IDENTIFICACIÓN E IMPLEMENTACIÓN DEL FACTOR DE RIEGO EN LAS

PLANTAS USANDO TÉCNICAS DE MACHINE LEARNING EN PROCESADOR

ARM CORTEX M4 (

Brayan Stiven Rodriguez Cuervo1, María Fernanda Rodríguez Peña2, Javier Alberto
Chaparro Preciado3

Escuela Colombiana de Ingeniería Julio Garavito

1**

Bogotá, Colombia
brayan.rodriguez-c@mail.escuelaing.edu.co
0000-0002-5378-6313
Investigación y desarrollo

Escuela Colombiana de Ingeniería Julio Garavito

2**

Bogotá, Colombia
maria.rodriguez-pe@mail.escuelaing.edu.co
0000-0002-2262-7176
Investigación y desarrollo

3Escuela Colombiana de Ingeniería Julio Garavito

Bogotá, Colombia
Javier.chaparro@escuelaing.edu.co
Investigación, desarrollo y asesoría

______________________________
Abstract
The problem presented during the development of this article aims to identify the
irrigation factor in plants using machine learning techniques and then implemented in
hardware (ARM Cortez M4 Processor) capable of predicting this factor and activate the
irrigation system accordingly. The development includes, the use of classification techniques
and finally their application.

Keywords
Machine Learning, Irrigation factors, drip, sprinkler, micro-sprinkler, sorting techniques.

Resumen
El problema presentado durante el desarrollo de este artículo tiene por objeto la
identificación del factor de riego en las plantas haciendo uso de las técnicas de machine
learning para luego ser implementado en UN hardware (Procesador ARM Cortex M4) capaz
de predecir este factor y activar el sistema de riego según corresponda. El desarrollo incluye
un proceso de investigación, la recopilación de datos para la capacitación, el uso de técnicas
de clasificación y, por último, su aplicación.

Palabras clave
Machine Learning, Factores de riego, goteo, aspersión, microaspersión, técnicas de
clasificación.
 1. INTRODUCTION
Estudios científicos demuestran que una
planta en condiciones ideales se encuentra
en un estado fisiológico óptimo gracias a sus
procesos de autorregulación, sin embargo,
cuando se rompe este equilibrio la planta
empieza a tener afectaciones en sus células
que se ven reflejados en su rendimiento. [1]
Todos los procesos de dicho equilibrio
son causados por varios factores; durante el
desarrollo de este proyecto el enfoque se
hará en dos delo los factores que más
afectan el desarrollo de la planta
(Temperatura y humedad del suelo). Estos
factores tienen repercusiones en el
desarrollo de la planta, especialmente en
relación con el tema del déficit o exceso
hídrico, por tal motivo el principal objeto de
estudio será evaluar los factores
anteriormente descritos para automatizar
el proceso de riego en las plantas según su
necesidad.
Se hará uso de las técnicas de machine
learning para clasificar el tipo de necesidad
hídrica que requiere una planta ante la
variación de los factores anteriormente
descritos. Las técnicas de machine learning
son métodos analíticos que permiten que un
sistema de forma automatizada descubra
patrones, tendencias y relaciones en los
datos, así los datos de entrada de un
sistema son analizados para predecir
valores de salida dentro de un rango
aceptable. [2]
Algunos de los algoritmos más usados
para machine learning son: Clasificadores
KNN, Árboles de decisión, Clasificador de
Naive Bayes, Regresión lineal y logística,
Máquinas de soporte vectorial, redes
neuronales y Perceptrón multicapa; todos
ellos utilizan distintos modelos
matemáticos y estadísticos para guiar el
aprendizaje automático. La selección del
tipo de técnica de machine learning a usar
en un sistema recae sobre la eficiencia y el
rendimiento que este tenga ante el
tratamiento de los datos, razón por la cual
varían los usos muchas veces según la clase
de datos que se están analizando e incluso
debido a algunos comportamientos
estadísticos. Para el desarrollo de este
proyecto se han utilizado todos los
algoritmos anteriormente descritos, sin
embargo, la selección del algoritmo estará
dada por temas de eficiencia y exactitud en
el tratamiento de los datos.
El primer paso para desarrollar los modelos
de predicción y machine learning es la toma
de los datos, para lo cual se hace uso de dos
sensores: temperatura y humedad en suelo
(DHT11 y FC-28 respectivamente). Estos
datos son tomados durante 1 semana en un
pequeño arbusto puesto en un jardín (Buxus
Sempervirens) bajo condiciones de sol,
oscuridad, lluvia, neblina y sequía. Una vez
obtenidos los datos se realiza un proceso de
normalización y filtración sobre los mismos
para eliminar redundancias y datos
erróneos, luego de ello se realiza el proceso
de clustering para determinar
características similares en los datos y
posteriormente definir las clases y variables
predictoras requeridas en machine
learning. Una vez se tienen definidas las
características de los datos, inicia el proceso
de uso de los algoritmos de machine
learning para encontrar el método más
eficiente y exacto que permita determinar la
necesidad hídrica que requiere la planta en
tratamiento. Una vez se ha elegido el
método más eficiente para el conjunto de
datos dispuestos, se procede a realizar la
implementación del sistema de riego
mediante la tarjeta programable Arduino
Nano 33 que utiliza un procesador Arm
Cortex-M4 [3] este hardware responde de
manera eficiente al prototipado de máquina
inteligente, a través de dispositivos
electrónicos realiza: la toma de datos
clasifica el factor de riego y predice la como inundación y sequía absoluta a
necesidad hídrica de la planta. diferentes temperaturas.

