Tecnologías en agricultura inteligente: Eficiencia y sostenibilidad
DOI:
https://doi.org/10.33448/rsd-v13i4.45072Palabras clave:
Agricultura Digital; IoT; IA; TIC.Resumen
El crecimiento demográfico exige una demanda cada vez mayor de alimentos y ejerce una presión cada vez mayor sobre los recursos naturales. Para proporcionar alimentos a las próximas generaciones, las actividades agrícolas deben volverse cada vez más productivas y sostenibles. Las tecnologías digitales emergen como grandes aliadas para el desarrollo agrícola sostenible, aumentando la productividad, reduciendo las emisiones contaminantes y mejorando la conservación de los recursos naturales. En la agricultura, la automatización de máquinas e implementos, combinada con el uso de tecnologías de la información para la adquisición de datos y la gestión de sistemas de producción, son los principales temas utilizados para conformar un sistema de gestión conocido como Agricultura de Precisión (AP). Estas nuevas tecnologías, algunas en desarrollo y otras ya operativas, han sido un tema recurrente en la comunidad científica actual. En este trabajo buscamos comprender qué tecnologías emergentes se han destacado recientemente en la actividad agrícola y qué avances y desafíos enfrentan estas tecnologías. La investigación indicó que tecnologías como: Internet de las Cosas (IoT), Robótica, Inteligencia Artificial y (Big Data) están siendo ampliamente utilizadas con resultados prometedores para el sector agrícola. Sin embargo, todavía existen desafíos importantes para que la transformación digital integre diferentes clases y regiones agrícolas científicas, tecnológicas, sociales y económicas.
Citas
Bassoi, L. H., Inamasu, R. Y., Bernardi, A. C. C., Vaz, C. M. P., Speranza, E. A. & Cruvinel, P. E. (2019) Agricultura de precisão e agricultura digital. Teccogs - Revista Digital de Tecnologias Cognitivas, 17-36.
Bechar, A. & Vigneault, C. (2016) Agricultural robots for field operations: Concepts and components. Biosystems Engineering, 149, 94-111.
Bolfea, E. L., Jorge, B. A. C. & Sanchesc, I. D. (2021) Tendências, desafios e oportunidades da Agricultura Digital no Brasil. RECoDAF – Revista Eletrônica Competências Digitais para Agricultura Familiar, 7(2): 15-36.
Bolfea, E. L., Jorge, L. A. C., Sanches, I., Costa, C. C. Da; Luchiari Jr., A., Victória, D., Inamasu, R., Grego, C., Ferreira, V. & Ramirez, A. (2020) Agricultura digital no Brasil: tendências, desafios e oportunidades: resultados de pesquisa Online. Campinas: Embrapa. 44 p.
Durkin, J. (1994) Expert Systems Design And Development. Prentice Hall.
Elijah, O., Rahman, T. A., Orikumhi, I., Leow C. Y. & Hindia, M. H. D. N. (2018) An overview of internet of things (Iot) And Data Analytics In Agriculture: Benefits And ChallengesIeee Internet Things J. 5(5): 3758-3773.
Faria, L., Oliveira, F. S., Pinto, P. E. D. & Szwarcfiter, J. L. (2021) Ciência de dados: Algoritmos e aplicações. Rio de Janeiro: IMPA, 272p.
Gandomi, A. & Haider, M. (2015) Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 35, 137-144.
Gomes, J. F. S. & Leta, F. R. (2012) Applications of computer vision techniques in the agriculture and food industry: a review. Eur Food Res Technol, 235, 989-1000.
Gonzalez, R. C., Woods, R. E. & Eddins, S. L. (2009) Digital image processing using MATLAB, 2nd edn. Gatesmark Publishing, Knoxville.
Grimstad, L. C. D., Pham, H. T. & Phan E P. J. Sobre o design de um robô agrícola de baixo custo, leve e altamente versátil. (2015) Workshop Internacional IEEE sobre Robótica Avançada e seus Impactos Sociais (ARSO), Lyon , França, 1-6.
Hackenhaar, N. M., Hackenhaar, C. & Abreu, Y. V. (2015). Robótica na agricultura. INTERAÇÕES, 16(1): 119-129.
Hasegawa, Y. (2009) Avanços em Robótica e Automação: Perspectivas Históricas. In: Nof, S. (eds) Manual de Automação Springer. Manuais Springer. Springer. Berlim, Heidelberg.
Hassan, R., Qamar, F., Hasan, M. K., Aman, A. H. M. & Ahmed, A.S. (2020) Internet of Things and Its Applications: A Comprehensive Survey. Symmetry, 12,1674.
Hassan, S. I., Alam, M. M., Illahim, U., Al Ghamdi, M. A., Almotiri, S. H., Mohd Su´Ud, M. A Systematic Review on Monitoring and Advanced Control Strategies in Smart Agriculture. EEE Access, 9, 32517-32548.
Hein, A. F. & Silva, N. L. S. (2019). A insustentabilidade na agricultura familiar e o êxodo rural contemporâneo Estudos Sociedade e Agricultura, 27(2): 394-417.
Henriques A. B. (2011) A moderna agricultura no final do século XIX em São Paulo: algumas propostas. História [Internet], 30(2), 359-380.
Hestand, T. D. M., Nogales, C., Allen, B. & Colwell, J. (2020) Machine vision system for orchard management. In: Sergiyenko, O., Flores-Fuentes, W., Mercorelli, P. (Eds.), Machine Vision and Navigation. Springer, Switzerland, 197-240.
