Traducido del inglés al español - www.onlinedoctranslator.
com
agua
Revisar
Monitoreo inteligente de la calidad del agua basado en IoT: técnicas
recientes, tendencias y desafíos para aplicaciones domésticas
Farmanullah enero1, Nasro Min-Allah1y Dilek Düştegör2,*
----
---
Citación:enero, F.; Min-Allah, N.; Düştegör, D.
Monitoreo inteligente de la calidad del agua
basado en IoT: reciente
Técnicas, Tendencias y Desafíos
para Aplicaciones Domésticas.Agua
2021,13, 1729. https://doi.org/
10.3390/w13131729
Editor académico: Talis Juhna
Recibido: 22 mayo 2021
Aceptado: 9 junio 2021
Publicado: 22 junio 2021
Nota del editor:MDPI se mantiene neutral
con respecto a reclamos jurisdiccionales en
mapas publicados y afiliaciones
institucionales.
Derechos de autor:© 2021 por los
autores. Licenciatario MDPI, Basilea,
Suiza. Este artículo es un artículo de
acceso abierto distribuido bajo los
términos y condiciones de la licencia
Creative Commons Attribution (CC BY)
(https:// creativecommons.org/
licenses/by/ 4.0/).
Agua 2021,13, 1729. https://doi.org/10.3390/w13131729
1 Departamento de Informática, Facultad de Informática y Tecnología de la Información,
Universidad Imam Abdulrahman Bin Faisal, PO Box 1982, Dammam 34221, Arabia Saudita;
fzmjan@iau.edu.sa (FJ); nabdullatief@iau.edu.sa (NM-A.)
2 Departamento de Ingeniería Informática, Facultad de Informática y Tecnología de la Información,
Universidad Imam Abdulrahman Bin Faisal, PO Box 1982, Dammam 34221, Arabia Saudita
* Correspondencia: ddustegor@iau.edu.sa
Resumen:El agua potable se está convirtiendo en un recurso escaso debido a los efectos combinados del aumento de la
población, la contaminación y los cambios climáticos. Por lo tanto, el control de la calidad del agua es primordial, especialmente
para el agua doméstica. Los enfoques de prueba de laboratorio utilizados tradicionalmente son manuales, costosos, consumen
mucho tiempo y carecen de retroalimentación en tiempo real. Los sistemas desarrollados recientemente que utilizan tecnología
de red de sensores inalámbricos (WSN) han informado deficiencias en la gestión de la energía, la seguridad de los datos y la
cobertura de las comunicaciones. Debido a los recientes avances en Internet de las cosas (IoT) que se pueden aplicar en el
desarrollo de sistemas más eficientes, seguros y económicos con capacidades en tiempo real, presentamos aquí una encuesta
destinada a resumir el estado actual del arte. con respecto a los sistemas inteligentes de monitoreo de calidad del agua basados
en IoT (IoT-WQMS) especialmente dedicados para aplicaciones domésticas. En resumen, este estudio investiga los parámetros
comunes de monitoreo de la calidad del agua (WQM), sus límites seguros para el agua potable, los sensores inteligentes
relacionados, la revisión crítica y la ratificación de IoT-WQMS contemporáneo a través de una métrica empírica propuesta,
análisis y discusión y , finalmente, recomendaciones de diseño para un sistema eficiente. Sin duda, este estudio beneficiará al
campo en desarrollo de hogares, oficinas y ciudades inteligentes.
Palabras clave:Internet de las Cosas; calidad del agua; tanque de agua inteligente; ciudad inteligente; casa inteligente; oficinas inteligentes;
sistemas embebidos inteligentes
1. Introducción
El agua es esencial para la vida en la tierra. Sin embargo, numerosos países se enfrentan a la escasez de
agua dulce [1–3]. Este problema alarmante los motivó fuertemente a utilizar otros recursos disponibles en su
lugar. Por ejemplo, los países del Golfo están adquiriendo agua dulce del mar a través de un tedioso proceso de
desalinización [4,5]. Sin embargo, el aumento de la industrialización costera y la contaminación del agua
resultante hacen que este proceso sea aún más desafiante. Otros países están procesando el agua de lluvia
para obtener agua dulce [6]. Sin embargo, últimamente el cambio climático está afectando las precipitaciones,
lo que está poniendo en peligro esta opción [7–9].
Lamentablemente, los países donde el agua dulce es más accesible no están a salvo de los problemas
relacionados con el agua [10–12]. La contaminación del agua ha sido reportada durante años como una
preocupación creciente [13]. Por ejemplo, la America Clean Water Foundation estableció el día de monitoreo del
agua (llamado EarthEcho Water Challenge) en 2003 [13,14]. Su agenda principal es difundir la conciencia pública
sobre la contaminación del agua. Tanto la Agencia de Protección Ambiental de los Estados Unidos (USEPA) como
la Organización Mundial de la Salud (OMS) constantemente brindan actualizaciones y recomendaciones sobre
cómo hacer frente a los contaminantes y enfermedades del agua recientemente detectados [15–18].
Además de la contaminación y los estudios que señalan el impacto del calentamiento global en los
recursos hídricos [19–21], el Consejo Mundial del Agua (WWC) predice un aumento de la población mundial de
entre un 40 % y un 50 % en los próximos 50 años [22]. Este importante crecimiento, junto con
https://www.mdpi.com/journal/water
Agua2021,13, 1729 2 de 37

con la urbanización y la industrialización, puede aumentar considerablemente la demanda total de agua. Todos
los indicadores antes mencionados indican que se avecina una posible crisis mundial del agua.
En vísperas de tal crisis del agua, el agua dulce se está convirtiendo comúnmente en un producto
industrial. Bajo el control municipal en áreas urbanas, a menudo se almacena en tanques elevados/
subterráneos, a veces durante un período prolongado antes del consumo [23]. Por lo tanto, es necesario
un monitoreo continuo de la calidad del agua para clasificar el agua para su aplicación adecuada y evitar
el desperdicio. Por ejemplo, el agua que no es apta para beber puede utilizarse para fines de limpieza.

Recientemente, motivado por el progreso en Internet de las cosas (IoT), se han ideado varias
soluciones basadas en IoT para monitorear el agua [19–21,24]. La mayoría de los sistemas comerciales
(p. ej., Hach guardian blue, Canary, optiEDS, Libelium Inc., Biz4Intellia y Bluebox) han informado una
mayor eficiencia en comparación con los sistemas anteriores centrados en tecnologías más antiguas [19,
25]. Sin embargo, estos sistemas son muy costosos o sus arquitecturas están cerradas al uso público [19,
26,27]. Por lo tanto, el uso de dichos sistemas comerciales se ha limitado únicamente a los países
desarrollados. Este acto condujo a una plétora de estudios para diseñar una solución inteligente basada
en IoT barata y confiable para el monitoreo del agua, con el objetivo de beneficiarse de la infraestructura
de comunicación ya existente para aplicaciones inteligentes [28,29].
Como área de investigación abierta de preocupación, se han publicado varios artículos de revisión/
encuesta relacionados para resaltar el progreso en la tecnología de sensores y comunicación inalámbrica,
servicios en la nube y dispositivos informáticos, entre otros. En [30], los autores presentan una excelente
revisión sobre la tecnología WSN para la detección de fugas, pero el artículo no ofrece contenidos sobre el
monitoreo de la calidad del agua. Mientras Pule et al. [31] enfocan su encuesta en el monitoreo ambiental con
énfasis en el agua, cubren principalmente la tecnología WSN sin nuevos sistemas inteligentes basados en IoT.
De manera similar, Ahmed et al. [19] centró su artículo de revisión en el monitoreo de la calidad del agua,
cubriendo todas las tecnologías, incluida WSN, pero los nuevos sistemas basados en IoT. Gita y Goutami [32]
en su artículo de revisión también incluyó la dimensión en tiempo real de los sistemas inteligentes de
monitoreo de la calidad del agua, pero mantuvo un alcance bastante genérico mientras cubría las técnicas
basadas en IoT. Damor y Sharma [24] en su artículo de revisión hizo un primer intento de cubrir los sistemas
basados en IoT, pero falta un análisis crítico y una comparación de métodos. En su estudio, Banna et al. [21]
proporciona un estudio de las tecnologías de sensores existentes y emergentes para el monitoreo del agua. Sin
embargo, también ha prestado muy poca atención a los sistemas basados en IoT. Adumanu et al. [20] publicó
una revisión exclusiva sobre el monitoreo de la calidad del agua utilizando la tecnología WSN. Este es un gran
recurso de conocimiento, pero desafortunadamente solo cubre los sistemas de monitoreo de agua basados en
WSN y debe ampliarse para incluir las nuevas aplicaciones de IoT en el mismo campo. En [25], la Junta de
Servicios Públicos de Singapur proporciona una historia de éxito de la aplicación de tecnologías comerciales de
monitoreo de agua inteligente para administrar la red de distribución de agua. Sin embargo, como
mencionamos anteriormente, estos sistemas comerciales son generalmente costosos y difícilmente pueden ser
ampliamente adoptados. Finalmente, Pujar et al. [33] y Li et al. [34] abordan en sus respectivos trabajos de
revisión recientes los sistemas de agua inteligentes, pero no se centran en los aspectos de calidad del agua.

Como se destacó anteriormente, las revisiones disponibles que se enfocan en las nuevas tecnologías de
IoT no se enfocan en la calidad del agua, y las revisiones centradas en los sistemas de monitoreo de la calidad
del agua son débiles en la información sobre las tecnologías de IoT y los consiguientes sistemas inteligentes.
Además, según el conocimiento de los autores, no hay una revisión contemporánea dedicada a las aplicaciones
de agua doméstica, aunque es vital mantener la calidad del agua potable por encima de un umbral mínimo [15,
17,35,36].
Con el objetivo de llenar el vacío de investigación, este estudio ofrece una revisión detallada de la literatura sobre
IoT-WQMS para agua doméstica. Así, las principales contribuciones de este estudio son:

• Definición de una nueva rúbrica-evaluación considerando estándarrequisitospara agua potable;

• Comparación sistemática de IoT-WQMS contemporáneo, destacando debilidades y fortalezas;
• Recomendaciones para diseñar un IoT-WQMS eficiente para agua potable.
Agua2021,13, 1729 3 de 37

El resto de este artículo está estructurado de la siguiente manera: Sección2ofrece conocimientos

previos para comprender mejor la crisis del agua dulce. También recuerda el importante índice de
calidad del agua (WQI) y los límites seguros de la OMS para el agua potable. Sección3detalla las técnicas
de monitoreo de la calidad del agua, destacando la evolución de los métodos de monitoreo del agua
desde el monitoreo tradicional al inteligente, incluida la tecnología IoT relacionada y los sensores WQM
comunes. Sección4ofrece una revisión crítica de IoT-WQMS contemporáneo para agua doméstica. Todos
los sistemas han sido evaluados a través de una rúbrica empírica desarrollada recientemente, que se
basa principalmente en los parámetros estándar de agua potable de la OMS. Sección5proporciona una
discusión y un análisis detallados, con pros y contras de IoT-WQMS contemporáneo. Además, ofrece un
conjunto de recomendaciones útiles para diseñar un IoT-WQMS eficiente. Finalmente, Sección6 concluye
este estudio. Mesa1muestra los acrónimos utilizados en este artículo.

