Revista ELECTRO
Vol. 46 – Año 2024
Artículo
TÍTULO
Comparación de Modelos Difusos para Predecir la Cosecha Oportuna en Cultivos de Stevia
AUTORES
Gutiérrez-Magaña, S.M.; García-Díaz, N.; García-Virgen, J.; Ruíz-Tadeo, A.C.; Brizuela-Ramírez, J.E.; Soriano-Equigua, L.
RESUMEN
La cosecha oportuna constituye un factor fundamental en la agricultura, ya que determina la condición, estado y calidad del producto final. Di versos estudios se centran en evaluar la calidad del suelo de los cultivos sin considerar la relevancia de la calidad de la planta. En este trabajo se desarroll ó un sistema de inferencia difuso con el objetivo de implementar una variable para indicar el estado de la planta y otra más para la salud del suelo, además de realizar una comparación entre un sistema Takagi-Sugeno y un Mamdani p ara evaluar la efectividad de ambos. El modelo Takagi –Sugeno generó un error del 1% que es inferior al 5% obtenido con el sistema Mamdani. Este modelo permite predecir si una cosecha es apta para su corte o no, simplificando el proceso de planificación y toma de decisiones de los agricultores, así como la optimización de recursos.
Palabras Clave: Cosecha Oportuna, Agricultura, Sistema de Inferencia Difuso.
ABSTRACT
Timely harvesting is a fundamental factor in agriculture because it determines the condition, state and quality of the final product. Several studies focus on evaluating the soil quality of crops, without considering the quality of the plant. In this work, a fuzzy inference system was developed with the objective of implementing a variab le to indicate plant status and another one for soil health. In addition, a comparison was made between a Takagi-Sugeno and Mamdani model to evaluate the ir effectiveness. The Takagi-Sugeno model s generated an error of 1% lower than the 5% obtained with the Mamdani model. This model makes it possible to predict whether a crop is suitable for cutting or not, simplifying the planning and decision-making process for farmers, as well as optimizing resources.
Keywords: Timely Harvest, Agriculture, Fuzzy Inferenc e System.
REFERENCIAS
[1] Food and Agriculture Organization. “¿Qué es la Agricultura?”. FAO. Accedido el 20 de mayo de 2024. [En línea]. Disponible: https://openknowledge.fao.org/#:~:text=“La%20agricultura%20es%20una%20actividad,alimentos%20para%20la%20población %20humana.”
[2] Grupo Banco Mundial. “Agricultura y alimentos”. World Bank. Accedido el 20 de mayo de 2024. [En línea]. Disponible: https://www.bancomundial.org/es/topic/agriculture/overview
[3] Gobierno de México. “¿Cómo beneficia la agricultura a las familias mexicanas?” gob.mx. Accedido el 20 de mayo de 2024. [En línea]. Disponible: https://www.gob.mx/agricultura/es/articulos/como-beneficia-la-agricultura-a-las-familias-mexicanas
[4] Food and Agriculture Organization. “¿Qué es la cosecha?” FAO. Accedido el 20 de mayo de 2024. [En línea]. Disponible: https://openknowledge.fao.org/#:~:text=La%20cosecha%20es%20la%20separación,como%20el%20espárrago;%20pecíolos%20como
[5] Food and Agriculture Organization. “Timely harvest | FAO”. Home | Food and Agriculture Organization of the United Nations. Accedido el 20 de mayo de 2024. [En línea]. Disponible: https://www.fao.org/family-farming/detail/en/c/1309554/
[6] Strengthening Partnerships, Results and Innovations in Nutritions Globally. “Good Agronomic Practices for Groundnut Production”. SPRING. Accedido el 20 de mayo de 2024. [En línea]. Disponible: https://spring-nutrition.org/sites/default/files/publications/trainingmateri als/spring_farmer_agronomic_curriculum.pdf
[7] Y. Sepúlveda, “Artificial intelligence (AI) and its applications in modern agriculture”, p. 2, 2020. Accedido el 21 de mayo de 2024. [En línea]. Disponible: https://doi.org/10.13140/RG.2.2.17264.89603
[8] P. Carranza, “Introducción a las técnicas de Inteligencia Artificial aplicadas a la Gestión Financiera Empresarial”, Rev. Difusion Cult. Cient. Univ. Salle En Boliv., vol. 4, n.º 4, p. 10, 2010. Accedido el 21 de mayo de 2024. [En línea]. Disponible: http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S2071-081X2010000100002
