Diseñar e implementar una red inalámbrica de
sensores para
Agricultura de precisión
Resumen: este documento describe el
diseño, la implementación, y despliegue de
red inalámbrica de sensores para precisión
agricultura. Se creó una red de sensores
inalámbricos para usar agricultura de
precisión en la que los agricultores pueden
monitorear y controlar los parámetros
agrícolas y ambientales como temperatura
del aire, humedad del aire, luz, humedad del
suelo, pH, etc. los datos recopilados se
almacenan y transmiten de forma inalámbrica
a los agricultores, que pueden usar para
controlar y decidir las acciones apropiadas
para su granja para gestionar la producción y
la calidad. En el lado del hardware, el sistema
consta de tres componentes: inalámbrico
nodos de sensor LAU-WSN, nodo de gestión
de sensor inalámbrico LAUWMN y un
servidor. El software fue construido en cada
nodo para llevar a cabo sus tareas En el lado
del software, propusimos un WSN Marco de
gestión para la agricultura de precisión,
llamado MFPA, que consta de 3 módulos:
módulo de recopilación de datos, módulo
controlador y módulo de predicción de datos.
La interacción entre estos módulos se
garantiza que el usuario reciba en tiempo real
información ambiental y agrícola que se
utiliza para administrar el campo de la
agricultura. El sistema desplegado ha sido
funciona correctamente y promete traer
beneficios significativos en El campo agrícola.
Nuestros resultados experimentales
muestran que el módulo de predicción de
datos con red bayesiana dinámica en el
promedio puede lograr una precisión del
77.5% y 67.6% para el predicción de
temperatura, y para la predicción de
humedad, respectivamente.
Palabras clave: red inalámbrica de sensores;
Marco de gestión; red bayesiana dinámica;
I. INTRODUCCION
Una red de sensores inalámbricos (WSN) es
una red que consiste en nodos sensores (por
brevedad llamados nodos), equipados con
sensores capaces de detectar el medio
ambiente, como sensores de temperatura,
sensores de humedad, sensores de intensidad
de luz, etc. y es capaz de comunicación
inalámbrica (inalámbrica) a los nodos
restantes para formar un WSN que cubre un
campo físico [2]. Los datos recopilados de un
nodo sensor se transmitirán a una estación
base (o una puerta de enlace) a través de
otros nodos sensores, y finalmente a través
de la transmisión por Internet de centros de
datos para almacenamiento, análisis y
procesamiento.
La agricultura tradicional requiere la
implementación de una serie de tareas
específicas, tales como plantar, fertilizar,
cosechar, con un horario predeterminado. Sin
embargo, se pueden recopilar datos agrícolas
y ambientales para utilizarlos en decisiones
más inteligentes como el clima, la calidad del
suelo y del aire, el monitoreo del crecimiento
de los cultivos e incluso los costos de equipos
y mano de obra, etc. Una definición de
agricultura de precisión puede ser la
siguiente: la técnica que aplica la cantidad
correcta de insumos (agua, fertilizantes,
pesticidas, etc.) en el lugar correcto y en el
momento adecuado para aumentar la
producción y mejorar la calidad [1].
Con la agricultura de precisión, los centros de
control recopilarán y procesarán datos en
tiempo real para ayudar a los agricultores a
tomar las mejores decisiones sobre la
siembra, fertilización y cosecha de cultivos.
Los nodos sensores se colocan en el lugar de
plantación para medir la temperatura y la
humedad del aire y el suelo circundantes. Las
aplicaciones de sensores inalámbricos en
agricultura de precisión mejoran la eficiencia,
la productividad y la rentabilidad en muchos
sistemas de producción agrícola, al tiempo II. TRABAJO RELACIONADO
que minimizan los efectos no deseados en la
El uso de WSN para la agricultura de precisión
ubicación donde se encuentran las plantas. La
se ha discutido en [1] [2] [3]. En [1], los
información en tiempo real recopilada del
autores propusieron un controlador de riego
campo puede proporcionar una base sólida
de circuito abierto, adaptativo y automático
para que los agricultores ajusten las
mediante WSN. El sistema propuesto puede
estrategias en cualquier momento. En lugar
determinar la humedad del suelo y el nivel de
de tomar decisiones basadas en algunas
agua requerido para suministrar a fin de
condiciones promedio hipotéticas o
mantener un nivel de humedad adecuado. Se
experiencias subjetivas personales, que
utiliza un microcontrolador para controlar la
pueden no existir en ninguna parte de la
operación junto con el interruptor de relé y la
realidad, un enfoque de agricultura de
bomba. En [2] los autores propusieron un
precisión ayuda a reconocer la diferencia y a
WSN utilizado en la agricultura para cultivos
ajustar las actividades óptimas de manejo.
de caña de azúcar para las condiciones
La contribución del artículo es la siguiente. climáticas de la India. En [3], los autores
