Título
UMAYUQ CHAJRARUNA : Esperanza que Renace - Agricultura Inteligente utilizando Drones, IA, Big Data. Agricultura 5.0

1. Descripción de Problema
Las etapas de un proceso productivo en la agricultura generalmente está dividida en planificación, sembrío, regadío, supervisión y cosecha. El agricultor en su experiencia ya está entrenado para poder realizar el seguimiento de todos estos procesos.
Pero muchas veces esta información no esta almacenada en una Base de datos, se encuentra almacenada en el “know how” del Agricultor que es muchísima información.
Con la nueva tendencia de Agricultura 4.0 -> Agricultura 5.0 que ya es una realidad esta permitiendo converger muchos conceptos como son IA, Big data, IoT , Cloud Computing y Fog Computing.

Entonces lo que queremos con este artículo es que en nuestro Hermoso Perú apliquemos, fomentemos e implementemos Agricultura 5.0.


2. Algoritmos
Lo primero que se genera un módulo de toma de imágenes, que es almacenado utilizando BIGDAT(Una Gran Base de datos).

Luego estas imágenes previamente entrenadas utilizando LBPH son particionadas y clasificadas.

Y luego de haber estar almacenadas para la supervisión se van comparando las imágenes de acuerdo a tonos de colores que se puede determinar algunas características y visionando más allá se puede determinar cuánto de tamaño tiene el fruto, si le falta regar, o ya esta apto para la cosecha.
Toda la información que recabe puede enviar mediante alertas aun dispositivo móvil.

3. Librerias
El Algoritmo de los papers que son caso de referencia es:
LBPH, muchos autores convergen que la esperanza renace dado que este método ayuda bastante en poder identificar mediante imágenes que son particionadas creando histogramas de las etiquetas de todos los pixeles que posteriormente utilizado como una descripción de la textura de la imagen.

Este Método no paramétrico llamado histograma de patrones binarios locales (LBPH), que resume las estructuras locales de las imágenes de manera eficiente al comparar cada pixel con sus píxeles cercanos. Sus propiedades más importantes son su tolerancia con respecto a los cambios de iluminación como es nuestro caso en la Agricultura y su simplicidad computacional es mas asertiva a la hora de implementar. Ha sido ampliamente explotado en muchas aplicaciones, por ejemplo, análisis de imágenes faciales, recuperación de imágenes y vídeos, vegetaciones, supervisión y/o inspección visual, análisis de movimientos, análisis biomédico y de imágenes aéreas, sensores remotos, etc. MQTT y M2M: Es un protocolo que se ha convertido en uno de los principales pilares del IoT por su sencillez y ligereza. Ambos son condicionantes importantes dado que los dispositivos de IoT, a menudo, tienen limitaciones de potencia, consumo, y ancho de banda y el protocolo de comunicación Machine to Machine (M2M) que tanta popularidad está alcanzando para la comunicación entre dispositivos de IoT actualmente integrado con programación en Python.
4. Conclusiones

Sabemos que hay déficit de alimentos proyectados al 2050, pero como podemos planificar, apaciguar y proyectar para minimizar este deficit y adelantémonos al problema con soluciones con agricultura inteligente e ingresemos a la “modernidad”, dado que con la combinación de tecnologías como IA, IoT, Fog Computing, Big Data y con esto NUESTRA ESPERANZA RENACE para nuestras futuras generaciones de una alimentación y Agricultura Inteligente.
Ya en el futuro cercano tendremos Tractores realizando su trabajo sin un conductor o monitoreados remotamente. Drones regando, Autómatas cosechando y realizando el embalaje, enviar alertas a los distribuidores, calcular cuantas kilos o toneladas de por ejemplo papa o Zanahoria se van a cosechar y cuantos camiones se necesitan, suena futurista pero ya es una Realidad Agricultura 4.0 -> 5.0 Umayuq chajraruna., desde el 2015 se está realizando un piloto en Tarmatambo - Tarma, dado que la provincia de Tarma tiene un valle agricola muy interesante, productivo, fértil y reconocidas por sus hermosas flores así como tambien por la producion de vegetales como choclo, papa, zanahoria, lechuga, etc.

5. Referencias

https://ieeexplore.ieee.org/document/5734974

T. Ghadiyali, K. Lad and B. Patel, "Agriculture Intelligence: An Emerging Technology for Farmer Community," 2011 Second International Conference on Emerging Applications of Information Technology, Kolkata, 2011, pp. 313-316, doi: 10.1109/EAIT.2011.36.

https://ieeexplore.ieee.org/document/8528655
B. C. Suryo Putro S, I. W. Mustika and L. E. Nugroho, "Optimized Back-propagation Artificial Neural Network Algorithm for Smart Agriculture Applications," 2018 4th International Conference on Science and Technology (ICST), Yogyakarta, 2018, pp. 1-5, doi: 10.1109/ICSTC.2018.8528655.

https://ieeexplore.ieee.org/document/7561340
T. Pobkrut, T. Eamsa-ard and T. Kerdcharoen, "Sensor drone for aerial odor mapping for agriculture and security services," 2016 13th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON), Chiang Mai, 2016, pp. 1-5, doi: 10.1109/ECTICon.2016.7561340.