Tabla 1.Siglas utilizadas en el artículo.

Acrónimo Descripción Acrónimo Descripción

AWQI Aceptabilidad del índice de calidad del tarjeta de circuito impreso Placas de circuito impreso
BRB agua basado en reglas ppm Partes por millón
C-Cl cloraminas relaciones públicas Presión
cl Cloruro CLORURO DE POLIVINILO Cloruro de polivinilo
cl2 cantidad de cloro residual presente en el agua como gas disuelto RC cloro residual
CO2 Dióxido de carbono SLM Módulo de capa de sensores
CSM Módulo de servicios en la nube SLM-CM Módulo de comunicación
HACER oxígeno disuelto SLM-DM Módulo digital
DWQI Índice de calidad del agua potable SLM-SM Sensores-módulo
CE Conductividad eléctrica SoC Sistema en chip
FC coliformes fecales SPI Interfaz de periféricos en serie
F-Cl Cloro libre T Temperatura
FR Tasa de flujo CT coliformes totales
GWM Módulo de puerta de enlace t-cl cloro total
HOCl Concentración de cloro libre Índice de TDS Sólidos disueltos totales
HWQI calidad del agua sanitaria Internet de JU Dureza total
internet de las cosas las Cosas TSS Solidos totalmente suspendidos
IoT-WQMS Sistemas inteligentes de monitoreo de la calidad del agua basados en IoT turba Turbulencia
LDR Resistencia dependiente de la luz UIM Módulo de interfaz de usuario
LoS línea de sitio USEPA Algoritmo de distancia vectorial de la Agencia de Protección
GLP Aprendizaje automático de gas VDA Ambiental de los Estados Unidos
ML licuado de petróleo OMS Índice de Calidad del Agua de la
mV milivoltios WQI Organización Mundial de la Salud
UNT Unidad de turbidez WQMS Sistema de Monitoreo de la Calidad del Agua
ocl nefelométrica Ión hipoclorito WSN Red de Sensores Inalámbricos
Redox Potencial de reducción de oxidación WWC Consejo Mundial del Agua

2. Fondo
Esta sección proporciona detalles sobre las principales preocupaciones sobre el agua (por ejemplo, la contaminación), la
calidad del agua, el índice de calidad del agua, los límites seguros para el agua potable y los sensores WQM.

2.1. Fondo del agua y problemas existentes

Hay una idea errónea visual de que la mayor parte de la tierra está hecha de agua (Figura1). Si bien el 71% de la
superficie terrestre está cubierta de agua, esta proporción es menor en comparación con su volumen total [37,38].
Alrededor del 97% del agua total de la tierra está disponible en los océanos, lo que no es directamente útil para la
agricultura, los seres humanos y las plantas debido al alto contenido de sal.dieciséis]. Solo el 3% restante del agua total
de la tierra existe en forma de agua dulce [39]. Desafortunadamente, alrededor del 69% también está atrapado en los
casquetes polares y los glaciares. Además, aproximadamente el 30% de ella es agua subterránea. En consecuencia,
alrededor del 1% del agua dulce está disponible para los humanos.37,38]. Además de su escasez, el agua dulce se
encuentra hoy en día bajo una gran presión debido a muchos desafíos tales como [40]:
Agua2021,13, 1729 4 de 37

1. Alto consumo en áreas urbanas;

2. Alto consumo en aplicaciones industriales;
3. Utilizado principalmente en actividades agrícolas;
4. Afectados por cambios climáticos debido al fenómeno del calentamiento global.

Combinado con la distribución desigual del agua en todo el mundo, una gran población humana no tiene
acceso a agua potable. Por lo tanto, miles de humanos mueren y se ven afectados cada año debido a
enfermedades transmitidas por el agua como la malaria, el cólera, la poliomielitis, el dengue y la fiebre tifoidea,
etc. [41].

Figura 1.El mármol azul, cortesía de la NASA [42].

2.1.1. Desalinización de agua de mar

Debido al alto contenido de sal, el consumo directo de agua de mar puede causar deshidratación en los seres
humanos y, por lo tanto, puede volverse fatal si se consume durante períodos más prolongados. En muchos países con
escasez de agua, el agua dulce se está agotando debido al drástico crecimiento de la urbanización y la industrialización.
Sin embargo, para superar este problema, estos países ahora obtienen agua dulce del agua de mar a través de un
proceso de desalinización, por ejemplo, ósmosis inversa [4]. Este proceso básicamente elimina el contenido de sal
disuelta y otros minerales del agua de mar, si los hay. Para el agua potable, se agregan minerales para obtener la
calidad del agua de acuerdo con los estándares de la OMS/USEPA. La desalinización del agua es un proceso costoso que
requiere energía, mano de obra y fondos considerables.

2.1.2. Agotamiento de las aguas subterráneas

El agua subterránea existe debajo de la superficie de la tierra, que se almacena y se mueve gradualmente
a través de las formaciones geológicas (llamadas acuíferos) de arena, suelo, grava y rocas.43,44]. El agua puede
fluir fácilmente a través de los espacios existentes en tales objetos. Sin embargo, la velocidad a la que el agua
fluye de un punto a otro depende en gran medida del tamaño de los espacios y de lo bien que estén conectados
entre sí.
La literatura revela que el agua subterránea existe en todo el mundo, pero sus recursos están distribuidos
de manera desigual por la naturaleza [37,40]. ¿El nivel freático debajo de la superficie de la tierra es poco
profundo o profundo? ¿Puede subir o bajar su nivel? Responder a estas preguntas generalmente depende de
muchos factores. Por ejemplo, el derretimiento de la nieve/glaciares y las fuertes lluvias generalmente hacen
que aumente el nivel de la capa freática. Por otro lado, su nivel puede caer debido al exceso de bombeo de
agua. El término nivel freático significa la profundidad a la cual los vacíos y las fracturas en las rocas o en los
espacios porosos del suelo se saturan completamente con agua (Tabla2) [43,44].
Agua2021,13, 1729 5 de 37

Tabla 2.Matriz de correlación de parámetros WQI.

CT FC TDS TSS TS JU HACER CE cl T turba pH Redox T-Cl F-Cl C-Cl

CT 1

FC
TDS
TSS
TS
JU
HACER

CE
cl
T
turba
pH
Redox
T-Cl
F-Cl
C-Cl
1El símbolo indica correlación entre dos parámetros.

Aunque el nivel freático se recarga a través de las lluvias y el derretimiento de la nieve, los glaciares y los
casquetes polares, también se descarga naturalmente de la superficie de la tierra en filtraciones y manantiales.
Además, el agua del nivel freático también se extrae para uso municipal, agrícola e industrial a través de
bombas, perforaciones y pozos entubados. En particular, el nivel de la capa freática está disminuyendo
significativamente en muchos países como India, Pakistán, Omán y Arabia Saudita [40,43,45,46]. Este problema
ocurre cuando el agua se extrae del nivel freático a un ritmo mayor que su recarga a través de la precipitación.
Esta ley también da como resultado el hundimiento de la tierra, mayores costos de bombeo, degradación de la
calidad del agua, pozos secos y reducción del agua en lagos y arroyos. En particular, este problema podría
mitigarse en cierta medida si se desarrolla la conciencia pública sobre la crisis del agua. Por ejemplo, podemos
ahorrar agua si consumimos menos agua mientras nos bañamos, lavamos una carga completa de ropa a
máquina, no contaminamos las fuentes de agua, cerramos los grifos correctamente, usamos un inodoro con
descarga baja, regamos las plantas en los jardines con tiempo, usamos rociadores para regar jardines, utilizar
agua de lluvia (p. ej., riego de jardines), informar a la agencia de control de agua si se observa algún daño en el
suministro de agua, utilizar aguas residuales después del tratamiento y reparar oportunamente cualquier fuga
de agua.

2.1.3. La contaminación del agua

El agua líquida es altamente vulnerable a la contaminación porque puede disolver más sustancias
que cualquier otro líquido disponible.36]. La contaminación del agua ocurre cuando cualquier materia
nociva (p. ej., químicos y microorganismos) contamina un cuerpo de agua (p. ej., un estanque, un río). De
hecho, deteriora la calidad del agua y la vuelve tóxica [36].
• Contaminación de las aguas subterráneas: Ocurre cuando los contaminantes (p. ej., pesticidas,
fertilizantes y desechos industriales) ingresan a un acuífero. Un acuífero se compone típicamente de
arenisca, grava o roca fracturada [40]. Este acto hace que el acuífero en cuestión no sea seguro para el
uso humano. En particular, la eliminación de dichos contaminantes de las aguas subterráneas puede ser
muy costosa e incluso más difícil, si no imposible. Se observa que un acuífero contaminado puede
permanecer inutilizable durante un período relativamente largo, probablemente durante miles de años.
40]. El agua subterránea puede propagar la contaminación más allá del punto de contaminación original.
Ocurre porque puede filtrarse en océanos, lagos y arroyos [dieciséis,43,44].
• Contaminación del agua superficial: La USEPA, en una encuesta reciente, informó que casi la mitad
de los ríos y arroyos, y más de un tercio de los lagos, en los Estados Unidos (EE. UU.) no son aptos
para beber, pescar o incluso nadar [dieciséis]. Se observa que la contaminación por nutrientes (p.
ej., nitratos y fosfatos) es un contaminante importante entre las fuentes bien conocidas. Sin duda,
todos los animales y plantas en general necesitan estos nutrientes para crecer adecuadamente,
pero su uso excesivo en actividades agrícolas puede contaminar los recursos hídricos.
Agua2021,13, 1729 6 de 37

Además, las aguas superficiales también están contaminadas por los vertidos de residuos de las industrias, así como de
los vertederos municipales e individuales [dieciséis].