Hiremath, S. A., Wam Van Der, G., Van Evert, F. K., Stein, A. & Ter Braak, C. J. F. (2014) Laser range finder model for autonomous navigation of a robot in a maize field using a particle filter. Computers and Electronics in Agriculture, 100, 41-50.
Hutson, M. (2017) AI Glossary: Artificial intelligence, in so many words. Science, 357(6346):19.
IBM. (2011) Soluções analíticas e otimização de negócios: A nova vantagem competitiva. 12p.
Moreti, M. P., Oliveira T., Sartori, R. & Caetano, W. (2021) Inteligência Artificial no Agronegócio e os desaios para a proteção da propriedade intelectual. Cadernos de Prospecção, 14(1):60-77.
Nature Food. (2020) Systems thinking, systems doing. Nat. Food 1, v.12, p.659, 2020.
Oliveira, V. B. (2021) Estudo e comparação de tipos de robôs na agricultura para a pulverização de pesticida. Monografia. Faculdade De Engenharia Elétrica, Universidade Federal De Uberlândia, Patos de Minas. 85p. 2021.
Ollero, A. & Castaño, Á. R. (2009). Automação de Mobilidade e Navegação. In: Nof, S. (eds) Manual de Automação Springer. Manuais Springer. Springer, Berlim, Heidelberg.
Patil, G. G. & Banyal, R. K. Techniques of deep learning for image recognition. In 2019 IEEE 5th International Conference for Convergence in Technology (I2CT) 2019, 1-5. IEEE.
Pivoto, D., Barham, B., Dabdab, P., Zhang, D., Talamini, E. (2019) Factors influencing the adoption of smart farming by Brazilian grain farmers. Int. Food Agribus. Manag. Rev. 22(4): 571–588.
Puri, V., Nayyar, A. & Raja L. (2017) Agriculture drones: A modern breakthrough in precision agriculture. Jounar of Statistics and Management System, 20(4):507-518.
Queiroz, D. M., Coelho, A. L. F., Valente, D. S. M. & Schueller, K. (2020) Sensors applied to Digital Agriculture: A review. Rev. Ciênc. Agron., 51, Special Agriculture 4.0.
Rodenacker, K. & Bengtsson, E. 2003. A feature set for cytometry on digitized microscopic images. Anal Cell Pathol, 25(1), 1-36.
Rodrigues, D. B., Santos, C. J. S. S., Silva, C. B., Rodrigues, F., Alcântara, G. A. M. & Moreira, K. S. (2023) The application of iot (internet of things) in agriculture: a systematic review. Revista ft, 125.
Rosa, C. M., Souza, P. A. R. & Silva, J. M. (2020) Inovação em saúde e internet das coisas (IoT): Um panorama do desenvolvimento científico e tecnológico. Perspect ciênc inf [Internet], 23(3), 164-181.
Saldanha, R. F., Barcellos, C. & Pedroso, M. M. (2021) Data science and big data: what do these terms mean for population and health related studies? Cad. Saúde Colet.,29,51-58.
Samuel, A. L. Alguns estudos em aprendizado de máquina utilizando o jogo de damas. (2000) IBM Journal of Research and Development, 44(1):206-226.
Sawant, M., Urkude, R. & Jawale, S. (2016) Organized data and information for efficacious agriculture using PRIDE™ model. Int. Food. Agribusiness Manag. Rev. 19,115-130.
Schnfeld, M., Heil, R. & Bittner, L. (2018) Big Data on a FarmSmart Farming, Big Data in Context: T. Hoeren, B. Kolany-Raiser, Eds, p.109-120.
Sun, C., Shrivasava, A., Singh, S. & Gupta, A. (2017) Revisiting unreasonable effectiveness of data in deep learning era. In: The IEEE International Conference on Computer Vision (ICCV), 843-852.
Sykuta, M. E. (2016) Big data in agriculture: property rights, privacy and competition in age data services. International Food and Agribusiness Management Review,19(1030-2016-83141), 57-74.
Talaviya, T., Shah, D., Patel, N., Yagnik, H. & Shah, M. (2020) Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides. Artificial Intelligence In Agriculture, 4,58-73.
Taurion, C. (2013) Big data. Rio de Janeiro: Brasport Livros e Multimídia Ltda.
Teixeira, J. F. (2014) Inteligência artificial. 2014. Pia Sociedade de São Paulo-Editora Paulus. 64p.
Tripicchio, P., Satler, M., Dabisias, G., Ruffaldi, E. & Avizzano, C. A. (2015) Towards smart farming and sustainable agriculture with drones. Proc. Int. Conf. Intell. Environ. 140-143.
Wolfert, S., Ge, L., Verdouw, C. & Bogaardt, M. J. (2017) Big data in smart farming – a review. Agricultural Systems, 153,69-80.
World Competitiveness Report. World Economic Forum 2020. Disponível em: https://www.weforum.org/strategic-intelligence/.
Zhai, Z., Martínez, J. F., Beltran, V. & Martínez, N. L. (2020) Decision support systems for agriculture 4.0: Survey and challenges. Computers and Electronics in Agriculture, 170(105256),25-35.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Kamila Cristina de Credo Assis; Jane Piantoni; Rodrigo Ferraz Azevedo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
