IA Agente para Agricultura de Precisión Inteligente y Sostenible

Área de la Ciencia:

• Ciencia Agrícola
• Ciencias de la Computación
• Inteligencia Artificial

Sus antecedentes:

• La agricultura moderna enfrenta desafíos para lograr prácticas sostenibles y eficientes.
• La Agricultura de Precisión (PA) y el Aprendizaje Federado (FL) ofrecen soluciones potenciales para optimizar el uso de recursos y la toma de decisiones.

Objetivo del estudio:

• Proponer y evaluar un marco de Inteligencia Artificial Agente (AAI) para la agricultura de precisión.
• Integrar sensores distribuidos, agentes inteligentes y FL para el monitoreo a nivel de granja en tiempo real y el soporte de decisiones.

Principales métodos:

• Desarrolló un marco AAI que integra PA y FL con modelos locales (DenseNet121, MobileNetV2, EfficientDet-D0, YOLOv8).
• Evaluó el marco en conjuntos de datos de clasificación de enfermedades del tomate y detección de malezas.
• Esbozó una arquitectura de implementación práctica para la comunicación interdispositivos y la inteligencia localizada.

Principales resultados:

• El modelo global federado logró una precisión del 96,4%, superando a los modelos individuales de los clientes.
• EfficientDet-D0 logró un alto rendimiento en la detección de malezas (mAP@0,5: 0,978, Puntuación F1: 0,961).
• DenseNet121 y MobileNetV2 mostraron un sólido rendimiento en tareas de clasificación (95,0% y 93,9% de precisión).

Conclusiones:

• La integración de AAI y FL es factible y efectiva para la agricultura de precisión inteligente.
• El estudio proporciona una hoja de ruta para el desarrollo de sistemas agrícolas inteligentes sostenibles.
• El análisis FODA identificó fortalezas y desafíos de implementación, guiando la investigación futura.