2. METODOLOGÍA

El riego de las plantas es uno de los

factores que más influyen en la vida de las
plantas, es una de las actividades más
simples para el cuidado de las plantas, sin
embargo, en muchos casos el riego no es Figura 1. Evidencia de la toma de datos en
solamente regarles o rociarles un poco de Buxus Semperiverens
agua; son varios los factores que inciden en
la cantidad y la forma en cómo se les Antes de realizar la caracterización del
suministra agua a las plantas. La sistema se han tomado los datos obtenidos
agricultura de riego sobre la cual trabaja durante toda la semana y sobre ellos se ha
este proyecto consiste en determinar el realizado un proceso de normalización y
suministro de la cantidad necesaria de agua filtración de datos para eliminar
en las plantas o cultivos mediante diversos redundancias y datos erróneos, obteniendo
métodos artificiales de riego (goteo, así un total de 183 datos en el Dataset.
microaspersión y aspersión). [4]
2.2 Caracterización
2.1 Dataset
Para la caracterización del sistema de
Para obtener el Dataset se utiliza un riego se realiza el proceso de clustering para
pequeño arbusto puesto en un jardín enlazar y definir características similares
(Buxus Sempervirens), en condiciones en cada una de las muestras.
normales, le hemos instalado dos tipos de Posteriormente se realiza un gráfico, ver
sensores, un sensor de temperatura Figura 2, de dispersión para visualizar las
DHT11 y un higrómetro (sensor de muestras tomadas para posteriormente
humedad) FC-28. Una vez conectados los definir las clases y variables predictoras
sensores se inicia la toma de datos a través requeridas en machine learning.
de un programa implementado en un
Arduino 1, el cuál entrega valores
correspondientes a la temperatura
ambiente y humedad en el suelo de la
planta.
Esta toma de datos se lleva a cabo durante
1 semana (realizando tomas cada 10
minutos), dejando la planta bajo
condiciones normales de iluminación
excesiva, iluminación moderada,
oscuridad, lluvia, neblina y sequía, ver
Figura 1. Para poder obtener la mayor Figura 2. Gráfico de dispersión Dataset
cantidad de datos que informen sobre el factor de Riego
estado de la planta, se han forzado estados
 El tipo de riego que una planta requiere
Basándose en los patrones que presenta está dado por el porcentaje hídrico que el
la Figura 2 son planteados los sistema de riego seleccionado es capaz de
requerimientos para la utilización de los suministrar, este porcentaje hídrico está
métodos de machine learning, estableciendo dado por la Tabla 2.
así las variables predictoras y clases a las
que pertenece cada uno de los datos. Tabla 2. Porcentaje hídrico según el tipo de
Con lo anterior, se presentan las variables riego
predictoras y clases respectivas como: Riego por goteo 90 - 95%
Riego por microaspersión 85 - 90%
Variables predictoras: Humedad en el
suelo y Temperatura ambiente. Riego por aspersión 80 - 85%

Clases: Riego por goteo, Riego por Generalizando los patrones que se
aspersión y Riego por microaspersión. presentan en el gráfico de dispersión y
realizando el proceso de clustering, se
Según la necesidad hídrica de la planta presenta nuevamente la gráfica
se regula el nivel de agua al que debe delimitando las zonas para las cuales se
ponerse el sistema de riego, de tal manera está realizando la clasificación según las
que se pueden clasificar los tipos de riego variables predictoras.
según las variables predictoras (Esto a nivel
hardware está dado por un sistema de riego **En el eje X (Temperatura ºC)
que posee las tres técnicas de riego, cuya **En el eje Y (Humedad en suelo)
regulación viene dada por un software que
controla el acceso a cada técnica). FACTOR DE RIEGO
4
00
Una breve explicación acerca de la
influencia del tipo de riego en las plantas se
3
presenta en la Tabla 1. (CLASES). 00

Tabla 1. Tipos de riego en las plantas [5]

2
Riego por goteo 00
El agua es distribuida de manera
localizada en la planta, por gotas, a través 1
CLASIFICACION RIEGO
de goteros instalados en una manguera 10 20
Figura 3. Caracterización 0
30 y clasificación
de goteo conectada a una tubería de
distribución.
En la Figura 3. Se representan las
Riego por aspersión
clases anteriormente descritas, de manera
El agua es distribuida a través de
detallada cada clase representa:
aspersores, los cuales producen gotas de
agua de diferentes tamaños, imitando
- Verde: Riego por aspersión
una precipitación natural.
- Azul: Riego por microaspersión
Riego por microaspersión
- Amarillo: Riego por goteo
Es una modificación del sistema de
aspersión tradicional que permite
El tipo de riego está definido por el estado
asperjar el agua a poca distancia de la
en el que se encuentre la planta, Ver Tabla
planta y de manera localizada.
3.
 Tabla 3. Descripción de necesidad hídrica en la mayoría de los datos que le rodean.
por cada tipo de riego Para encontrar la distancia más corta entre
Riego por goteo las múltiples observaciones se aplica la
Plantas en extrema sequía y humedad ecuación de la distancia Euclídea. [6]
media sometidas a altas temperaturas
requieren el mayor factor de riego (90 -
𝒏
95%).
Riego por aspersión 𝒅(𝑨, 𝑩) = √∑(𝑨𝒊 − 𝑩𝒊 )𝟐 (𝟏)
Plantas con suelo húmedo a 𝒊=𝟏