Además, el agua también puede estar contaminada por la contaminación natural. Por ejemplo, se
contamina con los minerales (p. ej., manganeso, calcio, hierro y arsénico) cuando atraviesa las rocas. Las
principales fuentes de contaminación natural incluyen los desechos animales, los volcanes, el sedimento de las
tormentas, las inundaciones y la proliferación de algas. Colectivamente, la contaminación de todas las fuentes
puede resultar en contaminantes del agua como pesticidas, nutrientes, materia suspendida, compuestos
orgánicos, bacterias/virus, metales pesados, turbidez, químicos sintéticos, contaminación térmica,
hidrocarburos de petróleo y químicos antiincrustantes [32,36]. Estos contaminantes pueden resultar en el
enriquecimiento de nutrientes y la eutrofización, aumentando el estrés para la vida acuática, una disminución
en el nivel de oxígeno y la disponibilidad de luz para la vida acuática y la alteración de los hábitats.

2.2. Calidad del agua

El agua contaminada es dañina para los humanos y puede degradar las plantas y la vida acuática [
dieciséis,32,36]. Puede transportar microorganismos como bacterias, virus y patógenos. Según la OMS [
21,41] millones de personas mueren cada año debido a enfermedades transmitidas por el agua. La
literatura indica que más microorganismos patógenos pueden emerger y propagarse a través del agua
en el futuro próximo [dieciséis]. Puede suceder debido al alto crecimiento de la población, la
magnificación agrícola, los cambios climáticos y el aumento de la migración. Otra razón por la que
pueden surgir estos microorganismos es su capacidad para desarrollar resistencia a los desinfectantes.
El agua obtenida de diferentes fuentes no es obligatoria para ser pura y libre de microbios
contagiosos. Por ejemplo, el agua dulce obtenida de algunas fuentes (p. ej., agua subterránea)
generalmente puede ser adecuada para aplicaciones domésticas. Sin embargo, podría no ser cierto para
otras fuentes, como el agua obtenida de estanques, lagos, ríos o lluvias. Por esta razón, es necesario
monitorear la calidad del agua de manera continua para prevenir oportunamente la propagación de
cualquier daño a los consumidores [19,32,47,48]. En general, la calidad del agua se define como: “La
idoneidad del agua para una aplicación particular (por ejemplo, potable), que se basa en sus
características físicas, químicas y biológicas” [20,31,32].
• Monitoreo de la calidad del agua: ¿El agua que sale del grifo de la cocina es buena o mala para
beber? Abordar esta consulta requiere que se realicen mediciones científicas especializadas en
muestras de agua objetivo para predecir su idoneidad. En general, la calidad del agua se monitorea
extrayendo un conjunto de parámetros característicos básicos (p. ej., oxígeno disuelto, turbidez y
salinidad) de una muestra y comparándolos con los estándares recomendados por la USEPA/OMS [
20,31,32]. Finalmente, la aceptación de la calidad del agua se logra de acuerdo con los estándares
de la OMS/USEPA para la aplicación en cuestión.
• Sistemas de monitoreo de calidad en línea: dichos sistemas primero recopilan datos sobre parámetros de
medición de calidad críticos (p. ej., físicos, químicos y microbianos) del agua objetivo mediante sensores.
Luego, estos sistemas analizan los datos adquiridos para detectar posibles desviaciones en los estándares
de calidad del agua. En caso de que se detecte alguna anomalía, estos sistemas pueden generar una
alerta temprana a los consumidores/autoridad. Estos sistemas también pueden sugerir medidas
correctivas para corregir los problemas detectados, si los hubiere [20,32]. Además, también pueden
predecir tendencias futuras en la calidad del agua utilizando técnicas de aprendizaje automático (ML).

2.2.1. Índice de calidad del agua (ICA)

Muchas partes interesadas, como la OMS/USEPA, trabajan continuamente en el desarrollo de pautas y
estándares relacionados con la calidad del agua. Aunque la lista de parámetros de monitoreo de la calidad del
agua (WQM) es muy grande [dieciséis], generalmente se utiliza un conjunto limitado de parámetros
significativos de WQM para monitorear la calidad del agua [19,31,35,49,50]. Sobre la base de dichos parámetros,
un índice de calidad del agua genera un número único que expresa la calidad general del agua adquirida de
una localidad objetivo en un momento específico. El objetivo principal de WQI es transformar datos complicados
sobre la calidad del agua en alguna forma comprensible de información.
Agua2021,13, 1729 7 de 37

WQI ha sido controvertido entre los investigadores, lo que parece un poco lógico porque un solo
número puede no representar la imagen completa de la calidad del agua. Esto se debe a que una gran
cantidad de parámetros WQM generalmente se ignoran al calcularlos. En un sentido más amplio,
básicamente ofrece una idea general sobre la calidad general del agua. En particular, la OMS
generalmente recomienda tres índices comunes [18]:
1. Índice de calidad del agua potable (DWQI): involucra todas las pautas recomendadas por la OMS,
incluidos los microbios.
2. Índice de calidad del agua para la salud (HWQI): involucra parámetros de medición de calidad relacionados
con la salud y microbianos.
3. Índice de aceptabilidad de la calidad del agua (AWQI): involucra parámetros de medición de calidad
necesarios solo para la aceptabilidad.

En resumen, HWQI involucra parámetros que pueden tener efectos adversos en la salud humana. Está
más preocupado por la percepción de los consumidores sobre la calidad del agua. Su objetivo principal es
evaluar parámetros relacionados con el sabor y el olor del agua. En particular, es un índice relevante, que
involucra tanto a AWQI como a HWQI. Tenga en cuenta que estos índices solo brindan una imagen general de la
calidad del agua, sin garantía de si es buena o mala para una aplicación en particular [dieciséis].

2.2.2. Parámetros comunes de WQI para agua doméstica

Las comunidades que viven en todo el mundo utilizan diferentes conjuntos de parámetros WQM
recomendados por la USEPA y la OMS para calcular el WQI del agua potable [19,32]. El siguiente texto
destaca algunos parámetros WQI comúnmente utilizados por los métodos tradicionales de laboratorio al
medir la calidad del agua [19–21]:
• Coliformes totales (TC): incluye bacterias generalmente presentes en el suelo, desechos animales y
humanos, etc. Los coliformes fecales pertenecen a la clase de TC, que generalmente se encuentran en las
heces y los intestinos de humanos y animales. Los métodos de filtración por membrana, número más
probable, fermentación en tubos múltiples y ONPG medio mínimo se usan comúnmente para medir TC.
Su unidad es el número de organismos/100 mL (mililitro). Las bacterias coliformes suelen ser inofensivas
para los humanos, pero su presencia es una señal de patógenos causantes de enfermedades. Los
síntomas comúnmente observados incluyen síntomas generales de tipo gripal (p. ej., calambres
abdominales, fiebre y diarrea) y molestias gastrointestinales.
• Coliformes fecales (FC): Es un subgrupo de los coliformes totales. Su miembro más común es
Escherichia coli (E-Coli). Estas son bacterias que existen en los desechos y los intestinos de
humanos y animales de sangre fría y caliente. Los FC no son patógenos por sí mismos, pero su
presencia significa que pueden existir otros organismos patógenos. La filtración por membrana, el
número más probable, la fermentación en múltiples tubos y el medio mínimo ONPG son métodos
comunes para medir FC. Su unidad de medida es el número de organismos por 100 mL.

• Sólidos disueltos totales (TDS): Representa restos de sólidos solubles tanto orgánicos como
inorgánicos presentes en el agua como cationes de magnesio, calcio, sodio, potasio, etc. Está
altamente correlacionado con la salinidad porque el agua se vuelve salina si supera un
umbral mínimo . Sus principales fuentes incluyen pesticidas, tratamiento de aguas
residuales, fertilizantes, agua de inundación, etc. El método gravimétrico generalmente se
usa para medirlo en mg/L.
• Sólidos suspendidos totales (TSS): Representa la cantidad de restos de materia tanto orgánica como
inorgánica suspendida en el agua. Se correlaciona con la absorción de luz en el agua. Un aumento en TSS
puede resultar en una mayor absorción de luz, lo que permitirá que el agua absorba menos oxígeno. Esta
ley puede tener efectos adversos sobre la vida acuática. Generalmente se utiliza el esquema gravimétrico
para medirlo en mg/L.
Agua2021,13, 1729 8 de 37

• Sólidos totales (TS): Representa la cantidad total de sólidos disueltos y suspendidos en el agua. En
general, los sólidos disueltos son azufre, calcio, fósforo, nitrato, hierro, etc. Los sólidos en
suspensión pueden incluir partículas de limo y arcilla, plancton, algas, etc. Afecta la claridad del
agua y su exceso puede disminuir el paso de la luz solar a través del agua, lo que a su vez afecta el
proceso de fotosíntesis de las plantas acuáticas. Debido a este acto, el agua se calentará y retendrá
más calor, lo que puede tener efectos adversos en la vida acuática. La alta concentración de TS
puede hacer que el agua potable sea relativamente indigerible, lo que puede afectar a los
humanos. Además, una TS extremadamente baja o alta también puede afectar la eficiencia de los
procesos industriales que utilizan tales plantas de tratamiento de agua cruda y aguas residuales. Se
mide usando un esquema gravimétrico en mg/L. Las principales fuentes de TS son los desechos
municipales e industriales,
• Dureza total (TH): Determina la idoneidad del agua para aplicaciones domésticas o industriales. Es
la concentración de magnesio y calcio presente en el agua. Generalmente se mide usando un
método de titulación con una solución de EDTA. La dureza se expresa en términos de cantidad
equivalente de carbonato de calcio (CaCO3) en mg/L o partes por millón (PPM). El agua dura para
los humanos no es dañina, sino que puede ser beneficiosa porque puede satisfacer las necesidades
dietéticas de minerales básicos como el magnesio y el calcio. El principal inconveniente del agua
dura es la formación de carbonato de calcio cuando se calienta. El calentamiento deja depósitos en
los elementos calefactores y las tuberías, por lo que su eficiencia decae.

