Tecnologías innovadoras para el manejo de frutales, énfasis en caducifolios, aguacate y frutas tropicales

Autores/as

DOI:

https://doi.org/10.5377/elhigo.v14i1.17977

Palabras clave:

Cultivos Agrícolas, Agricultura de Precisión, Inteligencia Artificial, Monitoreo de Cultivos, Sistemas de Riego Inteligente, Nanotecnología, Sistemas de información geográfica.

Resumen

El presente estudio se centra en analizar las tecnologías innovadoras aplicadas al manejo de cultivos en la agricultura moderna, haciendo énfasis en frutales. El objetivo principal fue comprender cómo estas tecnologías mejoran la eficiencia, sostenibilidad y productividad de cultivos de frutales, enfocadas al aumento de la demanda y prácticas agrícolas sostenibles. La investigación se estructura en tres fases. En la primera fase, se revisan las bases de datos que documentan la evolución de las prácticas agrícolas convencionales. La segunda fase se centra en la literatura científica y técnica de la última década, destacando los avances recientes en tecnologías agrícolas. La tercera fase se centró en clasificar las investigaciones y desarrollos en curso, proporcionando una visión prospectiva de las tendencias emergentes. Se emplearon criterios de análisis multidisciplinarios que incluyen la eficiencia en el uso de recursos, la sostenibilidad ambiental, manejo del cultivo, manejo de la postcosecha y la capacidad de implementación a gran escala. Las tecnologías innovadoras identificadas incluyen la agricultura de precisión, el uso de sensores remotos, la inteligencia artificial aplicada al monitoreo de cultivos, y la implementación de sistemas de control para cultivos. Los resultados destacan que las tecnologías innovadoras en el manejo de cultivos pueden mejorar la eficiencia de la producción agrícola hasta un 30%, reducir la dependencia de pesticidas, fertilizantes y minimizar el impacto ambiental negativo. En conclusión, la adopción estratégica de estas tecnologías puede transformar la fruticultura, proporcionando soluciones clave para la seguridad alimentaria global y la sostenibilidad a largo plazo.

Descargas

Los datos de descargas todavía no están disponibles.
Resumen
126
PDF 76

Biografía del autor/a

Javier Hernando Gracia Gil, Universidad de Cundinamarca, Colombia.

Ingeniero electrónico, Magister, Decano de la facultad de ingeniería de la Universidad de Cundinamarca, representante de los decanos ante el comité del profesor. Docente con experiencia mayor a 17 años.

Stephany Hurtado Clopatosky, Universidad de Cundinamarca, Colombia.

Ingeniera agrónoma, Magister en Ciencias Agrarias con énfasis en Fitopatología, docente investigadora de tiempo completo ocasional en el programa de ingeniería agronómica de la Universidad de Cundinamarca.

Edgar Eduardo Roa Guerrero, Universidad de Cundinamarca, Colombia.

Ingeniero electrónico, Magister en Automatización y control industrial, coordinador del Programa de ingeniería electrónica de la Universidad de Cundinamarca, con experiencia docente e Investigador categorizado como asociado según Min ciencias.

 

Citas

Azam Ansari, M. (2023). Nanotechnology in Food and Plant Science: Challenges and Future Prospects. Plants, 1-34. doi:https://doi.org/10.3390/plants12132565

Baker , B. P., Green, T. A., y Loker, A. J. (2020). Biological control and integrated pest management in organic and conventional systems. Biological Control, 1, 1-9. doi:https://doi.org/10.1016/j.biocontrol.2019.104095

Bwambale , E., Abagale, F. K., y Anornu, G. K. (2023). Data-driven model predictive control for precision irrigation management. Smart Agricultural Technology, 3, 1-12. doi:https://doi.org/10.1016/j.atech.2022.100074

Chakraborty, S. K., Rahul Potdar, S. A., Singh Chandel, N., Jat, D., Dubey, K., y Shelake, P. (2023). AI-enabled farm-friendly automatic machine for washing, image-based sorting, and weight grading of citrus fruits: Design optimization, performance evaluation, and ergonomic assessment. Journal of Field Robotics. doi:https://doi.org/10.1002/rob.22193

Chanchí-Golondrino, G. E., Ospina-Alarcón, M. A., y Saba, M. (2022). IoT System for Monitoring of Climatological Variables in Urban Agriculture Crops. Revista Científica, 44(2), 257-271. doi:https://doi.org/10.14483/23448350.18470

De Armas Costa, R. J., Martín Gómez, P. F., y Rangel Díaz , J. E. (2022). Gulupa fruit (Passiflora edulis Sims), its export potential, matrix and ripening signature: a review. Ciencia y agricultura, 19(1), 15-27. doi:https://doi.org/10.19053/01228420.v19.n1.2022.13822