temperaturas altas requieren un factor

de riego medio (85% -90%). KNN al ser un algoritmo de aprendizaje
Riego por microaspersión supervisado, significa que previamente se
Plantas con suelo húmedo y con tendencia debe etiquetar el conjunto de datos de
a la sequía, sometidas a temperaturas entrenamiento con la clase esperada dada
bajas y medias requieren un factor de por cada fila de datos, en este caso,
riego mínimo (80 – 85%) para compensar aspersión, microaspersión y goteo.
los efectos de un alza de temperatura La desventaja que tiene KNN es que no
inmediatamente después de una fuerte puede aprender un modelo explícito, lo que
helada. hace es memorizar las instancias de
entrenamiento, las cuales forman la base de
Uno de los análisis estadísticos que se conocimiento para la fase de predicción. [6]
les realiza a los datos es el cálculo de la
media y desviación estándar para cada una 2.3.2 Clasificador de Naive Bayes
de las variables predictoras y para cada una
de las clases establecidas anteriormente Naive Bayes es un algoritmo muy bueno
Ver Tabla 4. para la clasificación basado en el teorema de
Bayes con una suposición de independencia
Tabla 4. Media y desviación estándar para entre los predictores, en realidad es muy
cada variable predictora sencillo, fácil de construir y
particularmente útil para conjuntos de
datos muy grandes.
TEMPERAT HUMEDAD EN
URA °C SUELO El clasificador asume que el efecto de una
característica particular en una clase es
𝑥̅ 𝜎 𝑥̅ 𝜎 independiente de otras características.
ASPERSIÓN 18,39 2,76 184,59 53,61 Incluso si estas características son
interdependientes, estas características se
MICRO 24,21 1,70 217,98 20,39
ASPERSIÓN consideran de forma independiente. Esta
GOTEO 24,60 3,58 319,02 47,28 suposición simplifica la computación, y por
2.3 Clasificadores eso se considera ingenua. Esta suposición se
denomina independencia condicional de
2.3.1 Clasificador KNN clase. [7]

Es un algoritmo basado en instancia de La fórmula del teorema de Bayes es:

tipo supervisado de Machine Learning. Es
un método bastante sencillo que 𝑷(𝑩⁄𝑨)𝑷(𝑨)
𝑷(𝑨⁄𝑩) = (𝟐)
esencialmente busca las observaciones más 𝑷(𝑩)
cercanas a la que está tratando de predecir
y clasifica el nuevo punto de interés basado Donde:
•P(A): Es la probabilidad de que la
hipótesis A sea cierta (independientemente
de los datos).
•P(B): Probabilidad de los datos
(independientemente de la hipótesis).
•P(A|B): Es la probabilidad de la hipótesis
A dados los datos de B.
•P(B|A): Es la probabilidad de los datos B
dado que la hipótesis de A era cierta.
La ecuación (2) es válida para una
característica, como en este proyecto se
trabajan varias características se debe
generalizar el teorema de Bayes, obteniendo
la siguiente expresión:
𝑷(𝑨⁄𝒃𝟏 , 𝒃𝟐 , . . , 𝒃𝒏−𝟏 , 𝒃𝒏 )
= 𝑷(𝑨)𝑷(𝒃𝟏 , 𝒃𝟐 , . . , 𝒃𝒏−𝟏 , 𝒃𝒏 /𝑨)
𝑷(𝑨⁄𝒃𝟏 , 𝒃𝟐 , . . , 𝒃𝒏−𝟏 , 𝒃𝒏 )
𝒏
= 𝑷(𝑨) ∏ 𝑷( 𝒃𝒊 /𝑨) (𝟑)
𝒊=𝟏
Como se tiene que clasificar 2 clases para
este trabajo del factor de riego, la ecuación
(3) se debe usar tanto para las clases de
riego, aspersión y microaspersión, donde n
es el número de las características usadas
(En este caso 3). [7]
2.3.3 Árbol de decisión
El árbol de decisiones en esencia es un
diagrama de flujo, con una amplia
aplicabilidad, aunque no tienen un ajuste
ideal si los datos tienen un gran número de
características, esto genera una cantidad
enrome de decisiones y la complejidad del
árbol sería alta.
Los árboles de decisión se crean utilizando
una heurística llamada partición recursiva,
la cual va dividiendo los datos en
subconjuntos de las características cada vez
más pequeños de clases similares. Todo
comienza con el nodo raíz (representa el
conjunto de datos completo), el algoritmo
escoge una característica que es la más
predictiva de la clase, se divide entonces en
grupos con distintos valores de esta
característica formando de esta manera las
primeras ramas del árbol. Posteriormente
el algoritmo sigue dividiendo y creando
nodos que le permitan alcanzar un criterio
de detención. [8]
El árbol de decisión continúa dividiendo
indefinidamente las características y
creando subconjuntos cada vez más
pequeños, pero esto precede a un problema,
pues entre más grande sea el árbol, las
decisiones que debe tomar para clasificar
serán cada vez más específicas, y cuando se
realice un entrenamiento con los datos de
prueba, el modelo quedará sobre ajustado
con estos datos de entrenamiento. Para ello
es necesario un proceso de poda que reduce
el tamaño del nodo para que generalice
mejor los datos. Una manera de detener el
crecimiento del árbol es limitar de cierta
forma el número de decisiones, así se
garantiza que el árbol evite hacer trabajos
innecesarios. Esto también es una
desventaja, pues nada garantiza que el
árbol se pierda algún patrón importante. [9]
Una alternativa, llamada post-poda,
consiste en crear un árbol que sea
demasiado grande, luego usar criterios de
poda basados en las tasas de error en los
nodos para reducir el tamaño del árbol a un
nivel más apropiado. Este es a menudo un
enfoque más efectivo que la poda previa
porque es bastante difícil determinar la
profundidad óptima de un árbol de decisión
sin hacerlo crecer primero.
2.3.4 Máquinas de soporte vectorial
La máquina de soporte vectorial usada
para clasificar los datos se basa en un
método de modelamiento de planos en
hiperplanos que distinguen de forma
equidistante a los datos clasificados en
distintas dimensiones, de esta manera los
datos quedan distribuidos
homogéneamente a raíz de dichas
particiones.
Por ejemplo, en un espacio de 2 dimensiones
un hiperplano es un subespacio plano de
una sola dimensión, o lo que es lo mismo,
una línea, definida por la ecuación lineal:
𝜷𝟎 + 𝜷𝟏 𝑿𝟏 + 𝜷𝟐 𝑿𝟐 = 𝟎 (𝟒)
El algoritmo escoge el mejor plano
posible buscando que exista el mayor
margen de separación entre las clases a
dividir ya que es muy probable que la línea
(o el plano) con mayor margen conduzca a
una clasificación más acertada en el futuro.
Dentro de este clasificador, existen los
vectores de soporte, que son aquellos puntos
que están sobre el límite de los planos de
división, usando estos vectores es que se
define el MMH (maximal margin
hyperplane).
Sin embargo, como es de esperarse, los
datos en la vida real no son fácilmente
separables, es por esto por lo que el
algoritmo también es capaz de reconocer a
los datos “mal clasificados” que están del
otro lado del plano de separación y les
asigna un costo que sirve también para
escoger plano con el máximo margen
posible.
Una de las características más importantes
de los SVM es que son multidimensionales,
puesto que el comportamiento de los datos
en la vida real no se acomoda a una relación
lineal y gracias a esta característica, los
datos se modelan como si lo fueran. A estos
métodos de linealización se les llama
Kernel. La clasificación de los datos se hizo
probando la SVM con los distintos Kernel,
entre ellos: lineal, radial, polinomial e
hiperbólico, y de esta manera obteniendo
información de cuál clasificó mejor los
datos. Es importante mencionar que los
datos del Dataset se acondicionaron para
obtener el mejor rendimiento de los SVM
(normalización). [10]
2.3.5 Red Neuronal
Las redes neuronales utilizan conceptos
tomados de una comprensión del cerebro
humano para modelar funciones
arbitrarias. Las máquinas de soporte
vectorial utilizan superficies
multidimensionales para definir la relación
entre características y resultados.
Las ANN (red neuronal artificial) se pueden
aplicar en tareas de: clasificación,
predicción numérica, reconocimiento de
patrones no supervisado. Se aplican mejor a
las situaciones donde los datos de se
especifican bien la entrada y de salida, la
parte compleja se encuentra entre estos dos
puntos. Es por ello que la capacidad de una
red neuronal para aprender está enraizada
en su topología, o en los patrones y
estructuras de las neuronas
interconectadas. Las tres características
clave en las ANN son: el número de capas,
verificar si la información en la red puede
viajar hacia atrás y el número de nodos
dentro de cada capa de la red.
En general las redes neuronales son
alimentadas por la señal de entrada
dirigiéndose en una dirección continua de
conexión a conexión hasta llegar a la salida,
este tipo de red se denomina red de avance.
A pesar de la restricción en el flujo de
información, las redes feedforward ofrecen
una sorprendente cantidad de flexibilidad.
Por ejemplo, el número de niveles y nodos
en cada nivel se puede variar, se pueden
modelar múltiples resultados
simultáneamente. Ver Figura 4.
 Figura 4. Modelo de red Neuronal
𝑵
𝑵𝒆𝒕𝒋 = ∑ 𝒙𝒊 𝒘𝒊𝒋 + 𝜽𝒋 (𝟓)
𝒊=𝟏
En la ecuación (5) se representa la
manera de calcular las entradas de la red
neuronal cuyo modelo básico se puede ver la
(Figura 4). Por lo general, la red neuronal
debe aprender todo el conjunto de patrones
de entrenamiento y por ello no debe
entrenarse utilizan do un error local, sino
que el aprendizaje se hace en términos de
un error global. En la siguiente ecuación
definimos el error cuadrático medio:
𝑷 𝑵
𝟏 (𝒌) (𝒌) 𝟐
𝑬𝒓𝒓𝒐𝒓 = ∑ ∑ (𝒚𝒋 − 𝒅𝒋 )
𝟐𝑷
𝒌=𝟏 𝒋=𝟏
Donde:
• N: Número de neuronas en la capa de
salida.
• P: Número de patrones de entrenamiento.
[11]
En la Figura 5, se muestra el diagrama que
corresponde a la red neuronal propuesta
para el sistema en mención; para este caso
los pesos y kernel se obtienen del programa
usando las librerías de Sk. Learn y sobre
esos valores se realizan manualmente las
funciones RELU y Sigmoide
correspondientes para cada capa de entrada
y salida respectivamente.
Figura 5. Red Neuronal factor de riego
2.3.6 Regresión Logística Multivariable
Las regresiones en general consideran
la relación que existe entre una variable
numérica con una o más variables
numéricas dependientes o independientes.
La regresión logística es un método de
regresión que relaciona una variable
cualitativa binaria con una o más variables
cuantitativas. En este caso, utilizamos esta
bondad de la regresión logística ya que la
clasificación de los datos de tos se puede
expresar de manera binaria. [12]
La regresión logística permite modelar los
(𝟔)
datos no linealmente sino con una función
cuyo rango siempre está entre 0 y 1.
Una de las funciones más usadas en casos
como este es la función sigmoide (Ecuación
7).
𝟏
𝝈(𝒙) = (𝟕)
𝟏 + 𝒆−𝒙
Este modelo se basa en asignar una
probabilidad (valor de la función) al
clasificador en donde discriminará unos
datos de otro y finalmente los clasificará
según su nivel de probabilidad. Por lo cual
una vez estimados los coeficientes del
modelo logístico, es posible conocer la
probabilidad de que la variable dependiente
pertenezca al nivel de referencia, dado un
determinado valor del predictor. Para ello
se emplea la ecuación del modelo mejor rendimiento será del que se
(Ecuación 8): implementará en hardware, tal y como se
ha mencionado en el título de este artículo.
̂ ̂
𝟏 𝒆𝜷𝟎+𝜷𝟏𝒙
̂ (𝒀 = ) =
𝒑 (𝟖) Los resultados que se encuentran a
𝑿 𝟏 + 𝒆𝜷̂𝟎+𝜷̂𝟏𝒙
continuación corresponden al rendimiento
Haciendo uso de las ecuaciones de presentado para los datos con cada uno de
aplicación para el clasificador de regresión los clasificadores.
multivariable y tomando los valores de 𝛽
que resultan de los algoritmos, se muestran 3.1 Matriz de confusión
en la Figura 6 las ecuaciones
correspondientes para el método. En el campo de la inteligencia artificial
y en especial en el problema de la
clasificación estadística, una matriz de
confusión es una herramienta que permite
la visualización del desempeño de un
algoritmo que se emplea en aprendizaje
supervisado. [13]

