Revista ELECTRO
Vol. 47 – Año 2025
Artículo
TÍTULO
Diseño Arquitectónico de un Sistema Ciber-Físico Basado en Visión Artificial para Evaluar el Crecimiento Vegetativo Óptimo de Plántulas Ornamentales
AUTORES
Brizuela-Barbosa, E.R.; Figueroa-Millán, P.E.; Ramírez-López, R.; Benavides-Delgado, J.R.; Lua-Madrigal, O.
RESUMEN
El crecimiento acelerado de tecnologías IoT y visión artificial ha impulsado su adopción en agricultura y horticultura, automatizando procesos y facilitando el trabajo de productores. Determinar el estado vegetativo en plántulas ornamentales en bandejas de cultivo requiere monitorización exhaustiva integrando múltiples tecnologías para respaldar la toma de decisiones. Este artículo presenta el diseño de un sistema ciber-físico con visión artificial y aprendizaje automático para determinar el crecimiento de plántulas ornamentales. El sistema analiza características de color, área, número de hojas y forma mediante procesamiento de imágenes. El diseño de la arquitectura se sustenta en una metodología de investigación tecnológica y un desarrollo en espiral, de l os cuales se derivan los artefactos de diseño. El resultado esperado es una arquitectura de referencia escalable que define flujos de captura, transmisión, análisis y consulta, orientada a reducir la inspección manual y a fundamentar decisiones operativas en el proceso de producción.
Palabras Clave: Aprendizaje Automático, Horticultura Ornamental, Sistemas ciber-físicos, Visión Artificial..
ABSTRACT
The rapid growth of Internet of Things (IoT) technologies and computer vision has driven their adoption in agriculture and horticulture, automating processes and easing producers’ workloads. Determining the vegetative status of ornamental seedlings in nurs ery trays requires exhaustive monitoring that integrates multiple technologies to support decision-making. This article presents the design of a cyber-physical system incorporating computer vision and machine learning to assess the growth of ornamental see dlings. The system analyzes color, area, leaf count, and shape features through image processing. The architecture design is grounded in a technology research methodology and a spiral development model, from which the design artifacts are derived. The expected outcome is a scalable reference architecture that defines capture, transmission, analytics, and query pipelines, aimed at reducing manual inspection and underpinning operational decisions in the production process.
Keywords: Machine Learning; Orname ntal Horticulture; Cyber-Physical Systems; Computer Vision.
REFERENCIAS
[1] A. Rosales, & R. Arechavala, "Agricultura inteligente en México: Analítica de datos como herramienta de competitividad," Latindex.
[2] P. Yu, & K. Qin, "Exploring a cost-effective way for nutrient management with machine learning for container plants," Rese archGate.
[3] A. M. Abebe, Y. Kim, J. Kim, S. L. Kim, & J. Baek, "Review of Image-Based High-Throughput Phenotyping Methods Applied to Horticultural Crops," Horticulturae, vol. 9, no. 6, p. 669, 2023.
[4] S. Tan, J. Liu, H. Lu, M. Lan, J. Yu, G. Liao, Y. Wang, Z. Li, Q. Long, & X. Ma, "Rice Seedling Growth Stages Detection Based on UAV Images and Machine Learning," Agriculture, vol. 12, no. 5, p. 648, 2022.
[5] Y.-S. Tong, T.-H. Lee, & K.-S. Yen, "Deep Learning for Image-Based Plant Growth Monitoring: A Review," International Journal of Engineering and Technology Innovation, vol. 12, no. 3, pp. 225-246, 2022.
[6] M. Cieslak, U. Govindarajan, A. Garcia, A. Chandrashekar, T. Hädrich, A. Mendoza-Drosik, D. L. Michels, S. Pirk, C.-C. Fu, & W. Pałubicki, "Gen erating Diverse Agricultural Data for Vision-Based Farming Applications," in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2024.
[7] Autodesk, “What is CAD? Understand CAD: A Comprehensive Guide for Design”, Autodesk [en línea], disponible: https://www.autodesk.com/blogs/autocad/what-is-cad/, sitio visitado: 13-sept-2025.
[8] Microsoft, “Documentación de Visual Studio Code”, Microso ft [en línea], disponible: https://code.visualstudio.com/docs, sitio visitado: 19-jun-2025.