De la Vega, J. C., Cañarejo, M. A., y Pinto, N. S. (2017). Avances en Tecnología de Atmósferas Controladas y sus Aplicaciones en la Industria De la Vega. Información Tecnológica, 75-86. doi:http://dx.doi.org/10.4067/S0718-0764201700030000

Georgiev, G., Beloev, I., Hristov, G., y Zahariev, P. (2022). LoRa Network-Based System for Remote Monitoring of Agricultural Crops. 2022 30th National Conference with International Participation (TELECOM), 1-4. doi:https://doi.org/10.3390/s22186743

Hassan, W., Manzoor, T., Jaleel, H., y Muhammad, A. (2021). Demand-based water allocation in irrigation systems using mechanism design: A case study from Pakistan. Agricultural Water Management, 256(1). doi:https://doi.org/10.1016/j.agwat.2021.107075

huidaagtech.com. (2023). Intelligent Irrigation Solutions. Recuperado el 10 de 08 de 2023, de https://www.huidaagtech.com/intelligent-irrigation-solutions.html

ICA. (2011). Manejo de problemas fitosanitarios del cultivo de Gulupa. Bogotá: Produmedios. Obtenido de https://repository.agrosavia.co/bitstream/handle/20.500.12324/2262/44992_60739.pdf?sequence=1yisAllowed=y

Intagri. (14 de 08 de 2023). Atmósferas Controladas y Modificadas en Postcosecha. Obtenido de https://www.intagri.com/articulos/poscosecha-comercializacion/atmosferas-controladas-y-modificadas-en-postcosecha

Jain, R. K. (2023). Experimental performance of smart IoT-enabled drip irrigation system using and controlled through web-based applications. Smart Agricultural Technology, 4, 1-20. doi:https://doi.org/10.1016/j.atech.2023.100215

Korotcenkov, G., Simonenko, N., Simonenko, E., Sysoev, V., y Brinzari, V. (2023). Paper-Based Humidity Sensors as Promising Flexible Devices, State of the Art, Part 2: Humidity-Sensor Performances. Nanomaterials, 13(1381), 1-63. doi:https://doi.org/10.3390/nano13081381

Kritchenkov, A. S., Egorov, A. R., Volkova, O. V., Artemjev, A., Kurliuk, A. V., Le, T. A., . . . Khrustalev, V. (2021). Novel biopolymer-based nanocomposite food coatings that exhibit active and smart properties due to a single type of nanoparticles. Food Chemistry, 1-9. doi:https://doi.org/10.1016/j.foodchem.2020.128676

Ligiang, Z., Shouvi, Y., Leibo, L., Zhen, Z., y Shaojun, W. (2011). A Crop Monitoring System Based on Wireless Sensor Network. Procedia Environmental Sciences, 558-565. doi:https://doi.org/10.1016/j.proenv.2011.12.088

Liu, Q., Gu, X., Chen, X., Mumtaz, F., Liu, Y., Wang, C., . . . Zhan, Y. (2022). Soil Moisture Content Retrieval from Remote Sensing Data by Artificial Neural Network Based on Sample Optimization. Sensors, 22(1611), 1-21. doi:https://doi.org/10.3390/s22041611

Lu, Y., Huang, Y., y Lu, R. (2017). Innovative Hyperspectral Imaging-Based Techniques for Quality Evaluation of Fruits and Vegetables: A Review. applied Sciences, 7(189), 1-36. doi:https://doi.org/10.3390/app7020189

Mali, S. C., Raj, S., y Trived, R. (2020). Nanotechnology a novel approach to enhance crop productivity. Biochemistry and Biophysics Reports, 1-4. doi:https://doi.org/10.1016/j.bbrep.2020.100821

Maqsood, U., Abbas, A., Rehman, S., Asghar, A., Kanwal, B., y Saud Shoukat, R. (2022). Comparative Analysis of Fruits and Vegetables Quality Using AI Assisted Technologies: A Review. Foundation University Journal of, 1-25. doi:https://doi.org/10.33897/fujeas.v3i2.688

Miranda, M., Ribeiro , M. D., Spricigo, P. C., Pilon, L., Mitsuyuki, M. C., Correa, D. S., y Ferreira, M. D. (2022). Carnauba wax nanoemulsion applied as an edible coating on fresh tomato for postharvest quality evaluation. Heliyon, 21-9. doi:https://doi.org/10.1016/j.heliyon.2022.e09803

Oon, A., Ahmad, A., Sah, S. M., Abdul Maulud, K. N., Syafiq Yahya, M., Lechner, A. M., y Azhar, B. (2023). The conservation of biodiverse continuous forests and patches may provide services that support oil palm yield: Evidence from satellite crop monitoring. Cleaner Production Letters, 4, 1-10. doi:https://doi.org/10.1016/j.clpl.2023.100036

Mi, D., Thao, V., Thi, T., Thi, K., y Thuy, H. (2024). A review of preservation approaches for extending avocado fruit shelf-life. Journal of Agriculture and Food Research, Volume 16, 2666-1543. Doi: https://doi.org/10.1016/j.jafr.2024.101102.

