Video Experimental Relacionado
Updated: Sep 10, 2025

A Telemetric, Gravimetric Platform for Real-Time Physiological Phenotyping of Plant–Environment Interactions
Published on: August 5, 2020
Inteligencia artificial en el dispositivo para la agricultura resistente al clima con predicción inteligente del
Rajesh Kumar Dhanaraj1, M Maragatharajan2, Aanjankumar Sureshkumar2
1Symbiosis Institute of Computer Studies and Research (SICSR), Symbiosis International (Deemed University), Pune, India. sangeraje@gmail.com.
Este estudio introduce un sistema inteligente de predicción del rendimiento de los cultivos utilizando el Bosque Aleatorio (RF) para optimizar el uso del agua para la agricultura sostenible. El modelo de IA ligero logró una precisión del 90,1%, mejorando la gestión del agua y promoviendo la agricultura resistente al clima.
Área de la Ciencia:
- Tecnología agrícola
- Inteligencia artificial en la agricultura
- Una agricultura sostenible
Sus antecedentes:
- Las aplicaciones de IA se integran cada vez más en la electrónica de consumo agrícola, mejorando la inteligencia, la eficiencia y la sostenibilidad del proceso.
- La optimización del uso del agua es crucial para la agricultura sostenible, la resiliencia climática y la reducción del impacto ambiental.
Objetivo del estudio:
- Desarrollar un sistema inteligente de predicción del rendimiento de los cultivos para optimizar el uso del agua en la agricultura.
- Integrar modelos ligeros de aprendizaje automático con la electrónica de consumo para mejorar la gestión del agua.
- Promover prácticas agrícolas sostenibles a través de una planificación eficiente del riego.
Principales métodos:
- Utilizó el clasificador Random Forest (RF) para la predicción del rendimiento de los cultivos y la optimización del uso del agua.
- Aprendizaje automático ligero integrado con electrónica de consumo, incluidos sensores y dispositivos de visualización inteligentes.
- Entrenó el modelo en datos agrícolas en tiempo real con recursos de memoria mínimos para la predicción de la sostenibilidad.
Principales resultados:
- Se logró una precisión del 90,1% en la predicción de la idoneidad del rendimiento de los cultivos para las tierras agrícolas.
- Superó a los métodos existentes, como el IoT habilitado para IA (89%), los sistemas basados en LoRa (87,2%) y la IA adaptativa (88%).
- Demostró la efectividad de modelos de aprendizaje automático computacionalmente eficientes para la toma de decisiones en tiempo real sin dependencia de la nube.
Conclusiones:
- El sistema inteligente propuesto optimiza efectivamente el uso del agua a través de una predicción precisa del rendimiento de los cultivos.
- Los modelos ligeros de aprendizaje automático integrados con la electrónica de consumo ofrecen una solución viable para la agricultura sostenible.
- El sistema mejora la gestión del agua, reduce el impacto ambiental y apoya las prácticas agrícolas resistentes al clima.
Videos de Conceptos Relacionados
What is Climate?
Light Acquisition
Adaptations that Reduce Water Loss
Multiple Regression
Farmers can use multiple regression to determine the crop yield based on more than one factor, such as water availability, fertilizer, soil properties, etc. Here, the crop yield is the response or dependent variable as it depends on the other independent variables. The analysis requires the construction of a scatter plot...
Responses to Drought and Flooding
Prediction Intervals
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y.