• Oxígeno disuelto (OD): Representa la solubilidad del oxígeno en agua. El oxígeno en el agua
generalmente se produce durante el proceso de fotosíntesis o se absorbe de la atmósfera. Desempeña
un papel esencial para la vida acuática. Su acceso en el agua potable es bueno porque hace que su sabor
sea relativamente mejor, pero puede corroer las tuberías de agua. Además, es muy importante para la
vida acuática. Por ejemplo, cuando su nivel cae por debajo de 5 mg/L, la vida acuática sufre estrés.
Generalmente se utiliza un medidor eléctrico o un esquema de titulación de Winkler para medirlo.

• Conductividad eléctrica (CE): Representa la capacidad del agua para conducir la corriente eléctrica.
Aunque no está involucrado directamente, ayuda a medir el contenido iónico del agua. Este aspecto
se utiliza para medir la alcalinidad, la dureza y algunos sólidos disueltos en el agua. Se utilizan
métodos eléctricos específicos para medirlo.
• Cloruro (Cl): Está naturalmente disponible en el agua y se mide a través del método de titulación en
mg/L (es decir, miligramos por litro). Es posible que su exceso no dañe a los humanos, pero el
sabor del agua puede volverse más salado si supera un umbral mínimo, digamos 250 mg/L.
Además, el exceso de Cl puede ser perjudicial para las actividades agrícolas. Aumenta la
conductividad eléctrica del agua, por lo que aumenta la corrosividad. En tuberías metálicas,
reacciona con iones metálicos por lo que se forman sales solubles. Este acto también eleva el nivel
de metales en el agua.
• Temperatura (T): Afecta la química del agua. A mayor temperatura, la velocidad de las reacciones químicas
aumenta, por ejemplo, más minerales de las rocas que rodean el agua, especialmente las aguas
subterráneas, pueden disolverse a mayor temperatura. Debido a este acto, la conductividad eléctrica
aumentará. Tiene un gran efecto sobre la vida acuática porque afecta el oxígeno disuelto y las tasas de
transferencia de gases. A menudo se mide en Celsius.
• Turbidez (Turb): representa la turbidez o turbidez del agua, que es causada principalmente por
partículas en suspensión invisibles a nuestros ojos, por ejemplo, materia orgánica e inorgánica fina,
arcilla y limo, algas o compuestos orgánicos solubles coloreados [51]. Su unidad es la Unidad
Nefelométrica de Turbidez (NTU), la cual se mide mediante Nefelómetro o Turbidímetro.
Desempeña un papel importante en la calidad general del agua. Una mayor turbidez puede causar
mayores riesgos en los seres humanos de desarrollar enfermedades gastrointestinales. Además,
un aumento en la turbidez significa menos luz para la fotosíntesis, por lo que la vida acuática puede
verse afectada. Puede aumentar la temperatura del agua porque las partículas suspendidas
pueden absorber más calor.
Agua2021,13, 1729 9 de 37

• Potencial de hidrógeno (pH): El agua con pH de 7 se considera neutra. Sin embargo, un valor de 0 a
6 indica acidez, mientras que un rango de 8 a 14 significa alcalinidad. El agua con valores de pH de
6,5 a 8,5 generalmente es segura para el consumo humano [dieciséis]. Se mide mediante
electrodos de pH y electrometría. El agua ácida es naturalmente corrosiva y blanda. Beber agua
ácida puede causar enfermedades graves, por ejemplo, diarrea, enfermedad renal, vómitos y
enfermedad hepática. Además, también puede filtrar metales de accesorios y tuberías, por lo que
pueden ocurrir problemas estéticos, por ejemplo, manchas en la ropa. Beber agua alcalina también
puede causar enfermedades graves, por ejemplo, problemas gastrointestinales. Puede crear
problemas estéticos como que el café tenga un sabor amargo. Además, puede causar depósitos en
la plomería y degradar la eficiencia del calentador de agua eléctrico, elementos de calefacción en la
industria, etc.
• Potencial de reducción de oxidación (ORP): También se conoce como REDOX. Es la medida de la
capacidad de una sustancia para reducir u oxidar otra sustancia. En general, un medidor de ORP se
usa para medir ORP en milivoltios (mV). Una lectura positiva significa que la sustancia es oxidante
(es decir, aceptora de electrones), mientras que una lectura negativa significa que es reductora (es
decir, donadora de electrones). Para matar patógenos y bacterias no deseados en el agua,
generalmente se agrega cloro que tiene un alto ORP. La oxidación atraerá electrones de las
membranas celulares, el ADN de las bacterias y las proteínas. Además, el oxígeno también tiene un
alto ORP por lo que puede desinfectar el agua.
• Cloro total (T-Cl): Representa la suma de cloro libre y combinado. Los niveles de T-Cl
deben medirse con precisión. Es necesario identificar la cantidad de soluciones
apropiadas que deben agregarse al agua para mantener los niveles residuales de cloro
libre. Numerosos municipios agregan intencionalmente cloro al agua para ayudar a
matar microorganismos dañinos (por ejemplo, virus y bacterias) que podrían
enfermarnos si se ingieren.
• Cloro libre (F-Cl):También se le conoce como cloro residual libre, cloro residual o cloro residual.
Indica el nivel de potabilidad del agua. Es la cantidad de cloro residual (RC) presente en el agua
como gas disuelto (Cl2), ion hipoclorito (OCl−), y/o ácido hipocloroso (HOCl). Un kit de prueba capaz
de medir el Cl libre mostrará la cantidad total de Cl2, OCL−y HOCL. Su unidad es mg/L.
Generalmente se utiliza para desinfectar aguas contaminadas. F-Cl en el agua se prueba a través de
kits de prueba de piscina, colorímetros digitales o kits de prueba de rueda de color. Su presencia en
el agua significa que el agua está protegida contra la recontaminación durante el almacenamiento
y libre de la mayoría de los patógenos causantes de enfermedades.
• Cloro combinado (C-Cl):También se conoce como cloraminas. Representa cloro residual en el
agua, que se combina químicamente con amoníaco o aminas orgánicas que generalmente se
encuentran en cuerpos de agua contaminados o naturales. A veces, el amoníaco se agrega
deliberadamente al suministro público de agua a través de un proceso de cloraminación. Cuando el
Cl libre entra en contacto con diferentes contaminantes, se transforma en C-Cl (cloraminas), que es
menos capaz de desinfectar el agua. Las cloraminas pueden irritar las membranas mucosas, causar
ojos rojos y escozor en los ojos, irritar los sistemas respiratorios y reducir el poder desinfectante
del Cl libre.
Como se muestra en la Tabla2, la mayoría de los parámetros WQI tienen una fuerte correlación
entre sí. Por ejemplo, el DO disminuye con el aumento de la temperatura y viceversa. ORP da una
indicación de FC [48]. Del mismo modo, una mayor turbidez significa un mayor nivel de TSS [35].

2.2.3. Límites de seguridad del agua potable de la OMS/USEPA

Los parámetros WQM comúnmente utilizados en IoT-WQMS contemporáneo incluyen EC, pH, Turb, ORP,
Free-Cl, RC, TDS, T, DO, sodio, fluoruro, manganeso, dureza de magnesio, dureza de calcio y sulfuro de
hidrógeno [20]. Mesa3muestra los límites de umbral de estos parámetros, que son recomendados por la OMS/
USEPA para el agua potable. Para conocer los valores óptimos y los efectos correspondientes, los
desarrolladores deben consultar la explicación detallada en [dieciséis,17]. Por seguridad, se recomienda a los
investigadores y otras partes interesadas que se adhieran estrictamente a las pautas de seguridad del agua
potable de la OMS/USEPA.
Agua2021,13, 1729 10 de 37

Tabla 3.Parámetros WQM límites seguros para agua potable.

Parámetro Comentarios Límites seguros Unidad

Es la capacidad de una solución acuosa para permitir la corriente eléctrica. Generalmente se utiliza
CE 300~800 µS/cm
para medir la salinidad en el agua.
pH pH =−registro[H+]; concentración efectiva de iones de hidrógeno. Sólidos 6,5~8,5 pH
turba suspendidos en el agua, que interfieren con la transmisión de la luz. 1,0~5,0 UNT
Redox Indica la capacidad de aceptar o liberar electrones a través de una reacción química. Es 650~700 mV
Cl libre responsable de clorar los microbios en el agua. 0,2~5,0 miligramos por litro

El cloro residual es la cantidad de cloro que queda en el agua después

RC 2,0~3,0 miligramos por litro
de la cloración.
TDS Es la cantidad de materiales orgánicos e inorgánicos. 600~1000 miligramos por litro

T Tiene alta correlación con DO y pH. 10◦~22◦ C

HACER Cantidad de oxígeno disuelto en agua. 5,0~6,0 miligramos por litro

Sodio Un mineral común que existe en forma de sal (cloruro de sodio). 30~60 miligramos por litro

4o2
Cuando el flúor reacciona con minerales en el suelo/rocas, se
Fluoruro (secundario miligramos por litro
desarrolla sal de fluoruro.
estándar)
Manganeso Este mineral existe en rocas/suelo. <0.1 miligramos por litro

Esta es la cantidad de la sal de magnesio. Afecta el sabor del agua y puede dejar
Magnesio- Dureza 50~100 miligramos por litro
depósitos en los elementos calefactores, etc.
Calcio-dureza Es una cantidad de sal de calcio y puede degradar el rendimiento de los detergentes, etc. Se forma 75~100 miligramos por litro

Sulfuro de hidrógeno cuando las bacterias reductoras de azufre y sulfato reaccionan en el agua. 0,05~0,1 miligramos por litro

2.3. Sensores WQM

Un sensor puede detectar eventos o cambios en su entorno y transferir la información
adquirida a otros dispositivos electrónicos como microprocesadores integrados.52]. Los sensores
WQM son capaces de detectar propiedades químicas, físicas y biológicas del agua. Se sabe que
WQI contiene alrededor de 100 parámetros relacionados con la calidad del agua [18]. Entre estos
parámetros, la OMS/USEPA recomienda un pequeño conjunto de parámetros para determinar la
calidad del agua potable [19–21,32]. Esto es lógico porque es imposible que el mercado comercial
ofrezca sensores contra cada parámetro. Afortunadamente, la mayoría de los parámetros WQM
tienen una alta correlación entre ellos (Tabla4) [18,19,32].