[9] Deno Authors, “Getting Started”, Deno [en línea], disponible: https://docs.deno.com/runtime/, sitio visitado: 19-jun-2025.
[10] Raspberry Pi Foundation, “MicroPython – Raspberry Pi Documentation”, Raspberry Pi [en línea], disponible: https://www.raspberrypi.com/documentation/microco ntrollers/micropython.html, sitio visitado: 19-jun-2025.
[11] A. Annamaa, “Introducing Thonny, a Python IDE for learning programming”, en Proc. 15th Koli Calling Conf. on Computing Education Research (Koli Calling '15), ACM, New York, USA, 2015, pp. 117 –121. Disponible en: https://doi.org/10.1145/2828959.2828969
[12] M. Fabricio, “Supabase: Una alternativa a Firebase con el poder de SQL”, Medium [en línea], disponible: https://fabricioism.medium.com/supabase-una-alternativa-a-firebase-con-el-poder-de-sql-d94f9e804ec3, sitio visitado: 20-jun-2025.
[13] Figma Learn, “¿Qué es Figma?”, Figma [en línea], disponible: https://help.figma.com/hc/es-419/articles/14563969806359--Qu%C3%A9-es-Figma, sitio visitado: 20-jun-2025.
[14] Trinog Greenhouse, “How to choose a suitable seedling tray for your plants?”, LinkedIn [en línea], disponible: https://www.linkedin.com/pulse/how-choose-suitabl e-seedling-tray-your-plants-trinog-greenhouse/, sitio visitado: 13-sept-2025.
[15] Maruplast Internacional, “Bandeja Hortícola-Uso Pesado”, Maruplast [en línea], disponible: https://maruplast.com/producto/bandeja-horticola-uso-pesado, sitio visitado: 13-sept-2025.
[16] El Huerto Urbano, “Bandejas de alvéolos para semilleros y esquejes”, [en línea], disponible: https://www.elhuertourbano.net/bandejas-de-alveolos-para-semilleros-y-esquejes/, sitio visitado: 13-sept-2025.
[17] J. Beningo, “Cómo seleccionar y usar el módulo ESP32 con Wi-Fi/Bluetooth adecuado para una aplicación de Io T industrial”, Digi-Key [en línea], disponible: https://www.digikey.com.mx/es/articles/how-to-select-and-use-the-right-esp32-wi-fi-blueto oth-module, sitio visitado: 20-jun-2025.
[18] Unit Electronics, “ESP32-CAM OV2640 con CH340 WiFi Bluetooth”, Unit Electronics [en línea], disponible: https://uelectronics.com/producto/esp32-cam-ov2640-con-ch340-wifi-bluetooth/, sitio visitado: 21-jun-2025.
[19] E. Upton, “Introducing: Raspberry Pi 5!”, Raspberry Pi [en línea], disponible: https://www.raspberrypi.com/news/in troducing-raspberry-pi-5/, sitio visitado: 21-jun-2025.
[20] Waveshare, “DHT22 Temperature-Humidity Sensor”, Waveshare [en línea], disponible: https://www.waveshare.com/wi ki/DHT22_Temperature-Humidity_Sensor, sitio visitado: 21-jun-2025.
[21] Unit Electronics, “Sensor de Humedad del Suelo FC-28 Higrometro”, Unit Electronics [en línea], disponible: https://uelectronics.com/producto/sensor-de-humedad-del-suelo-higrometro/, sitio visitado: 21-jun-2025.
[22] Inductive Automation, “HMI: Interfaz hombre-máquina”, Inductive Automation [en línea], disponible: https://inductiveautomation.com/resources/article/what-is-hmi, sitio visitado: 21-jun-2025.
[23] UNAM, “Capítulo 1: Celdas Fotovoltaicas”, UNAM [en línea], disponible: http://www.ptolomeo.unam.mx:8080/jspui/bitstream/132.248.52.100/624/4/A-4.pdf, sitio visitado: 22-jun-2025.
[24] Gobierno de España, “Elecontrol – Electroválvulas”, Ministerio de Agricultura, Pesca y Alimentación [en línea], disponible: https://www.mapa.gob.es/images/es/ponencia_8_tcm30-561846.pdf, sitio visitado: 22-jun-2025.