Primero, propusimos la arquitectura del propusieron un sistema de detección agrícola
sistema WSN para la agricultura de precisión. de precisión basado en una red inalámbrica
En segundo lugar, propusimos e de sensores multimedia. Estos trabajos
implementamos el marco de gestión de WSN exploran los beneficios del uso de WSN para
llamado MFPA para la agricultura de agricultura.
precisión, desplegamos el sistema en la
Las redes inalámbricas de sensores se utilizan
Universidad de Economía e Industria de Long
para controlar los invernaderos en [4] [5] [6].
An. Finalmente, evaluamos el rendimiento del
Un invernadero es una estructura cubierta de
Módulo de predicción de datos, que emplea
tierra que generalmente se usa para el
la red bayesiana dinámica para las dos
crecimiento y desarrollo de las plantas. Esta
predicciones de parámetros ambientales:
estructura está asociada con el propósito de
temperatura y humedad.
proteger los cultivos y permitir que crezca un
Este documento está organizado de la mejor ambiente. Esta protección asegura
siguiente manera: la Sección II describe el suficiente para proporcionar alta calidad en la
trabajo relacionado de la red inalámbrica de producción de cultivos. La función principal
sensores en la agricultura; Las secciones III, IV, de un invernadero es proporcionar un
V describen el diseño, implementación y ambiente favorable que el exterior. Los
despliegue del sistema; y la Sección VI principales factores relacionados con el
concluye el documento. sistema de control del invernadero:
temperatura, humedad, CO2, concentración,
radiación, agua y nutrientes pueden
controlarse mediante redes inalámbricas de
sensores.
El sistema de riego inteligente que utiliza una
red inalámbrica de sensores se utiliza en [7]
[8] para ahorrar agua y mano de obra. Las
plantas necesitan luz solar, nutrientes y agua
para crecer. Todos los productores agrícolas
tienen una cantidad mínima de agua
requerida anualmente para sobrevivir y la
cantidad óptima de agua requerida para
producir el máximo anual. Por lo tanto, se
necesitan sistemas de riego inteligentes para
mejorar los rendimientos de los cultivos. El
objetivo del sistema de riego inteligente es no
usar una gota de agua más de lo requerido y
no una gota de menos de lo necesario para el
crecimiento adecuado de la planta.
Hasta donde sabemos, no hay / poco trabajo
en la red de sensores inalámbricos para la
agricultura de precisión en Vietnam,
especialmente en la Región del Delta del
Mekong, Vietnam. Nuestro sistema es el
primero / uno del primer sistema propuesto y
desplegado WSN para la agricultura de
precisión en la región del Delta del Mekong.
III. ARQUITECTURA DEL SISTEMA WSN PARA
LA PRECISIÓN AGRICULTURA
A. En general
La figura 1 describe nuestro sistema general.
En cada área de cultivo, los nodos sensores se
implementan para monitorear parámetros
ambientales como la temperatura del aire, la
humedad del aire, la luz y los parámetros
agrícolas relacionados con las condiciones del
suelo, la humedad del suelo, el pH, etc. En
cada región, el nodo sensor recopiló,
almacenó y transmitió periódicamente los
datos a
el nodo de gestión, y luego los datos se
enviarán al centro de control y finalmente al
servidor a través de Internet. Con base en los
datos obtenidos, los agricultores pueden
observar y decidir las acciones apropiadas
para controlar la salud de su granja para
garantizar la calidad de la producción. Por
ejemplo, si la humedad del suelo se encuentra
actualmente en un nivel inferior al nivel
deseable, pueden activar remotamente una
bomba de agua en el área para
mejorar la humedad Debido a que el sistema
es extensible, puede implementarse en un
área de pequeña escala, es decir, una granja
pequeña o en gran escala, como la granja
grande en un nivel de suburbio, o incluso en
todo el país.
B. Los detalles del sistema en un área de
monitoreo.
La Fig. 2 describe los detalles del sistema en
un área de monitoreo, incluidos los nodos
sensores y el nodo de gestión.
1) Nodos de sensor:
Cada nodo de sensor contiene sensores que
tienen la capacidad de detectar el ambiente
como humedad del aire, temperatura, pH,
intensidad de luz, etc., dependiendo del tipo
de sensores. Además, los nodos sensores
permiten comunicarse con otros nodos
sensores en la misma área de cobertura y
transmiten datos recopilados de forma
inalámbrica al nodo de gestión.
2) El nodo de gestión:
El nodo de gestión es responsable de la
gestión de los nodos de sensor en el área de
cobertura y juega como un nodo intermedio
entre los nodos de sensor y el centro de
control, recibe datos de los nodos de sensor
en la región y los transfiere al centro de
control. Además, los nodos de gestión
también tienen la responsabilidad de recibir y
transmitir comandos de los servidores a los
nodos sensores para tomar las acciones
solicitadas por el servidor.
