce4f7ab09dfc588f126e1e36e98a45MD51ORIGINAL2024_Trabajo_Grado.pdf2024_Trabajo_Grado.pdfapplication/pdf1374010https://repository.ucc.edu.co/bitstreams/81ef2428-a3cf-4607-a4fc-fa3194e4b22f/download8d1cfebd0b1b4cb06a06e4e50f4f4211MD542024_Licencia_Uso.pdf2024_Licencia_Uso.pdfapplication/pdf400714https://repository.ucc.edu.co/bitstreams/80be8213-5568-41be-a3dd-41f143a3da87/download07005ded995f5e64569884e123112eb7MD532024_Acta_Sustentacion.pdf2024_Acta_Sustentacion.pdfapplication/pdf205233https://repository.ucc.edu.co/bitstreams/c1c2d70b-fa8c-45ee-a5c4-9eaa473149a3/download7463a79603241de5b980ae7a0f6ac0f6MD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repository.ucc.edu.co/bitstreams/b5aa4d4c-78d1-42a0-a831-e7ed98598654/download4460e5956bc1d1639be9ae6146a50347MD55TEXT2024_Trabajo_Grado.pdf.txt2024_Trabajo_Grado.pdf.txtExtracted texttext/plain100101https://repository.ucc.edu.co/bitstreams/7ec9b570-9923-48c0-ab52-600497291f22/download0f09b1046c23b9474fcdfd650cabef08MD562024_Licencia_Uso.pdf.txt2024_Licencia_Uso.pdf.txtExtracted texttext/plain6https://repository.ucc.edu.co/bitstreams/372cf6b6-5d41-4872-9b54-f3148116363d/download6d93d3216dc4a7f5df47d4876fbec4d3MD582024_Acta_Sustentacion.pdf.txt2024_Acta_Sustentacion.pdf.txtExtracted texttext/plain1276https://repository.ucc.edu.co/bitstreams/e9dcfc41-3e84-4156-a7d5-f84ac7b826b4/download832c8b4c778eb660af0dfe7b42f44af0MD510THUMBNAIL2024_Trabajo_Grado.pdf.jpg2024_Trabajo_Grado.pdf.jpgGenerated Thumbnailimage/jpeg6192https://repository.ucc.edu.co/bitstreams/382d62d2-93e2-4cdb-a43a-866808376706/download9397f12494a31b25537831161153a357MD572024_Licencia_Uso.pdf.jpg2024_Licencia_Uso.pdf.jpgGenerated Thumbnailimage/jpeg11405https://repository.ucc.edu.co/bitstreams/9e20faf7-8e6b-45d3-8f07-e307edc8e188/download38f95429f47157d3b1e684fcc9d7adb0MD592024_Acta_Sustentacion.pdf.jpg2024_Acta_Sustentacion.pdf.jpgGenerated Thumbnailimage/jpeg11477https://repository.ucc.edu.co/bitstreams/b392af97-af74-42fe-9b1b-9e4c86587e61/download23b33a8888fdfa34a466b7cc1fb282bbMD51120.500.12494/57036oai:repository.ucc.edu.co:20.500.12494/570362024-09-11 03:04:34.788http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalrestrictedhttps://repository.ucc.edu.coRepositorio Institucional Universidad Cooperativa de Colombiabdigital@metabiblioteca.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

Desarrollo de un prototipo tecnológico de sistema de control y monitoreo de invernaderos con uso de Internet Of Things - IOT y modelo de inteligencia artificial basado en machine learning con isolation forest

Publicaciones similares