[9] C. D'Negri y E. De Vito, “Introducción al razonamiento aproximado: lógica difusa”, Rev. Am. Medicina Respir., vol. 6, n.º 3, 2006, art. n.º 1852-1630. [En línea]. Dispo nible: https://www.redalyc.org/pdf/3821/382138367007.pdf
[10] B. García, “Sistemas Neuro-Difusos Aplicados al Control Automático”, Univ. Tecnol. Boliv., Cartagena de Indias D.T. Y C., 2005. [En línea]. Disponible: https://repositorio.utb.edu.co/bitstream /handle/20.500.12585/702/0030354.pdf?sequence=1&isAllowed=y
[11] F. Hossain, M. Islam, M. Islam y S. Akhta, “Cultivation and uses of stevia (Stevia rebaudiana bertoni): A review”, AFR. J. Food, Agriculture, Nutrition Develop., vol. 17, n. º 04, pp. 12745–12757, noviembre de 2017. Accedido el 21 de mayo de 2024. [En línea]. Disponible: https://doi.org/10.18697/ajfand.80.16595 Revist a ELECTRO, Vol. 46, 2024, pp. 239-246 https://itchihuahua.mx/revista_electro ISSN Electrónico: 3061-774X 245
[12] Gobierno de México. “En México la stevia conquista el mercado de los edulcorantes”. gob.mx. Accedido el 23 de mayo de 2024. [ En línea]. Disponible: https://www.gob.mx/agricultura/es/articulos/en-mexico-la-stevia-conquista-el-mercado-de-los-edulcorantes
[13] “¿Qué tanto sabes del pH del suelo?” gob.mx. Accedido el 6 de septiembre de 2024. [En línea]. Disponible: https://www.gob.mx/agricultura/articulos/que-tanto-sabes-del-ph-del-suelo?idiom=es#:~:text=aplicación%20de%20cal.-,
[14] “¿Qué es el pH del suelo?” FAO. Accedido el 6 de septiembre de 2024. [En línea]. Disponible: https://openknowledge.fao.org/server/api/c ore/bitstreams/e434293f-c9d1-4585-a799-b7c9107ea64e/content
[15] A. Mohd, R. Mohamad, A. S. Wan Nor y K. Daljit Singh, “The relationship between soil pH and selected soil properties in 48 years logged-over forest”, INT. J. ENVIRONMENTAL SCI., vol. 4, n.º 6, 2014.
[16] “What is the relationship between pH and temperature? | AAT Bioquest”. Home | AAT Bioquest. Accedido el 6 de septiembre de 2024. [En línea]. Disponible: https://www.aatbio.com/resources/faq-frequently-asked-questions/what-is-the-relationship-between-ph-and-temperature
[17] J. L. Zarate-Valdez, “Short-term effects of moisture content on soil solution pH and soil Eh”, Soil Sci., vol. 171, n.º 5, 2006. [En línea]. Disponible: https://www.researchgate.net/publication/232136380_Short-term_effects_of _moisture_content_on_soil_solution_pH_and_soil_Eh
[18] E. Rivera, M. Sánchez y H. Domínguez, “pH como factor de crecimiento en plantas”, Rev. Iniciación Cient., vol. 4, pp. 101–105, junio de 2018. Accedido el 27 de mayo de 2024. [En línea]. Disponible: https://doi.org/10.33412/rev-ric.v4.0.1829
[19] J. Martínez, “ Sistema de Inferencia Difuso para Determinar la Calidad del Suelo en un Cultivo de Stevia Morita II”, Rev. Electro, vol. 45, p. 191, 2023. Accedido el 27 de mayo de 2024. [En línea]. Disponible: https://itchihuahua.mx/revista_electro/2023/SUB-18_190-195.html
[20] “Using °Brix as an Indicator of Vegetable Quality: Linking Measured Values to Crop Management”. Home | Ohioline. Accedido el 6 de septiembre de 2024. [En línea]. Disponible: https://ohio line.osu.edu/factsheet/HYG-1651
[21] “Brix measurements and its role in plant nutrient management-Compo Expert South Africa”. Compo Expert South Africa. Accedido el 6 de septiembre de 2024. [En línea]. Disponible: https://cesablog.co.za/2021/07/14/brix-measurements-and-its-role-in-plant-nutrient-management/
[22] S. M. Upadhya y S. Mathew, “Implementation of Fuzzy Logic in Estimating Yield of a Vegetable Crop”, J. Phys.: Conf. Ser., vol. 1427, p. 012013, enero de 2020. Accedido el 3 de junio de 2024. [En l ínea]. Disponible: https://doi.org/10.1088/1742-6596/1427/1/012013
[23] “Fuzzy Logic Modelling for Disease Severity Prediction in Cotton Crop using Weather Parameters”, Int. Res. J. Eng. Technol., vol. 10, n.º 08, pp. 801–802, 2023.