3.1.1 Clasificador KNN

Figura 6. Ecuaciones clasificador de

regresión logística

3. RESULTADOS 3.1.2 Clasificador de Naive Bayes

Si bien es cierto los algoritmos de

machine learning son aplicables a cualquier
conjunto de datos, una de las etapas más
importantes para obtener un sistema de
procesamiento y clasificación automático
eficiente corresponde a el estudio de la
precisión de cada uno de los métodos, junto 3.1.3 Árbol de decisión
con su matriz de confusión, la cual permite
visualizar el desempeño de cada uno de los
algoritmos. En la matriz de confusión se
representan el número de predicciones de
cada clase respecto a las instancias o
elementos “bien clasificados” en la clase que
corresponde.
3.1.4 Máquinas de soporte vectorial
Los dos elementos anteriormente
mencionados permiten comparar el
rendimiento de todos los clasificadores,
definir el clasificador con el mejor
desempeño. Finalmente, el clasificador con
3.1.5 Red Neuronal (MLP) 3.1 Implementación

Una vez realizado el proceso de

validación y entrenamiento con cada uno de
los clasificadores anteriormente
enunciados, se procede a realizar la
implementación por hardware del sistema
de riego. Eligiendo según la validación el
3.1.6 Regresión Logística Multivariable clasificador de Regresión Logística
Multivariable (siendo el clasificador con
mejor desempeño).

Los resultados para el clasificador de

regresión logística multivariable (RLM) se
muestran a continuación:
3.1 Desempeño de los clasificadores
Tabla 6. Desempeño del clasificador RLM
La Tabla 5 muestra la exactitud que
tuvieron cada de uno de los clasificadores Clasificador Exactitud
para entregar los resultados requeridos Regresión Logística
para cada tipo de clase según Multivariable 100%
correspondiese.