[25] Tecnológico Nacional de México, “Apoyan desarrollo tecnológico de ORNACOL tesistas de posgrado en Sistemas”, TecNM [en línea], disponible: https://www.colima.tecnm.mx/noticia/view/1217, sitio visitado: 22-jun-2025.
[26] C. Casaño, “Metodología de investigación tecnológica en ingeniería”, Academia.edu [en línea], disponible: https://www.academia.edu/94930372/Metodolog%C3%ADa_de_la_investigaciC3%B3n_tecnol%C3%B3gica_en_ingenier%C3%ADa, sitio visitado: 22-jun-2025.
[27] A. Nakayama, “Guía prá ctica de estudio 13: Patrones de diseño”, UNAM [en línea], disponible: http://profesores.fi-b.unam.mx/annkym/LAB/poo_p13.pdf, sitio visitado: 23-jun-2025.
[28] Red Hat, “¿Qué es la a rquitectura basada en eventos?”, Red Hat [en línea], disponible: https://www.redhat.com/es/topics/integration/what-is-event-driven-architecture, sitio visitad o: 23-jun-2025.
[29] Biblus, “El Filtro de Kalman”, Biblus [en línea], disponible: https://biblus.us.es/bibing/proyectos/ abreproy/11611/fichero/Memoria%252FAp%C3%A9ndice+B+-+El+Filtro+de+Kalman.pdf, sitio visitado: 23-jun-2025.
[30] Microsoft, “What is Azure AI Vision?-Azure AI services”, Microsoft Docs [en línea], disponible: https://docs.azure.cn/en-us/ai-services/computer-vision/overview, sitio visitado: 13-sept-2025.
[31] Microsoft, "¿Qué es Azure Machine Learning?", Microsoft Learn [en línea], disponible: https://learn.microsoft.com/es-es/azure/machine-learning/overview-what-is-azure-machine-learning?view=azureml-api-2, sitio visitado: 14-sept-2025.
[32] GeeksforGeeks, “Random Forest Algorithm in Machine Learning,” GeeksforGeeks [en línea], disponible: https://www.geeksforgeeks.org/machine-learn ing/random-forest-algorithm-in-machine-learning/, sitio visitado: 14-sept-2025.
[33] Coursera, “What Are Support Vector Machine (SVM) Algorithms?,” Coursera [en línea], disponible: https://www.course ra.org/articles/svm, sitio visitado: 14-sept-2025.
[34] IBM, “What Is a Neural Network? | IBM,” IBM Think [en línea], disponible: https://www.ibm.com/think/topics/neural-networks, sitio vi sitado: 14-sept-2025.
[35] IBM, “What is computer vision?” IBM [en línea], disponible: https://www.ibm.com/topics/computer-vision, sitio visitado: 14-sept-2025.
[36] Google Cloud, “Image classification with TensorFlow”, Google Cloud Docs [en línea], disponible: https://cloud.google.com/vision/automl/docs/beginners-guide, sitio visitado: 14-sept-2025.
[37] Yates New Zealand, “Seed Raising – The 4 Elements for Success”, Yates [en línea], disponible: https://www.yates.co.nz/ideas-plans/project-guides-articles/all/successful-seed-raising/, sitio visitado: 14-sept-2025.
[38] J. Zhang et al., “Automatic Monitoring of Maize Seedling Growth Using Unmanned Aerial Vehicle-Based RGB Imagery,” Remote Sens., vol. 15, no. 14, p. 3671, Jul. 2023.
[39] R.C. Gonzalez, R.E. Woods, Digital Image Processing, 4th ed., Pearson, 2018.
[40] Arducam, “ESP32 Machine Vision Learning Guide”, Arducam [en línea], disponible: https://blog.arducam.com/esp32-machine-vision-learning-guide/, sitio visitado: 14-sept-2025.
CITAR COMO:
Brizuela-Barbosa, E.R.; Figueroa-Millán, P.E.; Ramírez-López, R.; Benavides-Delgado, J.R.; Lua-Madrigal, O., "Diseño Arquitectónico de un Sistema Ciber-Físico Basado en Visión Artificial para Evaluar el Crecimiento Vegetativo Óptimo de Plántulas Ornamentales", Revista ELECTRO, Vol. 47, 2025, pp. 183-191.
VERSIÓN PDF