Tabla 4.Sensores WQM para IoT-WQMS.

Modelo de sensor Parámetros Vendedor Comentarios

WQ101 [53] T agua mundial Una marca Xylem; Electrónica totalmente encapsulada.
WQ401 [53] HACER agua mundial Una marca Xylem; Electrónica totalmente encapsulada.
WQ600 [53] Redox agua mundial Una marca Xylem; Electrónica totalmente encapsulada.
WQ730 y WQ720 [53] turba agua mundial Una marca Xylem; Electrónica totalmente encapsulada.
WQ-COND [53] CE agua mundial Una marca Xylem; Electrónica totalmente encapsulada.
Sensor de pH WQ201 [53] Sensor pH agua mundial Una marca Xylem; Electrónica totalmente encapsulada.
de cloro libre FC80 [54] Cl libre Fierce-Electrónica Producto de Dispositivos Electro-Químicos.
Sonda multiparámetro. Aplica fluorescencia para
Sensor de agua Proteus para la detección en
E. coli Libelio monitorear DQO, DBO, TOC y coliformes totales (y
tiempo real de la bacteria E.coli [55]
sus variaciones) en tiempo real.

Según esta lógica, los parámetros WQM comúnmente utilizados en IoT-WQMS son turbidez (Turb),
pH, Cl libre, potencial de reducción de oxidación, oxígeno disuelto, conductividad eléctrica, temperatura
(T) y E-Coli. Mesa4detalla algunos sensores WQM recomendados para estos parámetros, que están
disponibles en el mercado. Además de los sensores individuales, también existen en el mercado módulos
de sensores multiparamétricos [20,21].

3. Sistemas de Monitoreo de la Calidad del Agua

Esta sección presenta una descripción general de las técnicas de monitoreo del agua, desde el monitoreo tradicional
hasta el WSN y el monitoreo inteligente.
Agua2021,13, 1729 11 de 37

3.1. Evolución de los esquemas de monitoreo de la calidad del agua

Como se mencionó anteriormente, mantener la calidad del agua en un nivel recomendado es una
gran demanda para los humanos. En este contexto, los humanos han estado ideando numerosos
esquemas de monitoreo de la calidad del agua, que se destacan en el siguiente texto.

3.1.1. Monitoreo tradicional de la calidad del agua

En la mayoría de los países en desarrollo, la calidad del agua aún se monitorea utilizando métodos
tradicionales de laboratorio [19,21]. Comprende los siguientes pasos:
• Recolección manual de muestras de una fuente de agua (p. ej., un lago);
• Transporte de muestras al laboratorio en cuestión;
• Realizar análisis para detectar contaminación y microbios, si los hubiere;
• Predicción de la calidad general del agua en contexto con WQI.

Aunque los esquemas tradicionales todavía son dominantes en muchos países en desarrollo, tienen algunas
limitaciones: (i) generalmente se requieren equipos/herramientas/aparatos especializados y personal experto para
evaluar la calidad del agua, (ii) los resultados pueden perderse/intercambiarse con informes de otras muestras debido a
errores humanos, (iii) el equipo puede ser obsoleto, (iv) desarrollar una instalación de última generación y su
mantenimiento posterior es costoso, (v) falta de predicción de tendencias futuras y retroalimentación en tiempo real,
(vi ) las propiedades del agua pueden desviarse debido a retrasos en el transporte de muestras y (vii), finalmente,
también pueden ocurrir errores de manipulación de datos (por ejemplo, errores de redondeo). Lo que es más
importante, las demoras más prolongadas en la generación de informes sobre la calidad del agua pueden ser
desastrosas si las personas continúan usando agua patógena. Por ejemplo, el análisis microbiológico puede tardar de
24 a 48 horas en cuantificar las bacterias coliformes fecales [21,41]. En caso de demoras mayores en la obtención de
informes, el consumo de agua contaminada puede provocar la pérdida de seres humanos.

3.1.2. Monitoreo tradicional mejorado de la calidad del agua

Con los avances en la tecnología de sensores, las técnicas tradicionales de medición de la calidad del agua
mejoraron ligeramente. En dichos sistemas, el personal experto comenzó a medir algunos parámetros del agua en el
sitio utilizando sensores portátiles [20]. Aunque este acto mejoró relativamente los métodos tradicionales, la mayoría de
los problemas mencionados anteriormente aún estaban intactos. Por ejemplo, dichos esquemas aún no podían ofrecer
retroalimentación en tiempo real sobre la calidad del agua, la resolución espacial era limitada porque los datos aún se
recopilaban manualmente, los retrasos en el transporte, etc. [19–21].

3.1.3. Monitoreo de la calidad del agua basado en WSN

Con nuevos avances en sensores portátiles, comunicaciones y tecnologías informáticas,

los investigadores se acercaron al uso de la tecnología WSN.
En resumen, los sistemas de monitoreo de la calidad del agua basados en WSN [19,33] funcionan de la siguiente
manera: en primer lugar, un dispositivo integrado basado en un microprocesador (también llamado nodo) lee
propiedades específicas del agua mediante sensores portátiles (p. ej., pH) instalados en el sitio. Luego, procesa los datos
adquiridos localmente si es necesario. Después de eso, transfiere datos a una estación principal (p. ej., una
computadora servidor) utilizando un medio de comunicación inalámbrico (p. ej., ZigBee, Wi-Fi y LoRaWAN), donde luego
se llevan a cabo todos los procesamientos y análisis requeridos. Finalmente, los resultados se actualizan y se envían
comentarios a los consumidores relevantes y/o a las autoridades del agua si es necesario.

3.1.4. Monitoreo de la calidad del agua basado en técnicas de aprendizaje automático (ML) y WSN
Aunque WSN resolvió en gran medida algunos problemas de los sistemas anteriores, estos sistemas heredan
limitaciones, por ejemplo, altos requisitos de energía, seguridad comprometida, baja velocidad de comunicación,
problemas de almacenamiento, altos costos de instalación/mantenimiento, etc. Paralelamente, los investigadores
también utilizaron técnicas de aprendizaje automático para evaluar el agua. calidad utilizando una pequeña cantidad de
parámetros WQM y predecir tendencias futuras [19,25,56,57]. Sin duda, este acto mejoró en gran medida la eficiencia
de los sistemas WSN, pero la mayoría de los problemas antes mencionados aún estaban sin resolver, como el costo de
la infraestructura, la resolución espacial, etc.
Agua2021,13, 1729 12 de 37

3.1.5. Monitoreo inteligente de la calidad del agua

Finalmente, los investigadores recurrieron a la aplicación de la tecnología IoT. Con IoT, el agua se puede
monitorear en tiempo real desde cualquier lugar del mundo utilizando una combinación de sensores portátiles,
dispositivos informáticos digitales, medios de comunicación (p. ej., protocolos TCP/IP) y servicios de Internet [58,
59]. El monitoreo de la calidad del agua basado en IoT también se conoce como monitoreo inteligente de la
calidad del agua [60–67]. Estos sistemas se han implementado para monitorear la calidad del agua para
aplicaciones domésticas [21,68], agua utilizada en la agricultura [69–71] y acuicultura [72–75], reciclaje de
residuos municipales [70], etc. Además, estos sistemas monitorean la calidad del agua en los lagos [76–80], ríos
[81], etc. En contraste con los sistemas de monitoreo de agua anteriores, IoT-WQMS resolvió estéticamente
muchos problemas. El siguiente texto destaca sus principales contribuciones:

• Bajo costo: esta tecnología utiliza la infraestructura de comunicación existente

comercialmente disponible; por lo tanto, se reduce el costo total de desarrollar un IoT-WQMS.
• Mayor resolución espacial: dado que la columna vertebral de la tecnología IoT es Internet,
idealmente no debería haber limitaciones espaciales.
• Bajo costo computacional: la carga computacional pesada generalmente se transfiere a servidores en la
nube, por ejemplo, Ubidots IoT-Platform [82]. Debido a este acto, los desarrolladores pueden usar
cualquier nodo ordinario basado en un procesador (por ejemplo, el kit NodeMCU (ESP8266)) en lugar de
un dispositivo informático de alta tecnología, como Raspberry Pi 4 Model-B, DE1 SoC FPGA, etc. [52].
• Requerimientos de energía bajos: después de cambiar la carga computacional pesada al servidor en la nube, los
nodos locales deben realizar tareas pequeñas y permanecer principalmente en modo de suspensión. Debido a
este acto, una pequeña batería podría operar fácilmente los nodos de Sensor en áreas remotas.
• Suministro de comentarios en tiempo real: estos sistemas pueden proporcionar fácilmente comentarios en tiempo real tanto a los

usuarios finales como a la autoridad de agua pertinente a través de un SMS, correo electrónico, Twitter, Facebook, etc.

• Calidad del agua mejorada: los desarrolladores pueden integrar fácilmente herramientas analíticas (p. ej.,
técnicas de ML) en un servidor en la nube para inferir algunos parámetros de WQM en función de los valores
medidos de los parámetros de WQM mediante sensores. Además, las tendencias futuras del agua también
podrían predecirse utilizando técnicas de ML [82].

3.2. Un modelo típico de IoT-WQMS

Un IoT-WQMS típico comprende cuatro módulos básicos (Figura2):
• Módulo de capa de sensores (SLM);
• Módulo de puerta de enlace (GWM);
• Módulo de servicios en la nube (CSM);
• Módulo de interfaz de usuario (UIM).

Figura 2.Modelo IoT-WQMS de alto nivel.

Agua2021,13, 1729 13 de 37

Estos módulos se detallan explícitamente en el siguiente texto.