Tabla 5. Desempeño de los clasificadores

Clasificador Exactitud
Clasificador KNN 94%
Clasificador Naive Bayes 96%
Árbol de Decisión 99,20% 3.1.1 Hardware
Máquina de Soporte 49%
Vectorial Utilizando el entorno de programación
Red Neuronal (MLP) 96% de Arduino IDE, y el microprocesador
Regresión Logística mencionado al inicio de este artículo
Multivariable 100% (Arduino Nano 33 Ble Sense) Figura 7, se
realiza la programación del clasificador en
3.1 Validación de los datos lenguaje C++.

Haciendo un estudio sobre el desempeño

de cada uno de los clasificadores, resulta ser
el clasificador de Regresión Logística
Multivariable el que mejor desempeño
presenta; con un rendimiento del 100% y
una matriz de confusión perfecta
(clasificando al 100%) se elige como el
clasificador estrella de todo el proceso de la
Figura 7. Arduino Nano 33 Ble Sense
aplicación de los algoritmos de machine
learning.
Tomando como referencia los valores de
𝛽 (Entregados por la librería utilizada para
técnicas de machine learning en Python
scikit-learn), dispuestos al programar el declarados en software como salidas del
clasificador en Python se caracterizan las microcontrolador, mientras que a nivel de
ecuaciones matemáticas para hardware simbolizan cada clase como se
posteriormente ser programadas en el evidencia a continuación.
microcontrolador.
Tabla 7. Colores LEDs
Aspersión
Microaspersión
Goteo

Ahora bien, una vez establecidos en el

Figura 8. Ecuaciones resultantes del
clasificador RLM
El principal objetivo de la implementación
en hardware del sistema de factor de riego
es verificar el funcionamiento del
clasificador con datos tomados
directamente de los sensores.
Una vez se programan las ecuaciones
base del clasificador, se procede a relacionar
las variables 𝑋1 𝑦 𝑋2 con los valores de
entrada de los sensores, temperatura y
humedad en suelo respectivamente. Para
ello, en el software se declaran las variables
a usar y en el hardware se realizan las
conexiones respectivas con
microcontrolador.
software las variables predictoras
(temperatura y humedad) y las clases
(Aspersión, Microaspersión, Goteo), se
procede a realizar en el programa el proceso
de clasificación. Cómo tal el clasificador por
regresión logística multivariable utiliza la
relación matemática descrita en las
ecuaciones (Figura 8) para calcular la
probabilidad estadística resultante para
cada clase. Ahora para realizar el proceso de
clasificación del sistema de riego a entradas
diferentes a las del Dataset, se realiza una
rutina de programación en la que se elija la
probabilidad mayor calculada de las
ecuaciones de la regresión logística
multivariable, luego al establecer la
probabilidad mayor el programa realiza
automáticamente la clasificación, lo cual es
propiamente el objetivo del machine
el
learning.
Durante el proceso de entrenamiento de
la máquina se utilizó el Dataset, bajo esos
datos el clasificador y el sistema responde
de manera adecuada, toda vez que sobre
dichos datos se realiza el entrenamiento y el
cálculo matemático del clasificador
seleccionado.

Figura 9. Conexiones microcontrolador y

Ahora para el proceso de validación (con
sensores datos tomados en tiempo real), se debe
verificar la clasificación correcta del
Además de los sensores que se sistema. Para ello, el hardware debe ser
evidencian en la Figura 9 se tienen 3 leds, probado sobre una planta sometida a
los cuáles simbolizan las clases condiciones ideales de temperatura y
correspondientes al factor de riego; dichas humedad, tal y cómo se realizó al inicio del
salidas (leds, ver Tabla 7) también son proceso para la aplicación de los métodos de
machine learning; es decir durante la
conformación del Dataset.

Como se muestra en la Figura 10 los

sensores conectados en el microcontrolador
se colocan sobre la planta para iniciar el
proceso de validación. El sensor de
temperatura debe permanecer en un lugar
estratégico para que capte de manera
correcta los datos, mientras que el sensor de
Figura 12. Validación datos clasificados
humedad se introduce en el suelo de la
como ASPERSIÓN
planta para que al igual que el sensor de
temperatura capte de manera correcta los
datos.

Brayaaaaaaaaaaaaaaaaaaan

3.1.1 Validación Hardware

Para realizar la validación del

Figura 11. Validación datos clasificados
desempeño del clasificador, se realiza la
como MICROASPERSIÓN
toma de 50 datos que en condiciones
normales el clasificador de regresión
logística analiza, procesa y clasifica.

