Please use this identifier to cite or link to this item:
http://www.dspace.espol.edu.ec/handle/123456789/62209| Title: | Optimización del consumo de agua en un invernadero artificial haciendo uso de machine learning y PLC |
| Authors: | Plaza Guingla, Douglas Antonio, Director Ortiz Zambrano, Tamara Nicole |
| Keywords: | Agricultura de precisión Random Forest Automatización del riego IoT |
| Issue Date: | 2024 |
| Publisher: | ESPOL.FIEC |
| Citation: | Ortiz Zambrano, T. N. (2024). Optimización del consumo de agua en un invernadero artificial haciendo uso de machine learning y PLC. [Proyecto Integrador]. ESPOL.FIEC . |
| Description: | El presente proyecto tiene como objetivo desarrollar un sistema de riego inteligente basado en Machine Learning, controlado por un PLC, para optimizar el uso del agua en invernaderos artificiales. La justificación radica en la necesidad de gestionar eficientemente los recursos hídricos en la agricultura, garantizando un uso más sostenible. Durante el desarrollo, se utilizó un PLC Siemens S7-1200, una Raspberry Pi para el procesamiento de datos, y sensores de humedad del suelo. La comunicación entre la Raspberry Pi y el PLC se realizó mediante el protocolo MQTT, que permitió el envío de predicciones de riego en tiempo real. El modelo de Machine Learning, entrenado con datos históricos mediante el algoritmo Random Forest, ajustó el riego dinámicamente a través de un sistema PID. Los resultados mostraron una reducción del 34% en el consumo de agua comparado con métodos tradicionales en un invernadero de metro cuadrado, manteniendo la humedad del suelo en niveles óptimos. En conclusión, la integración de Machine Learning y tecnologías de automatización en la agricultura mejora significativamente la eficiencia en el uso del agua, promoviendo un manejo más sostenible de los recursos hídricos. Palabras Clave: Agricultura de precisión, Random Forest, Automatización del riego, IoT |
| metadata.dc.description.abstractenglish: | The objective of this project is to develop an intelligent irrigation system based on Machine Learning, controlled by a PLC, to optimize water use in artificial greenhouses. The justification lies in the need to efficiently manage water resources in agriculture, ensuring more sustainable usage. During the development, a Siemens S7-1200 PLC, a Raspberry Pi for data processing, and soil moisture sensors were utilized. Communication between the Raspberry Pi and the PLC was carried out using the MQTT protocol, which allowed the real-time transmission of irrigation predictions. The Machine Learning model, trained with historical data using the Random Forest algorithm, dynamically adjusted the irrigation through a PID control system. The results showed a 34% reduction in water consumption compared to traditional methods in a one-square-meter greenhouse, maintaining soil moisture at optimal levels. In conclusion, the integration of Machine Learning and automation technologies in agriculture significantly improves water use efficiency, promoting more sustainable management of water resources. Keywords: Precision agriculture, Random Forest, Irrigation automation, IoT |
| URI: | http://www.dspace.espol.edu.ec/handle/123456789/62209 |
| metadata.dc.identifier.codigoproyectointegrador: | INGE-2589 |
| Appears in Collections: | Tesis de Electrónica y Automatización |
Files in This Item:
There are no files associated with this item.
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.