Título
Refrigeradores Inteligentes utilizando IA y IoT

1. Descripción de Problema
El proceso de conservación de alimentos es vital en nuestros tiempos, además un refrigerador ahora en un hogar es electrodoméstico de lo más común.
Actualmente ya se puede “conectar y/o hablar” con los electrodomésticos utilizando IoT. Es por ello que se requiere que por ejemplo desde nuestro celular saber mediante alertas que productos nos falta o están vencidos o que "menú" propone de acuerdo a lo que tiene.
Ademas el abrir y cerrar continuamente aumenta el consumo de energía, se malogra algunos alimentos y a la larga este puede dañarse descompensándose de temperatura.

2. Algorimos
En los papers que son caso de referencia lo primero que se trabajo es en generar un módulo de detección de voz, es decir “adiestrar” y/o entrenar al programa que pueda reconocer la voz y detectar las letras, frases y/o palabras para que mediante el programa se identifica la acción a realizar.
Además, también se entrena mediante el modulo el reconocimiento y biosensores a los alimentos, permitirá gestionar dado los alimentos que están dentro de la refrigeradora. Es decir, una vez reconocida una zanahoria, carne, pescado, etc. Se registrará en una ”base de datos” que desde el celular o un dispositivo puedes consultar. Luego se adiciona un Módulo de gestión de Alimentos como es:
- Fechas de Vencimiento
- Stock y

Modulo que propone un menú según los alimentos que se encuentran almacenados y/o disponibles en el refrigerador.

3. Librerias
Las librerías utilizadas son a partir de sensores que utilizan librerías como:
SIFT: Scale Invariant Feature Transform : Es un algoritmo de detección de características en visión artificial para detectar y describir características.
Los puntos clave de SIFT de los objetos se extraen primero de un conjunto de imágenes de referencia y se almacenan en una base de datos. Un objeto se reconoce en una nueva imagen comparando individualmente cada característica de la nueva imagen con esta base de datos y encontrando características coincidentes candidatas basadas en la distancia euclidiana de sus vectores de características. BRISK (Binary Robust Invariant Scalable Key points). Método novedoso para la detección, descripción y comparación de puntos clave. Una evaluación exhaustiva de conjuntos de datos de referencia revela el rendimiento adaptativo y de alta calidad de BRISK como en los algoritmos de última generación, aunque a un costo computacional dramáticamente menor (un orden de magnitud más rápido que SURF. 4. Conclusiones
Podríamos resumir que lo complejo hecho realidad, lo difícil en nuestras manos y ¿que tengo para comer? en un celular.
Que IA no solo permite detectar imágenes sino va más allá, de permitirnos hacer el seguimiento, gestionar nuestros alimentos y brindando el valor nutricional y/o proteico de cada alimento y así mejorando el nivel de la calidad de vida, como por ejemplo el solo pensar que tengo en el refrigerador? o que tengo para cocinar? ya es estresante y ahora sin ir a ella ya puedo saber todo lo que tengo y sugerencia de opciones de menús a preparar con lo que tengo en el refrigerador. Y visionando más allá que el refrigerador pueda realizar automáticamente “compras” o se conecte a los supermercados y pueda hacer pedidos en caso el stock sea mínimo, liberándonos así de parte del estrés que tenemos. Vida saludable y calidad de vida en nuestras “manos”.

5. Fuentes

https://ieeexplore.ieee.org/document/8664942
W. Zhongmin and Y. Yanan, "Design of an Interactive Smart Refrigerator Based on Embedded System," 2018 International Conference on Sensing,Diagnostics, Prognostics, and Control (SDPC), Xi'an, China, 2018, pp. 589-592, doi: 10.1109/SDPC.2018.8664942.
https://www.troomes.com/download/file.p ... ac3d1637e7

https://ieeexplore.ieee.org/document/8006039
S. Qiao, H. Zhu, L. Zheng and J. Ding, "Intelligent Refrigerator Based on Internet of Things," 2017 IEEE International Conference on Computational Science and Engineering (CSE) and IEEE International Conference on Embedded and Ubiquitous Computing (EUC), Guangzhou, 2017, pp. 406-409, doi: 10.1109/CSE-EUC.2017.262.