[24] J. Jinger, “Maize Yield Prediction Considering Growth Stages using Fuzzy Logic Modelling”, INT. J. ENG. RES. & TECHNOL. (IJERT), vol. 09, n.º 04, pp. 8–10, 2021. [En línea]. Disponible: https://www.ijert.org/maize-yield-prediction-considering-growth-stages-using-fuzzy-logic-modelling
[25] R. Janarthanan, R. Balamurali, A. Annapoorani y V. Vimala, “Prediction of rainfall using fuzzy logic”, Mater. Today: Proc., julio de 2020. Accedido el 3 de junio de 2024. [En línea]. Disponible: https://doi.org/10.1016/j.matpr.2020.06.179
[26] M. Alfian Firdausy, E. Utami y A. Dwi Hartanto, “Comparison Analysis of Fuzzy Sugeno & Fuzzy Mamdani for Household Lights”, Int. Conf. Inf. Sci. Technol. Innov. (ICoSTEC), vol. 1, n.º 1, pp. 30 –34, febrero de 2022. Accedido el 23 de junio de 2024. [En línea]. Disponible: https://doi.org/10.35842/icostec.v1i1.14
[27] J. Cepeda, “Modelado de Sistemas Difusos de Múltiples Entradas y Salidas”, Univ. Guanaj., Salamanca, Guanajuato, 2011. [En línea]. Disponible: https://www.aacademica.org/jcepedanegrete/7
[28] B. Xu, J. Su, D. S. Dale y M. D. Watson, “Cotton Color Grading with a Neural Network”, Textile Res. J., vol. 70, n.º 5, pp. 430 –436, mayo de 2000. Accedido el 23 de junio de 2024. [En línea]. Disponible: https://doi.org/10.1177/004051750007000508
[29] N. García-Díaz, A. Verduzco-Ramirez, J. Garcia-Virgen y L. Muñoz, “Applying Absolute Residuals as Evaluation Criterion for Estimating the Development Time of Software Projects by Means of a Neuro-Fuzzy Approach”, J. Inf. Syst. Eng. & Manage., vol. 1, n. º 4, noviembre de 2016. Accedido el 23 de junio de 2024. [En línea]. Disponible: https://doi.org/10.20897/lectito.201646
[30] C. López-Martín, Y. Villuendas-Rey, M. Azzeh, A. Bou Nassif y S. Banitaan, “Transformed k-nearest neighborhood output distance mini mization for predicting the defect density of software projects”, J. Syst. Softw., vol. 167, p. 110592, septiembre de 2020. Accedido el 24 de junio de 2024. [En línea]. Disponible: https://doi.org/10.1016/j.jss.2020.110592
[31] R. Silhavy, P. Silhavy y Z. Prokopova, “Using Actors and Use Cases for Software Size Estimation”, Electronics, vol. 10, n.º 5, p. 592, marzo de 2021. Accedido el 24 de junio de 2024. [En línea]. Disponible: https://doi.org/10.3390/electronics10050592
[32] Yadav, S.; Shukla, S. Analysis of k-fold cross-validation over hold-out validation on colossal datasets for quality classification. In Proceedings of the 2016 IEEE 6th International Conference on Advanced Computing (IACC), Bhimavaram, India, 27 –28 February 2016; pp. 78 –83.
[33] D. Rosales, “Sistema difuso Takagi-Sugeno para predecir el riesgo de propagación de Sigatoka Negra Mycosphaerella fijiensis en el cultivo de plátano”, RIIIT. Rev. Int. Investig. Innovación Tecnol., vol. 8, n.º 44, pp. 20 –24, 2020. Revist a ELECTRO, Vol. 46, 2024, pp. 239-246 https://itchihuahua.mx/revista_electro ISSN Electrónico: 3061-774X 246
[34] K. Borse y P. G. Agnihotri, “Prediction of Crop Yields Based on Fuzzy Rule-Based System (FRBS) Using the Takagi Sugeno-Kang Approach”, Springer Nat. Switz., pp. 438 –447, 2019. [En línea]. Disponible: https://doi.org/10.1007/978-3-030-00979-3_46
[35] Devie Rosa Anamisa, Budi Dwi Satoto, Muhammad Yusuf, Moch. Kautsar Sophan y Fifin Ayu Mufarroha, “Application of Fuzzy Inference System Takagi-Sugeno Methods for Diagnosis of Diseases and Pests of Madura Paddy Rice Based on Symptoms”, Technium: Romanian J. Ap pl. Sci. Technol., vol. 16, pp. 50 –56, octubre de 2023. Accedido el 6 de septiembre de 2024. [En línea]. Disponible: https://doi.org/10.47577/technium.v16i.9958
[36] S. Napitupulu, E. B. Nababan y P. Sihombing, “Comparative Analysis o f Fuzzy Inference Tsukamoto Mamdani and Sugeno in the Horticulture Export Selling Price”, IEEE, pp. 183–187, 2020. [En línea]. Disponible: https://doi.org/10.1109/MECnIT48290.2020.916658
CITAR COMO:
Gutiérrez-Magaña, S.M.; García-Díaz, N.; García-Virgen, J.; Ruíz-Tadeo, A.C.; Brizuela-Ramírez, J.E.; Soriano-Equigua, L., "Comparación de Modelos Difusos para Predecir la Cosecha Oportuna en Cultivos de Stevia", Revista ELECTRO, Vol. 46, 2024, pp. 239-246.
VERSIÓN PDF