Poenaru, V., Badea, A., Cimpeanu, S. M., y Irimescu, A. (2015). Multi-temporal multi-spectral and radar remote sensing for agricultural monitoring in the Braila Plain. Agriculture and Agricultural Science Procedia, 6, 506-516. doi:https://doi.org/10.1016/j.aaspro.2015.08.134

Rai, A., Kumari, K., y Vashi, P. (2022). Umbrella review on chilling injuries: Post-harvest issue, cause, and treatment in tomato. Scientia Horticulturae, 1-16. doi:https://doi.org/10.1016/j.scienta.2021.110710

Singh, P., y Saikia, S. (2016). Arduino-based smart irrigation using water flow sensor, soil moisture sensor, temperature sensor and ESP8266 WiFi module. 2016 IEEE Region 10 Humanitarian Technology Conference (R10-HTC), 1-4. doi:https://doi.org/10.1109/R10-HTC.2016.7906792

Ungureanu, C., Tihan, G., Zgâr, R., y Pandelea, G. (2023). Bio-Coatings for Preservation of Fresh Fruits and Vegetables. Coatings, 1-34. doi:https://doi.org/10.3390/coatings13081420

Veeramanikandasamy, T., Sambath, K., Rajendran, K., y Sangeetha, D. (2014). Remote Monitoring and Closed Loop Control System for Social Modernization in Agricultural System Using GSM and Zigbee Technology. International Conference on Advances in Electrical Engineering (ICAEE), 1-4. doi:https://doi.org/10.1109/ICAEE.2014.6838438

Veys, C., Chatziavgerinos, F., AlSuwaidi, A., Hibbert, J., Hansen, M., Bernotas, G., . . . Grieve, B. (2019). Multispectral imaging for presymptomatic analysis of light leaf spot in oilseed rape. Plant Methods, 15(4), 1-12. doi:https://doi.org/10.1186/s13007-019-0389-9

Wieme, J., Mollazade, K., Malounas, I., Zude-Sasse, M., Zhao, M., Gowen, A., . . . Van Beek , J. (2022). Application of hyperspectral imaging systems and artificial intelligence for quality assessment of fruit, vegetables and mushrooms: A review. Biosystems Engineering, 156-176. doi:https://doi.org/10.1016/j.biosystemseng.2022.07.013

Xu, J., Gu, B., y Tian, G. (2022). Review of agricultural IoT technology. Artificial Intelligence in Agriculture, 10-22. doi:https://doi.org/10.1016/j.aiia.2022.01.001

Yamini, B., Pradeep, G., Kalaiyarasi, D., Jayaprakash, M., Janani, G., y Uthayakumar, G. S. (2024). Theoretical study and analysis of advanced wireless sensor network techniques in Internet of Things (IoT). Measurement: Sensors, 33, 101098. Doi : https://doi.org/10.1016/j.measen.2024.101098

Zhang, Z., y Zhu, L. (2023). A Review on Unmanned Aerial Vehicle Remote Sensing: Platforms, Sensors, Data Processing Methods, and Applications. Drones, 7(398), 42. doi:https://doi.org/10.1016/j.aiia.2022.01.001

Zhou, X. X., Li, Y. Y., Luo, Y. K., Sun, Y. W., Su, Y. J., Tan, C. W., y Liu, Y. J. (2022). Research on remote sensing classification of fruit trees based on Sentinel-2 multi-temporal imageries. Scientific Reports, 12(1), 11549. doi: https://doi.org/10.1016/j.scienta.2023.112333

Zhou, Z., Zahid, U., Majeed, Y., Nisha, Mustafa, S., Sajjad, M., . . . Fu, L. (2023). Advancement in artificial intelligence for on-farm fruit sorting and transportation. Frontiers in Plant Science. doi: https://doi.org/10.3389/fpls.2023.1082860

Descargas

Publicado

2024-06-26

Cómo citar

Gracia Gil, J. H. ., Hurtado Clopatosky, S. ., & Roa Guerrero, E. E. . (2024). Tecnologías innovadoras para el manejo de frutales, énfasis en caducifolios, aguacate y frutas tropicales. Revista Ciencia Y Tecnología El Higo, 14(1), 173–201. https://doi.org/10.5377/elhigo.v14i1.17977

Número

Sección

Artículos científicos de revisión