Haciendo un análisis de los datos en

Excel para verificar que los datos
medidos cumplan con los rangos
establecidos para cada una de las clases,
se realizan nuevamente los gráficos de
dispersión para comparar los datos
Figura 10. Validación de datos
medidos por los sensores con la
clasificados como GOTEO
caracterización del Dataset.
De los anteriores datos (Figuras 11,12,13)
se puede observar que los datos tomados por
el hardware implementado cumplen con los
rangos establecidos para cada una de las
clases en consideración (Aspersión,
microaspersión y goteo).
Ahora contrastando cada uno de los datos
en un gráfico de dispersión que contiene
cada una de las clases se evidencia la
tendencia para los datos que se ve a
continuación. (Ver Figura 14)

Figura 13. Validación de los datos tomados
por los sensores respecto a los datos usados en
el entrenamiento
De lo cual se infiere que el
clasificador implementado en el
hardware funciona de manera eficiente,
tal y como se planeaba, aunque los datos
frente a los cuales se está realizando la
validación son pocos el resultado de la
clasificación de estos se encuentra
dentro de los límites establecidos.
El rendimiento del clasificador y del
hardware para los 50 datos
experimentales tomados sobre la planta
es de al menos un 95%.
Para una validación más profunda de
los datos se debe contar con la
verificación de las características y
clases a manos de un profesional en el
tema que determine la correcta
clasificación a partir de la inferencia de
las condiciones ambientales en las
plantas y su respectiva necesidad
hídrica.
4. ANÁLISIS
Uno de los pasos elementales al
momento de caracterizar las señales es la
normalización de los valores que provienen
de los sensores, toda vez que estos son
valores digitales, para lo cual se hace
indispensable tratar las señales y
valorizarlos con tal de obtener los valores
requeridos.
Para la extracción de características del
sistema ha sido necesaria la correcta
manipulación de los datos, así pues, con el
uso del gráfico de dispersión (que para este
caso ha ayudado a la rápida identificación
de características) se ha facilitado en su
mayoría el reconocimiento de patrones
similares para temperatura y humedad en
la planta de tratamiento. Una vez
identificados los patrones del conjunto de
datos, se inicia el proceso mediante el cual
se realizan las predicciones con datos de
entrenamiento. Cabe decir que para el
proceso de establecimiento de las
características se han tomado referencias
bibliográficas como las adjuntas en este
documento.
En su mayoría el uso de las técnicas de
machine learning para el conjunto de datos
en tratamiento ha sido eficaz, esto quizá por
la facilidad que han tenido desde el
principio los datos para ser clasificados,
obviamente algunos métodos responden
mejor que otros, esto por la complejidad de
sus modelos matemáticos para el cálculo de
las probabilidades.
El método elegido (por su alto
desempeño, Regresión Logística
Multivariable) ayuda a predecir clases
binarias, y dadas las circunstancias del
sistema en tratamiento, por su
simplicidad y por la cantidad de
variables predictoras (2 clases)
establecidas, se hace mucho más fácil de
utilizar y esto ciertamente se ve
evidenciado alrededor de cada uno de los
procesos de clasificación adjuntos en
este documento.
“La regresión Logística es uno de los
algoritmos de Machine Learning más
simples más simples y utilizados para la
clasificación de dos clases.” [14]
La caracterización de las señales se hace
desde la revisión de los patrones
encontrados en el conjunto de datos; ya para
el caso de la validación de los datos
obtenidos de los sensores en tiempo real se
requiere de un experto en el tema de las
plantas, para verificar si efectivamente la
clasificación y caracterización está bien
realizada y si finalmente el sistema de
identificación del factor de riego está bien
entrenado o no. Para el caso de una
implementación mucho más robusta e
incluso con actuadores como bombas de
agua y electroválvulas para controlar el
nivel hídrico y efectivamente entregar el
porcentaje de agua requerido para cada
clase (Aspersión, microaspersión y goteo) se
requiere el análisis y el apoyo de un experto,
toda vez que en una aplicación de mayor
magnitud no sólo se requiere exactitud en el
método utilizado en machine learning, sino
que también se requiere alta precisión para
el tratamiento de la planta o el cultivo en
relación con las propiedades físicas tales
como nutrientes, exceso de riego, e incluso
otros factores que afectan tanto física e
internamente una planta o un conjunto de
plantas.
Por último teniendo como base la
implementación del sistema con el método
de regresión logística multivariable,
también se podría agrupar e incluir otro
tipo de variables predictoras que
permitirían de una manera u otra ser
mucho más minucioso con el estado de la
planta y la cantidad de agua requerida, así
para aplicaciones futuras se podrían tener
en cuenta otro tipo de variables, como por
ejemplo la luminosidad, cantidad de
nutrientes en el suelo, humedad relativa,
condiciones de la raíz del tallo, entre otros
aspectos para la caracterización de las
señales, aunque para la inclusión de nuevas
