Una solución IoT de bajo costo para la predicción de enfermedades foliares en cultivos agroecológicos a escala agricultura familiar : Experiencia en el periurbano platense

• Autores: Castro, Néstor; Queiruga, Claudia Alejandra; Pagano, Matías; Candia, Agustín; Goites, Enrique; Díaz, Javier Roberto
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Ciencias Informáticas; agroecologia; agricultura familiar; umbrales ambientales; IoT; LoRa; agroecology; family farming; environmental thresholds
• Institución: Universidad Nacional de La Plata

Este trabajo se enmarca en dos proyectos: el primero, un proyecto de I+D+i titulado 'Predicción automática de enfermedades foliares en cultivos de hoja producidos en invernaderos bajo manejo agroecológico', desarrollado por el Laboratorio de Investigación en Nuevas Tecnologías Informáticas de la Universidad Nacional de La Plata (UNLP); y el segundo, un proyecto de Vinculación Tecnológica de la UNLP. Su objetivo es contribuir al desarrollo de tecnologías digitales de bajo costo para la producción agroecológica a escala de agricultura familiar, facilitando el manejo preventivo de enfermedades foliares causadas por hongos y pseudohongos. Para ello, se emplea el sensado automático de las condiciones microambientales de los invernaderos mediante tecnologías IoT. El proyecto se lleva a cabo en la zona hortícola del periurbano platense, específicamente en dos quintas de familias productoras en la localidad de Arana (La Plata). En este contexto, el presente trabajo analiza: a) los aprendizajes de la solución IoT “ad hoc” desplegada y, b) la recolección de datos durante una etapa experimental de 5 meses y medio. En este último punto se evalúa, la cantidad de datos recepcionados, las posibles causas de pérdidas, la calidad de los datos y la identificación de umbrales ambientales relevantes para el problema en estudio. Los primeros hallazgos de este análisis nos permiten determinar la magnitud de las pérdidas y su relevancia en el problema, identificar datos anómalos que requieren normalización y detectar discrepancias en las mediciones obtenidas a partir de distintos dispositivos. Estos aspectos son fundamentales para el desarrollo de un modelo predictivo destinado a la detección de enfermedades foliares, que constituye el objetivo principal de estos proyectos.
This work is framed within two projects: the first, an R&D&I project titled Automatic prediction of leaf diseases in leaf crops produced in greenhouses under agroecological management”, developed by the Research Laboratory on New Information Technologies at the National University of La Plata (LINTI-UNLP); and the second, a Technological Linkage project of UNLP. Its objective is to contribute to the development of low-cost digital technologies for agroecological production at the scale of family farming, facilitating the preventive management of foliar diseases caused by fungi and pseudofungi. For this purpose, automatic sensing of microenvironmental conditions in greenhouses is employed using IoT technologies. The project is being carried out in the horticultural area of peri-urban La Plata, specifically in two farms belonging to producer families in the locality of Arana. In this context, this paper analyzes: a) the learnings from the 'ad hoc' IoT solution deployed, and b) the data collection during a 5-and-a-half-month experimental stage. The latter point evaluates the amount of data received, the possible causes of losses, the quality of the data, and the identification of environmental thresholds relevant to the problem under study. The initial findings of this analysis allow us to determine the magnitude of losses and their relevance to the problem, identify anomalous data requiring normalization, and detect discrepancies in measurements obtained from different devices. These aspects are fundamental for the development of a predictive model for the detection of leaf diseases, which is the main objective of these projects.
Sociedad Argentina de Informática e Investigación Operativa