C. Hardware
Esto describe el hardware del sistema
integrado en el área de monitoreo y,
1) El área de monitoreo
a. Nodos de sensores inalámbricos (LAU-
WSN) La Fig. 3 describe la estructura de un
nodo de sensores inalámbricos en el sistema.
Un nodo sensor consta de los siguientes
cuatro componentes:
• Componente de fuente de alimentación:
suministrará la potencia de 12V para el
funcionamiento del dispositivo. La
electricidad puede provenir de energía solar,
baterías ...
• Componente de sensores: incluye los
siguientes sensores: Temperatura: recoge la
temperatura del ambiente. Humedad: recoge
parámetros de humedad del suelo, humedad
del aire.
pH: pH del agua.
• Componente del centro de procesamiento:
realiza la recopilación de datos de la unidad
de datos colectiva y luego controla la unidad
de comunicación para transferirla al nodo de
gestión de campo y hacer que la unidad de
visualización esté presente en la pantalla.
• Componente de comunicación: después de
que la unidad central procesa y recopila datos
y los envía a la unidad de comunicación, esta
unidad de comunicación transferirá los datos
al nodo de gestión.
• Unidad de almacenamiento: solo funciona
como guardar datos en una tarjeta de
memoria.
a. El nodo de gestión LAU-WMN
El nodo de gestión LAU-WMN es el nodo que
recibe datos de los nodos sensores y luego los
transfiere a los servidores y al mismo tiempo
toma las órdenes de los servidores
transferidos a los nodos sensores para
ejecutar.
La figura 4 describe la estructura de un nodo
de gestión. Un nodo de gestión incluye los
siguientes componentes:
• El componente de suministro de energía:
suministrará la potencia de 12V para el
funcionamiento del dispositivo. La
electricidad puede provenir de energía solar,
baterías, ...
• El componente Centro de procesamiento:
procesa la información recibida de la unidad
de comunicación y devuelve los datos según
sea necesario.
• El componente de comunicación: realiza la
tarea de comunicación entre los nodos
sensores y los servidores de control.
• El componente de control: realiza la tarea
de abrir y cerrar dispositivos como bombas,
nebulizadores, luz, turbinas eólicas.
2) servidor
En el lado del servidor, los datos se reciben,
almacenan y muestran a los usuarios, que
proporcionan la información sobre el estado
del sistema actual. El servidor también puede
realizar las acciones a los WSN para
administrar el campo. Los datos se
almacenarán y analizarán para proporcionar a
los agricultores / usuarios una perspectiva
general sobre el área que supervisan y los
apoyan con una serie de acciones.
IV. MARCO DE GESTIÓN DE WSN PARA
AGRICULTURA DE PRECISIÓN
En esta sección, presentamos el Marco de
gestión de WSN para la agricultura de
precisión llamado MFPA en detalle. Para
abordar el problema de escalabilidad, MFPA
utiliza una arquitectura de gestión jerárquica.
MFPA consta de 3 módulos: recolección de
datos, controlador y módulos de predicción
de datos.
A. Módulo de recopilación de datos:
El módulo de recopilación de datos es
responsable de la gestión de datos
ambientales y agrícolas, que consta de tres
componentes: confiabilidad de datos, filtro de
datos y validación de datos. La fiabilidad de
los datos es responsable de garantizar la
relación de entrega. En nuestro sistema, se
utiliza un protocolo de transporte de extremo
a extremo de bajo consumo de energía para
garantizar la entrega de la recopilación de
datos. El componente de filtro de datos es
responsable de filtrar el ruido antes de pasar
los datos a la validación de datos. El
componente de validación de datos es
responsable de ejecutar los datos válidos del
algoritmo, que los WSN recopilan en un
período.
B. Módulo controlador:
El módulo controlador es responsable de la
toma de decisiones y la realización de
acciones. Se compone de tres componentes:
toma de decisiones, acción y componentes de
política de gestión.
- Componente de política de gestión: el
componente de política de gestión almacena
las políticas de gestión definidas por el
módulo principal.
- El componente de acción es responsable de
realizar la acción asignada por el módulo de
toma de decisiones.
- Componente de toma de decisiones: en
función de la información del módulo de
recopilación de datos, las políticas definidas
en el componente de política de gestión y el
módulo de predicción de datos, el
componente de toma de decisiones
determina las acciones apropiadas que se
ejecutarán y pasa la solicitud al componente
de acción.
C. Módulo de predicción de datos:
Para ayudar a la toma de decisiones, el
módulo de predicción de datos es
responsable de la predicción de datos. En
nuestro marco, utilizamos una red bayesiana
dinámica (DBN) para predecir parámetros.
DBN [9] [10] es una red de creencias que
representa el proceso estocástico de un
conjunto de variables aleatorias a lo largo del
tiempo:

Dejar ser el conjunto

de características cuyos valores cambian con
el tiempo.
La distribución de probabilidad conjunta es

Xi [t] será una variable aleatoria que

representa el valor de Xi en el tiempo t para 0 Se supone que cada Xi tiene ri valores
≤ t ≤T. Un DBN es una red probabilística posibles. Dejar denotan
definida como un par (, →) representa la los índices de los padres del nodo i. El número
distribución de probabilidad conjunta sobre de posibles estados primarios en el nodo i es
todas las series de tiempo posibles. Donde B0
(G0, P0) es un DAG G0 contiene el estado
inicial de la red bayesiana, consta de variables
en X [0] con distribución previa de Denotar
probabilidad P0 (X [0]. Transición de la red
bayesiana → (→, →) es DAG → con
probabilidad de transición → (X [t + 1] | X [t]). Con es el valor k th en el
La teoría DBN generalmente se basa en dos estado {k} y ∈ Este estado
supuestos. Primero, el proceso es Markovian corresponde a los padres del i-ésimo nodo.
X, es decir, P (X [t + 1] | X [0] ,. .., X [t]) = P (X
[t + 1] | X [t]). La otra suposición es que el Dada una estructura de red ℳ, el parámetro
proceso es estacionario, es decir, la global es
probabilidad de transición → (X [t + 1] | X [t ])
es independiente de T. La probabilidad de
transición se calcula de la siguiente manera: y se define la
independencia local