• SLM: Desempeña un papel fundamental en la eficiencia general de un IoT-WQMS. Es porque todos los
demás módulos posteriores dependen en gran medida de su salida. Por lo tanto, cualquier mal
funcionamiento (p. ej., bioincrustaciones de sensores) en este módulo puede generar informes inexactos
sobre la calidad del agua [20]. La bioincrustación (llamada contaminación biológica) es la acumulación no
deseada de microorganismos (p. ej., algas) en la superficie de los sensores sumergidos en agua. En
general, un SLM típico consta de tres submódulos: módulo de sensores (SLM-SM), módulo digital (SLM-
DM) y módulo de comunicación (SLM-CM). Brevemente, SLM-SM primero lee datos de sensores WQM (p.
ej., Ph). A continuación, SLM-DM procesa los datos, actualiza las pantallas locales, si las hay, y las
transfiere al SLM-CM que transfiere los datos a un servidor en la nube de destino (p. ej., Ubidots IoT-
Platform [82]) a través de un enrutador Wi-Fi local o un módem GSM/GPRS. Tenga en cuenta que muchos
kits comerciales ofrecen módulos SLM-SM, SLM-DM y SLM-CM integrados en la misma placa de circuito
impreso (p. ej., Arduino Nano 33-IoT). De lo contrario, también se puede conectar un escudo de
comunicación (por ejemplo, módulo transceptor ESP8266 o escudo SIM900 GPRS/GSM habilitado para
DTMF) en otro kit electrónico basado en microprocesador (por ejemplo, Arduino Uno) si se desea.

• GWM: Como SLM se encarga de transferir los datos a un GWM, es decir, a un gateway local. Una puerta de enlace
permite la comunicación entre un dispositivo a la nube, dispositivo a dispositivo o red a red. Aunque puede ser
costoso, pero para un rendimiento óptimo y una seguridad sólida, se recomienda a los desarrolladores que
utilicen puertas de enlace IoT desarrolladas recientemente [83]. Estas puertas de enlace son capaces de realizar
numerosas funciones críticas, por ejemplo, traducción de protocolos, conectividad de dispositivos, seguridad,
actualización, administración, filtrado y procesamiento de datos, etc. En caso de que una puerta de enlace local
no esté disponible, los desarrolladores también pueden usar un SIM900 habilitado para DTMF. Escudo GPRS/GSM
para transferir datos al servidor en la nube.
• CSM: proporciona un modelo flexible, eficiente y escalable para brindar los servicios y la infraestructura
necesarios para potenciar los dispositivos y aplicaciones habilitados para IoT [82]. En este sentido, muchos
servicios en la nube ya están disponibles en el mercado [82], por ejemplo, Blynk-, Adafruit- y Ubidots IoT-
Platforms. Con estas plataformas, los desarrolladores pueden almacenar, visualizar y analizar fácilmente los
datos de los sensores. Además, las cosas de IoT (por ejemplo, la bomba de agua) también se pueden acceder y
administrar de manera más cómoda. Los servidores en la nube son capaces de predecir tendencias futuras en la
calidad del agua y pueden informar a los usuarios finales a través de una alerta (p. ej., Twitter) en caso de que se
detecte alguna anomalía. En particular, la mayoría de estos servicios en la nube no son gratuitos y, por lo tanto,
los clientes deben pagar por las actividades comerciales, si corresponde.
• UIM: casi todas las plataformas IoT en la nube contemporáneas proporcionan una interfaz para los usuarios finales. Estas
plataformas pueden enviar mensajes a través de SMS, Facebook, Twitter, correo electrónico, etc. Además, estos
proveedores de servicios también facilitan a los usuarios finales a través de sus aplicaciones móviles, que se pueden
instalar fácilmente en un teléfono inteligente. Por ejemplo, con la aplicación en la nube Arduino IoT [84] Al instalarse en un
teléfono inteligente, los usuarios finales pueden conectarse, administrar y controlar rápidamente sus propias cosas de IoT
(por ejemplo, un sensor) desde cualquier lugar del mundo.

4. Revisión de IoT-WQMS para agua doméstica

Esta sección proporciona una revisión del trabajo contemporáneo sobre IoT-WQMS para agua doméstica. La
metodología de investigación fue la siguiente: Primero, los autores descargaron un conjunto de 140 artículos utilizando
el motor de búsqueda Google Chrome, los sitios web de revistas individuales, IEEE Xplore y otras fuentes. En esta
preocupación, se usaron diferentes frases y palabras clave para fines de búsqueda, por ejemplo, monitoreo de agua
basado en IoT, sistemas de monitoreo de calidad del agua basados en IoT, revisión de calidad del agua, encuesta de
fugas de agua, revisión de fugas de agua, encuesta de calidad del agua, sistemas inteligentes de monitoreo de agua ,
sistemas de monitoreo de la calidad del agua basados en Internet de las cosas, monitoreo de la calidad del agua
doméstica basado en Internet de las cosas, etc.
A continuación, los autores inspeccionaron manualmente estos artículos uno por uno. Se observó que se
desarrollaron 9 artículos sobre informes generales, 11 sobre detección de fugas en tuberías, 10 sobre gestión
del agua (por ejemplo, lectura automática de medidores, generación de facturas y monitoreo de redes de agua),
5 sobre monitoreo de niveles de inundación, 18 sobre monitoreo de nivel de agua en tanques, 15 sobre
agricultura y acuicultura, 14 sobre bomba de agua autocontrolable, 17 sobre control de agua en
Agua2021,13, 1729 14 de 37

ciudades inteligentes, 10 artículos de revisión/encuesta sobre calidad del agua y detección de fugas, y el resto
se centró en el control de la calidad del agua doméstica.
Como se detalla en la sección de Introducción, los autores han adquirido un conjunto de 10 documentos
de encuesta/revisión sobre el monitoreo del agua, pero casi todos no se centraron en el monitoreo inteligente
de la calidad del agua doméstica. Además, los artículos que se publicaban sobre el control de la calidad del agua
doméstica se filtraron aún más para identificar solo aquellos artículos que fueron citados continuamente por
trabajos contemporáneos. En este sentido, se excluyeron de esta encuesta algunos artículos de conferencias y
revistas de menor rango. Finalmente, los autores decidieron considerar solo 20 artículos (3 documentos de
conferencias y 17 artículos de revistas) en este estudio.
Como se destaca en la Sección2.2.2OMS/USEPA sugirió tres tipos de índices de calidad del agua, es
decir, DWQI, AWQI y HWQI. En general, estos índices contienen muchos parámetros relacionados con la
calidad del agua. En los métodos tradicionales de laboratorio, generalmente se utilizan muchos de estos
parámetros al monitorear la calidad del agua. Sin embargo, puede que no sea factible para IoT-WQMS,
porque actualmente no hay muchos sensores WQM disponibles. Como se destaca en la Tabla2, muchos
parámetros WQM tienen una alta correlación entre ellos. Por lo tanto, para beneficiarse de este hecho, la
mayoría de los investigadores [32,35,48,68] acordaron usar los parámetros WQM más destacados en
IoT-WQMS para agua doméstica. Estos parámetros son los siguientes:
• Potencial de hidrógeno (pH);
• Turbiedad (Turb);
• Temperatura (T);
• Reducción del potencial de oxidación (OPR);
• Conductividad eléctrica.
Algunos parámetros WQM relevantes también podrían inferirse en función de los valores medidos
de estos cinco parámetros utilizando esquemas ML. Por ejemplo, el ORP tiene una fuerte correlación con
el poder desinfectante del cloro libre o cualquier otro químico reductor/oxidante [85]. La medición de
ORP es empírica, precisa y no necesita interpretación del usuario. Además, la concentración de cloro libre
se puede inferir en función de los valores medidos de pH, T y ORP [48]. De manera similar, la cantidad de
oxígeno disuelto en el agua puede deducirse de su propiedad de correlación con T [86]. Del mismo
modo, los sólidos suspendidos totales (TSS) y los sólidos disueltos totales en agua podrían inferirse del
valor medido de turbidez [35]. De manera similar, la CE podría utilizarse para inferir estimaciones de
alcalinidad, dureza y algunos sólidos disueltos en el agua. Con base en los parámetros de WQM y las
herramientas analíticas (p. ej., técnicas de ML), los autores proponen la siguiente rúbrica empírica:

λ= (2X0+ 2X1+ 2.5X2+X3+X4) +1.5 (1)

dóndeλrepresenta la calificación general de un IoT-WQMS contemporáneo. los simbolosX0, X1,X2,X3,X4, y

αrepresentan herramientas de pH, Turb, ORP, T, EC y ML, respectivamente. Estas son variables binarias,
es decir, el valor de una variable se establece en uno si el parámetro correspondiente está involucrado
en IoT-WQMS o en cero. Dado que la literatura actual no revela ninguna regla de Thump para ratificar
IoT-WQMS contemporáneo, los autores asignaron pesos a las variables utilizadas en la Ecuación (1)
empíricamente, lo que se basa completamente en su importancia. Parece conveniente porque todos los
parámetros WQM no contribuyen por igual al calcular la calidad del agua. Por ejemplo, la turbidez (o TSS/
TDS) y el pH se pueden sentir al observar el aspecto del agua a través de un vaso y/o al beber. También
asignamos un peso más alto al ORP, porque no se podía sentir cuando los humanos bebían agua que
contenía microorganismos patógenos. En comparación con T y EC, asignamos mayor peso a porque las
técnicas de ML son capaces de inferir otros parámetros importantes (p. ej., OD, bacterias coliformes y
salinidad) en función de los valores medidos de algunos parámetros de WQM. Sin duda, es posible una
mayor mejora/modificación en esta rúbrica, que estamos planeando investigar en un trabajo futuro. El
siguiente texto presenta un estudio exhaustivo del trabajo contemporáneo que se está publicando sobre
IoT-WQMS para agua doméstica.
Agua2021,13, 1729 15 de 37

Ahmed et al. [19] publicaron su trabajo sobre el monitoreo del agua. En la primera parte, los
autores presentan una revisión exhaustiva de los esquemas tradicionales de monitoreo de la calidad del
agua en laboratorio y basados en WSN. Sin embargo, su segunda parte proponía un IoT-WQMS para
agua doméstica. Este sistema comprende cuatro módulos básicos: (i) detección, (ii) coordinador, (iii)
procesamiento y análisis de datos, y (iv) almacenamiento y análisis central. Los autores reclamaron el
uso de cuatro sensores (Figura3), pero el módulo de detección solo muestra el pH, la turbidez y la
temperatura, por lo que el sensor para TSS no se encuentra en el diagrama. En el módulo coordinador,
un kit Arduino recopila datos de los sensores y los transfiere a una PC en el sitio a través de un
dispositivo ZigBee. Para ambos módulos, los autores no proporcionaron ninguna especificación de
hardware (por ejemplo, modelo). El tercer módulo toma datos del módulo coordinador y los almacena
localmente en la base de datos MySql.
Debido a la gran disponibilidad de datos, se filtraron y analizaron datos para extraer información
útil y explorar tendencias ocultas. Finalmente, el cuarto módulo preprocesa los datos recibidos y
transfiere los datos útiles a un servidor en la nube a través de los servicios web REST. Este módulo aplica
varios esquemas de ML (p. ej., agrupamiento de ANN y K-means) para analizar datos y determinar una
aplicación adecuada del agua, p. ej., potable. También reclamaron un panel de aplicaciones que se está
desarrollando en la nube. Los usuarios finales pueden ver la calidad del agua a través de una PC de
escritorio y/o un teléfono inteligente. Para resumir, su primera parte es muy informativa y tiene aportes,
pero la segunda solo está compilada a nivel abstracto. Por ejemplo, el sistema propuesto no ha sido
validado experimentalmente. Además, no proporcionaron detalles técnicos sobre los sensores (por
ejemplo, modelo, rango y proveedor). Debido a estas deficiencias, la segunda parte puede no ser útil
para la comunidad pertinente. Mesa5muestra un resumen de este enfoque.

