Sistemas expertos en agricultura de precisión: revisión sistemática de la literatura

Resumen

Recientemente las Tecnologías de la Información y Comunicaciones (TIC’s), se han extendido de manera importante, buscando perfeccionar y sistematizar procesos. En la agricultura, las TIC’s han permitido monitorear condiciones meteorológicas, fertilidad del suelo y crecimiento de planta; Buscando fortalecer los esquemas productivos ante la alta y creciente demanda de alimentos. Así, surge la Agricultura de Precisión (AP) que provee modelos, técnicas y herramientas, para optimizar las tareas realizadas en este ámbito, a través de tres etapas de procesamiento: recolección y análisis de datos e implementación (INCyTU, 2018). En este dominio, la incorporación de diversos campos de estudio como el Internet of Things (IoT), el Big Data, y el machine learning, han dado pie a la creación de innovaciones, entre las que se encuentran los Sistemas Expertos (SE), cuya finalidad es imitar el raciocinio de un experto humano para solucionar un problema particular (Zerpa et al, 2018).
Ante la diversificación de investigaciones y con la finalidad de identificar temas abiertos, el presente trabajo indaga las aplicaciones recientes de los SE en la AP, con un alcance del 2017 a 2022, consultando cuatro bases de datos científicas, seleccionándose 25 estudios relevantes que se han analizado considerando cuatro preguntas principales y 20 subpreguntas, en una Revisión Sistemática de la Literatura por la metodología de Kitchenham y Charters (2007).
Los resultados muestran que los SE se orientan a diferentes tipos de cultivo, destinados al diagnóstico de enfermedades y dosificación de fertilizantes, principalmente, considerando como beneficiarios a los agricultores. Las principales técnicas aplicadas son los sistemas expertos basados en reglas y algoritmos de aprendizaje automático.
Los temas abiertos identificados, consideran: incluir más cultivos tanto para el diagnóstico, como para dosificación de fertilizantes; agregar módulos para actualizar la base de conocimiento, y; considerar la mejora en los experimentos para determinar la eficacia de las sugerencias.