donde

Donde Además,
realizamos predicciones vía para encontrar la
puntuación más alta

. Predecimos
el valor en el segmento t + 1 a partir de
conjuntos de valores primarios en el
segmento t y t +1 y recursivo en la predicción
de datos para predecir para el día siguiente,
con n = 48, Xi es el valor promedio de los datos
separados por media hora.
V.IMPLEMENTACIÓN Y RESULTADOS
A. Detalle de implementación:
En el lado del servidor, el software se
implementó en un lenguaje de programación
de alto nivel C # en la PC. LAU-WSN y LAU-
WMN se construyeron utilizando
MSP430G2553 para el procesamiento,
módulo inalámbrico nfr24L01 para
comunicarse, módulos de sensor SHT11 para
detectar temperatura y humedad, sensor de
luz LDR12mm-10K / 2M y sensor de humedad
del suelo FC28. La puerta de enlace se conecta
a la PC en el puerto serie mediante el módulo
FT232.
B. GUI de software en el servidor
En el lado del servidor, los datos se reciben,
almacenan y muestran a los usuarios, lo que
les proporciona el estado del sistema actual.
Como se muestra en la Fig.7, los usuarios
pueden ver información en tiempo real del
área de monitoreo, como temperatura,
humedad, humedad del suelo, etc.
Desde la PC, el software permite a los
usuarios realizar una acción o realizar una lista
de acciones que se programarán con
anticipación para administrar su campo. La
figura 8 muestra un ejemplo de programación
de tiempo para riego.
C. El módulo de evaluación de predicción de
datos
En esta sección, describimos cómo evaluamos
el módulo de predicción de datos.
Específicamente, evaluamos los dos
parámetros ambientales importantes: la
temperatura y la humedad.
1) Configuración experimental
Para evaluar el módulo de predicción de
datos, los datos del sensor se recolectaron a
la frecuencia de muestreo de 30 minutos
(equivalente a 48 mediciones por día). En
nuestro experimento, solo evaluamos los dos
atributos para la información ambiental: la
temperatura y la humedad. Recolectamos los
datos de temperatura y humedad del
1/10/2014 al 01/04/2015 para nuestra
evaluación, que contiene aproximadamente
8,646 mediciones.
2) Métricas de evaluación:
Para evaluar la precisión del módulo de
predicción, se calculan el RMSE (error
cuadrático medio) y el MAE (error absoluto
medio). El MAE y el RMSE están cuantificando
qué tan cerca están las predicciones del valor
objetivo. Mientras que el MAE es un
promedio del error absoluto, el RMSE indica
el cuadrado del error absoluto, enfatizando
en cuán grande es la diferencia entre los
valores predichos y los reales. Comparamos el
valor real X1[T] con el valor predicho X*1[F].
El RMSE de un día tth se calcula de la siguiente
manera:

El MAE del día tth se calcula de la siguiente

manera:

La precisión (ACC) se calcula de la siguiente

manera:

ACC mostró el porcentaje de la predicción

verdadera. En nuestro experimento,
suponemos que el error permitido para la
medición de temperatura y humedad es de ±
10 ° C y ± 5%, respectivamente.
3) Resultados experimentales:
La figura 9 mostró la comparación entre los
valores reales y los valores pronosticados de
la temperatura y la humedad el 03/03/2015.
Los resultados muestran que los valores de
predicción con el DBN el 03/03/2015 están
muy cerca de los valores reales.
La Tabla I y la Tabla II mostraron las
temperaturas y la humedad reales y
pronosticadas durante todo el período del
10/01/2014 al 04/01/2015. Observamos que
el ACC promedio para todo el período es
77.5% para la temperatura y 67.6% para la
humedad, respectivamente. Los resultados
mostraron que el módulo de predicción de
datos con DBN logró un rendimiento
considerable. El resultado también puede
deberse al hecho de que el sistema se
implementó y probó en la estación seca. Por
lo tanto, las condiciones climáticas no
fluctúan mucho. Además, también
observamos que la tendencia de la predicción
de precisión aumenta cuando se obtienen
más datos de entrenamiento. Por ejemplo, el
ACC aumenta significativamente desde el
primer mes hasta el sexto mes, del 70.2% al
90.44% para la temperatura y del 54.21% al
79.63% para la humedad, respectivamente.

CONCLUSIÓN

Este documento describe el diseño,

implementación y despliegue de redes
inalámbricas de sensores para agricultura de
precisión en la Universidad de Economía e
Industria de Long An. El sistema ha sido
implementado y operado, lo que promete
traer beneficios significativos al campo
agrícola. También evaluamos el rendimiento
del módulo de predicción, que en promedio
alcanzó 77.5% para la temperatura y 67.6%
para la humedad, respectivamente. Nuestro
sistema permitirá a los agricultores acceder y
controlar fácilmente la producción agrícola, al
tiempo que ahorrará los materiales de
entrada, mejorando la eficiencia, la
productividad y la rentabilidad en el sistema
de producción agrícola. En el futuro,
probaremos el módulo de predicción en la
temporada de lluvias para evaluar el
rendimiento del sistema.

RECONOCIMIENTO

También nos gustaría agradecer al Sr. Samuel

Raj, CEO de Seyerswide Company Pte Ltd,
Singapur, el Sr. Ngoc Thai y el Sr. Thinh
Nguyen nos han apoyado y nos han brindado
consejos técnicos.