Figura 3.IoT-WQMS propuesto en [19].

Gita y Goutami [32] publicó su trabajo sobre el monitoreo inteligente de la calidad del agua en tiempo
real. En la primera parte, ofrecieron una revisión de los esquemas de monitoreo de agua basados en IoT. En la
segunda parte, propusieron un IoT-WQMS para monitorear la calidad del agua doméstica en la tubería. Este
sistema está enfocado a monitorear el pH, la temperatura, la turbidez y la conductividad eléctrica. Además,
también monitorearon el nivel de agua en un tanque de agua. Para el pH, utilizaron un medidor de pH tres en
uno (no se proporcionan detalles técnicos). Para la conductividad, el sensor utilizado fue YL-69. No se
especifican los modelos para otros sensores. En particular, los autores no
Agua2021,13, 1729 16 de 37

utilice cualquier técnica de aprendizaje automático para mejorar la previsibilidad de la calidad del agua. Las decisiones se basan
exclusivamente en valores de umbral preestablecidos de estos parámetros de acuerdo con los estándares de la OMS.
En resumen, este sistema funciona de la siguiente manera: Primero, el Launchpad Wi-Fi TI CC3200 lee los
sensores a través de su módulo ADC de 12 bits. Esta tarjeta se basa en una potente MCU de 32 bits (es decir,
núcleo ARM Cortex M4) con un módulo Wi-Fi incorporado. Es una opción adecuada para el acondicionamiento,
procesamiento, registro y transferencia de datos de señales analógicas a la nube. Su programación se realiza en
el IDE de ENERGIA. A continuación, procesa datos y actualiza una pantalla LCD local. Luego, envía datos a un
enrutador Wi-Fi local a través de su módulo Wi-Fi incorporado. Finalmente, un enrutador Wi-Fi local transfiere
datos a la plataforma Ubidots IoT [87], donde los autores habían desarrollado un tablero. Ubidots es un servicio
excelente, pero ofrece recursos limitados de forma gratuita y los desarrolladores deben pagar una tarifa por las
actividades comerciales [82]. En el servidor de Ubidots, los datos de los sensores se comparan con los valores de
umbral preestablecidos. Si algún parámetro WQM se ha desviado de su rango nominal, se envía un SMS al
teléfono del usuario final.
Este sistema está validado sobre muestras de agua contaminadas manualmente con sal y suelo. Se
discuten los resultados experimentales. Aunque el uso de pocos parámetros WQM sin técnicas de aprendizaje
automático no es suficiente para predecir correctamente la calidad del agua, sigue siendo una mejor opción, ya
que puede evitar beber agua que contiene un alto nivel de suciedad, acidez, alcalinidad, salinidad, etc. Una
desventaja principal de este sistema radica en su sensor de conductividad, es decir, YL-69 (Figura4). Las tiras
metálicas desnudas de este sensor tienen conexión directa con el agua mientras miden la conductividad. Está
bien por poco tiempo, pero estos metales pueden corroerse si permanecen sumergidos por más tiempo. Un
problema similar también existe en la Ref. [88].

Figura 4.Un sensor YL-69 típico, con las piezas necesarias [32].

Damor y Sharma [24] publicó un artículo sobre el sistema de monitoreo de agua basado en IoT. Su
primera parte ofrece una revisión, pero la segunda parte propone un IoT-WQMS. Solo se consideraron el
pH y la turbidez. Además, los autores también usaron un sensor ultrasónico (HCSR04) para monitorear el
nivel de agua en un tanque elevado y controlar la bomba de agua automáticamente. El uso de dos
parámetros WQM no cumple con el requisito mínimo de los estándares de agua potable de la OMS/
USEPA [19,21]. No se utilizaron técnicas de aprendizaje automático para inferir otros parámetros de
WQM y tomar una decisión general relativamente mejor.
Los autores han utilizado el kit Arduino Uno como interfaz frontal. Esta tarjeta se centra en
ATmega328 (MCU de 8 bits), que es relativamente rica en periféricos (p. ej., ADC, memoria, E/S digital,
I2C y SPI) generalmente necesarios para el acondicionamiento, procesamiento y registro de señales
analógicas. Primero, este dispositivo lee sensores a través de su módulo ADC de 10 bits. Los datos se
procesan localmente para extraer información útil. A continuación, transfiere los datos en serie a una
NodeMCU. Esta tarjeta se basa en ESP8266 SoC, que es producido por Espressif Systems. ESP8266 es
Agua2021,13, 1729 17 de 37

un microchip Wi-Fi de bajo costo, que tiene una pila completa de TCP/IP y una poderosa MCU de 32 bits. Luego,
NodeMCU transfiere datos a ThingSpeak IoT-Platform a través de un enrutador Wi-Fi local. El servicio
ThingSpeak es gratuito solo para recursos limitados y los desarrolladores deben pagar si se requieren
actividades comerciales [82]. En ThingSpeak, los autores desarrollaron un tablero para la presentación visual de
los datos de los sensores y el nivel del agua en el tanque objetivo. Los usuarios finales pueden verificar la
calidad del agua y su nivel en los tanques respectivos a través de la aplicación ThingSpeak.
Para resumir, los autores presentaron este artículo bastante mal. No proporcionan especificaciones
técnicas sobre los sensores (por ejemplo, modelo). Los resultados experimentales no se discutieron. Un
inconveniente principal de este sistema es el uso conjunto de Arduino Uno y NodeMCU. Dado que NodeMCU se
basa en ESP8266 SoC, que tiene todos los periféricos (p. ej., unidad ADC, E/S digital, temporizadores/contadores,
memoria, CPU de 32 bits y módulo Wi-Fi), por lo tanto, solo es suficiente para el acondicionamiento de señales
analógicas. , procesamiento, registro y transferencia de datos al servidor en la nube. Aunque NodeMCU tiene
solo un módulo ADC, los diseñadores podrían usar un chip de multiplexación digital simple para utilizar este
módulo para muchas entradas analógicas.
Simitha y Subodh [86] publicó su trabajo sobre el sistema de monitoreo de la calidad del agua
basado en IoT/WSN para ciudades inteligentes. Como se muestra en la Tabla5, este sistema
consideró pH, turbidez, temperatura y oxígeno disuelto. En lugar de utilizar un sensor para
calcular el oxígeno disuelto, los autores utilizaron una tabla que mostraba la correlación de la
temperatura con el oxígeno disuelto. Los autores utilizaron DS18B20 para medir la temperatura
del agua. Es un sensor de temperatura a prueba de agua con módulo ADC incorporado de 12 bits e
interfaz de comunicación digital de un solo cable. Para el pH, utilizaron un módulo completo
(Modelo: E201-C-9). Este kit tiene un conector BNC, una sonda de pH y los circuitos necesarios para
el acondicionamiento de la señal de pH. La salida de tales sensores es generalmente sensible a los
cambios de temperatura. El kit corrige automáticamente este problema utilizando la salida de
DS18B20. No se proporcionan detalles técnicos (p. ej., modelo) para el sensor de turbidez. La
simulación del circuito se realizó en Proteus IDE.
Brevemente, el sistema funciona de la siguiente manera: primero, el kit Arduino Uno lee los datos de los sensores, los acondiciona si aún no lo

está, procesa los datos, actualiza una pantalla LCD local para los usuarios finales y transfiere los datos a un transmisor LoRa (es decir, SX1278 Ra-02

LoRa) a través de su interfaz periférica en serie (SPI). A continuación, el transmisor LoRa transfiere datos de forma inalámbrica a un receptor LoRa

conectado con un kit Wi-Fi ESP32. El módulo LoRa se basa en el protocolo LoRaWAN, que es una tecnología de comunicación inalámbrica de red de área

amplia de baja potencia (LPWAN). Debido a la tecnología LoRa, la distancia entre los sensores y los módulos de comunicación puede ser de 3 a 8 km

(para áreas urbanas y rurales, respectivamente), que es mucho mejor que ZigBee, WiMAX, Wi-Fi, Bluetooth, etc. El mismo chip LoRa puede ser utilizado

como transmisor y receptor. Todos los parámetros de datos recibidos se actualizan en la consola de monitor serie de Arduino IDE. Luego, el kit ESP32

accede a un enrutador Wi-Fi local para transferir datos a la plataforma ThingSpeak IoT con fines visuales. ThingSpeak tiene comunicación con una tarjeta

Raspberry Pi equipada con una pantalla local. Parece que la tarjeta Raspberry Pi y la pantalla local se han utilizado para la sala de control, pero los

autores no mencionaron nada sobre este misterio. Los usuarios pueden verificar la calidad del agua a través de sus teléfonos inteligentes. Para resumir,

la presentación general del artículo es justa. Su rendimiento puede mejorarse si además se incorporan técnicas de ML. Parece que la tarjeta Raspberry Pi

y la pantalla local se han utilizado para la sala de control, pero los autores no mencionaron nada sobre este misterio. Los usuarios pueden verificar la

calidad del agua a través de sus teléfonos inteligentes. Para resumir, la presentación general del artículo es justa. Su rendimiento puede mejorarse si

además se incorporan técnicas de ML. Parece que la tarjeta Raspberry Pi y la pantalla local se han utilizado para la sala de control, pero los autores no

mencionaron nada sobre este misterio. Los usuarios pueden verificar la calidad del agua a través de sus teléfonos inteligentes. Para resumir, la

presentación general del artículo es justa. Su rendimiento puede mejorarse si además se incorporan técnicas de ML.