variables predictoras podría resultar mejor
el desempeño de otro tipo de clasificador, lo
que habría que evaluar nuevamente junto
con los demás clasificadores para
posteriormente elegir el que mejor
desempeño presente.
5. CONCLUSIONS
Es importante identificar el factor de
riego en las plantas, esto porque muchas
veces se excede o se limita la necesidad
hídrica en ellas y puede hacer que se
presenten daños en la planta.
El uso de técnicas de machine learning
hace del sistema de riego un método más
eficiente para su aplicación, mejora las
condiciones del riego en las plantas y
facilita el control el tiempo real de la planta,
además que provee de un sistema
inteligente y automático que permitiría sin
necesidad de un experto realizar las tareas
de riego. A una escala mucho más grande el
sistema de riego haciendo uso de las
técnicas de machine learning podría
aplicarse en cultivos, para regular el
porcentaje hídrico que estos requieren a
partir de varios factores ambientales.
También un trabajo futuro para este
proyecto podría tener la inclusión de
actuadores tales como electroválvulas y
bombas de agua para regular los niveles de
hídricos y ejecutar como tal el proceso de
riego según la clase (aspersión,
microaspersión y goteo) que resulte del
proceso de validación y entrenamiento de la
máquina.
Aunque todos los clasificadores
presentaron alto rendimiento, el que mejor
desempeño presentó fue el de regresión
logística multivariable, esto podría deberse
a la cantidad de variables predictoras que se
tuvieron en cuenta para la implementación
del sistema de factor de riego.
Normalizar y categorizar los datos se
hace también importante para la
conformación del Dataset, aunque también
hay que tener en cuenta que no todos los
datos que proveen los sensores son
correctos, por tanto, hay que revisar
minuciosamente los datos y eliminar los que
se encuentran por fuera los rangos 0(IA,inel
normalizados y teóricamente correctos. udibles%20en%20el%20contex
to%20act
Se pudo también haber implementado el ual.&text=En%20su%20forma
método de clasificación por árboles de %20m%
decisión, quien también obtuvo un C3%A1s%20b%C3%A1sica.
desempeño alto, sin embargo, por razones [Último acceso: 19 11 2020].
de simplicidad en la implementación en [3] «Arduino STORE,» [En línea].
Arduino IDE desde cero se prefirió realizar Available:
la implementación del clasificador por https://store.arduino.cc/usa/na
regresión logística multivariable. no-33- ble-sense. [Último
acceso: 18 11 2020].
Sobre los 50 datos que se tomaron para
[4] C.Irrigaziones, «Edagrícola
realizar la validación del hardware se
1970,» [En línea]. Available:
obtuvo un rendimiento alto tanto del
https://es.wikipedia.org/wiki/R
hardware como del clasificador de regresión
iego#:~:t
multivariable, probablemente con la toma
ext=Actualmente%2C%20se%
de muchos más datos para la validación
20utiliza. [Último acceso: 18 11
puede que disminuya el desempeño del
2020].
clasificador teniendo en cuenta los datos
erróneos que se pueden presentar durante [5] «Fao.org,» [En línea].
la medición, sin embargo, para una primera Available:
prueba el resultado fue eficiente y cumple http://www.fao.org/3/aj470s/aj
con el objetivo para el cuál se realizó el 470s02.p df.. [Último acceso: 1
proyecto. 9 2020].
[6] Na8, «Clasificador con K-
Nearest-Neighbor,» [En línea].
7. REFERENCIAS BIBLIOGRÁFICAS Available:
https://www.aprendemachinel
earning.c.. [Último acceso: 19 9
2020].
[1] N.C.M, «Intagri S.C,» [En [7] L.González, «Naive Bayes,» 10
línea]. Available: 9 2019. [En línea]. Available:
https://www.intagri.com/articu https://ligdigonzalez.com/naive
los/nutri ci%20on- -bayesteoria-machine-
vegetal/estres-vegetal-parte-1- learning/. [Último acceso: 18 11
estres-%20por-altas- 2020].
temperaturas. [Último acceso: [8] A. M. Learning,
11 9 2019]. «sitiobigdata.com,» [En línea].
[2] R.PAD, «apd.com,» 04 04 2019. Available:
[En línea]. Available: R.APD, https://sitiobigdata.com/2019/1
«apd,» 04 04 2019. [En línea]. 2/14/arbol-de-decision-en-
Available: machine-learning-parte-1/#.
https://www.apd.es/algoritmos [9] L.Moscovitz. [En línea].
-del- machine- Available:
learning/#:~:text=Conceptos% http://www.konradlorenz.edu.c
20como% o/images..
20inteligencia%20artificial%2
[10] C.Martínez. [En línea].
Available:
https://rpubs.com/Cristina_Gil/
SVM..
[11] N.Anzola, «Máquinas de
soporte vectorial y redes
neuronales artificiales,»
USD/COP, 2015. [En línea].
[12] 2. J. Rodrigo. [En línea].
Available:
https://www.cienciadedatos.ne
t/docume..
[13] [En línea]. Available:
https://es.wikipedia.org/wiki/M
atriz_de_confusi%C3%B3n#:~:
text=En%20el%20campo%20d
e%20la,se%20emplea%20en%2
0aprendizaje%20supervisado.
[14] M.L.Blog, «AprendeIA,» [En
línea]. Available:
https://aprendeia.com/regresio
n-logistica-multiple-machine-
learning-
teoria/#:~:text=La%20Regresi
%C3%B3n%20Log%C3%ADsti
ca%20es%20un,objetivo%20es
%20de%20naturaleza%20dicot
%C3%B3mica.&text=La%20Re
gresi%C3%B3n%20Log%C3%
ADstica%20es%20uno,la%20cl
asificaci%C3%.
[15] H. F. Bermúdez Orozco, S.
Botero y M. Gómez Mina,
«Construcción y evaluación de
un dipolo en la banda de 2.4
GHz utilizando tecnología de
microcinta,» Scientia et
Technica, vol. 1, nº 44, pp. 25-
30, 2010.