Abraham et al. [89] publicó una solución basada en IoT de bajo costo para medir la turbidez del
agua doméstica en tanques equipados con filtros de agua. En este estudio, los autores desarrollaron
una unidad de detección de luz autóctona para medir la turbidez. Para los experimentos, utilizaron una
combinación de un LDR (es decir, una resistencia dependiente de la luz) y un LED (es decir, un diodo
emisor de luz) fijado dentro de una tubería de PVC (cloruro de polivinilo). Registraron lecturas de
turbidez para dos posiciones únicas: 180◦y 90◦entre LDR y LED. La señal de salida medida (voltaje) del
circuito diseñado versus TSS en la muestra de agua objetivo se analizó y graficó en dos configuraciones:
(i) en oscuridad total y (ii) en presencia de luz ambiental. Además, los autores también realizaron un
análisis comparativo para la unidad de detección diseñada sumergida en agua estancada y agua que
fluye en la tubería.
Agua2021,13, 1729 18 de 37

Los sistemas completos de monitoreo de turbidez basados en IoT funcionan de la siguiente manera: el
sensor es leído por la placa Arduino Intel Galileo Gen 2, que se basa en una MCU de 32 bits. A continuación,
envía datos a un módulo transceptor Wi-Fi ESP826 conectado a una ranura mini-PCI de una placa Galileo, que
transfiere datos a ThingSpeak IoT-Platform a través de un enrutador Wi-Fi local. El transceptor Wi-Fi ESP826
tiene protocolos TCP/IP integrados, que está personalizado para soluciones de redes Wi-Fi con dos pines de E/S
digitales de uso general solamente. Los datos en la nube se registran y todas las pantallas visuales se
actualizan. Si la turbidez se encuentra por encima de un valor de umbral preestablecido, entonces el motor se
enciende para hacer fluir el agua desde el tanque en cuestión a una unidad de filtro conectada para fines de
rectificación. El agua de la unidad de filtrado vuelve a fluir al mismo tanque y los sensores de turbidez se
vuelven a leer. Si la turbidez sigue siendo alta, entonces el motor se mantiene encendido. De lo contrario, el
motor se apaga automáticamente. De esta forma, el depósito de agua se limpia automáticamente.
La programación y simulaciones de este sistema se realizaron en Arduino IDE. Los resultados se detallan
explícitamente. En promedio, esta es una buena idea para el monitoreo automático de la turbidez en tanques
de agua equipados con una unidad de filtro. Sin embargo, algunas limitaciones de este sistema incluyen su
pobre protección contra conductores conductores de LDR/LED (Figura5) o cableado no protegido de los efectos
ambientales, por ejemplo, el agua alcalina puede corroer los metales cuando entra en contacto directamente.
Debido a este hecho, la eficiencia de los sensores puede degradarse si se sumergen en agua o se exponen a la
humedad durante más tiempo. Además, la superficie de LDR/LED también podría contaminarse con agua
debido a que las capacidades de emisión/aceptación de luz de estos componentes podrían verse afectadas. Por
último, la unidad del sensor de turbidez necesita una fuente de alimentación estable; de lo contrario, cualquier
fluctuación en el voltaje de suministro puede afectar la eficiencia de esta unidad.

(a) (b)
Figura 5.(a) Unidad de turbidez propuesta para el escenario 1 (180◦); (b) Unidad de turbidez propuesta para el escenario 2 (90◦) en [89].

Carminati et al. [90] publicó una solución basada en IoT para monitorear la estabilidad química y biológica
en los sistemas de suministro de agua (Figura6). Además de medir pH, temperatura, presión (PR), conductividad
eléctrica y caudal (FR) (Tabla5) los autores enfatizaron el monitoreo de los depósitos de limo en la superficie
interna de las tuberías. El limo (relacionado con la turbidez) puede deteriorar la calidad del agua y provocar la
bioincrustación de los sensores. En este estudio, desarrollaron una unidad de detección compuesta por algunos
sensores convencionales y un sensor de diseño personalizado (basado en la impedancia) para monitorear el
ensuciamiento de la superficie interna de las tuberías. Además, también es capaz de estimar el espesor del lodo
y encontrar su origen correspondiente.
Agua2021,13, 1729 19 de 37

Figura 6.Circuito principal del sistema propuesto en [90].

Todos los sensores están técnicamente detallados, junto con los métodos de calibración. En particular, los
autores explicaron todos los circuitos, componentes electrónicos, dispositivos de comunicación, generación de
energía a través de una unidad de turbina y dispositivos informáticos en detalles explícitos. La edición y
simulación de este sistema se realizó en Arduino IDE. En resumen, toda la arquitectura del sistema es la
siguiente: para energizar todo el circuito, la energía se genera a partir del agua que fluye en la tubería utilizando
tecnología de turbina; Los componentes principales de esta parte son una batería de plomo-ácido sellada (6 V,
1200 mAh), ATmega328 (MCU de 8 bits), un chip de detección de corriente (MAX4373), LCD y una corriente
directa/corriente directa (DC /CC) convertidor.
Los sensores son leídos por la placa principal centrada alrededor de ATmega2560 (MCU de 8 bits).
Para la comunicación entre diferentes módulos y/o unidades, utilizaron un dispositivo LoRaWAN (mDot
de Multitech) y un módem GSM (M10 de Quectel). Los datos a través del módem GSM se transfieren a
ThingSpeak IoT-Platform para su análisis, detección de anomalías y generación de mensajes de alerta
para los usuarios finales si se detecta alguna falla. Tenga en cuenta que un módem GSM generalmente
acepta una tarjeta SIM y funciona como un teléfono celular ordinario para proporcionar un enlace de
datos a una red remota. Para los usuarios finales, utilizan la aplicación ThingSpeak instalada en un
teléfono inteligente. El sistema fue probado y validado en laboratorio y campo. Aunque este sistema no
cumple con los requisitos mínimos de los estándares de agua potable de la OMS, tiene otros logros
significativos. Por ejemplo, propuso una unidad de detección eficaz para controlar los depósitos de limo
en la superficie interna de las tuberías de suministro de agua. Además, también destacó una noción
viable de utilizar una turbina para producir energía eléctrica.
Manoharan et al. [35] presentó un sistema analizador de calidad de agua basado en tecnología IoT. En
este estudio, intentaron monitorear el pH, la turbidez, la temperatura y la conductividad eléctrica. Los sensores
no se especificaron técnicamente, excepto el sensor de temperatura (DS18B20). Como se muestra en la figura7,
excepto DS18B20, que está interconectado con Arduino Uno, todos los demás sensores van acompañados de
sus propios kits de acondicionamiento de señal. La programación se realizó en lenguaje C, probablemente en
Arduino IDE. El sistema general funciona de la siguiente manera: primero, Arduino Uno lee los datos de los
sensores, los procesa y actualiza los resultados en una pantalla LCD local para los usuarios. A continuación,
transfiere datos al transceptor Wi-Fi ESP8266 a través de su comunicación en serie
Agua2021,13, 1729 20 de 37

interfaz. Después de eso, ESP8266 transfiere datos a ThingSpeak IoT-Platform a través de un punto de acceso Wi-Fi
local. En un servidor en la nube, los datos se almacenan y los gráficos se actualizan.
En caso de detectar alguna anomalía envía una alerta a la autoridad correspondiente. Este sistema ha
sido validado en muestras de agua recolectadas de ríos, lagos y estanques. Este artículo también se presenta en
un nivel abstracto y no se proporcionan detalles en profundidad sobre la configuración experimental. Además,
no se implementan algoritmos de aprendizaje automático para mejorar la eficiencia del sistema. Una limitación
importante de este sistema radica en su sensor de conductividad eléctrica cuyas capas de metal (Figura4) no
están protegidos contra la corrosión por agua contaminada.

Figura 7.Imagen del sistema propuesto en [35].

Chowdury et al. [57] presentó una solución basada en IoT para monitorear la calidad del agua. Este
estudio tenía como objetivo monitorear continuamente la calidad del agua del río utilizando un híbrido
de tecnología WSN e IoT, con bajo consumo de energía y gastos mínimos. Consideraron el pH, la
turbidez, la temperatura y el potencial de reducción de la oxidación en la experimentación. Excepto el
sensor de temperatura (DS18B20), técnicamente no se especifican otros sensores. Además, los autores
no especificaron el uso de IDE para la codificación, las pruebas y la simulación. Se utilizaron técnicas de
análisis de big data para mejorar la previsibilidad de la calidad del agua y revelar tendencias futuras.
Aunque este artículo está mal redactado, su flujo principal se puede inferir de sus diagramas, texto y/o
imágenes.
El sistema se compone de múltiples nodos que se instalan en diferentes lugares a lo largo de
un río. Para cada nodo, Arduino Mega2560 lee los datos de los sensores, los procesa y actualiza
una pantalla LCD local. A continuación, los datos se transfieren en serie al módulo Wi-Fi ESP8266.
Este módulo lo transfiere a una PC remota a través de un enrutador Wi-Fi local. En la PC remota,
los datos recopilados se muestran en un formato visual utilizando el análisis de transmisión de
chispa a través de Spark MLlib, el sistema basado en reglas de creencias (BRB) y los modelos de
redes neuronales de aprendizaje profundo. Además, los datos también se comparan con los
estándares recomendados por la OMS. Si se detecta alguna anomalía, se envía una alerta por SMS
a la autoridad correspondiente. Para resumir, este artículo ha intentado utilizar inteligencia
artificial (IA) para mejorar la decisión del sistema sobre la calidad del agua. Sin embargo,
Rao et al. [91] presentó una solución basada en IoT para monitorear el nivel y la calidad del agua en
tanques elevados. Su objetivo principal era recargar automáticamente los tanques en áreas remotas y verificar
continuamente la calidad del agua. Si el agua está sucia, se debe informar a la autoridad correspondiente a
través de un teléfono inteligente para limpiar los tanques; Se accede a la información de ubicación a través de
Google Maps. Para medir la calidad del agua, los autores consideraron solo el pH y la turbidez. El nivel de agua
en el tanque se controla a través de HC-SR04. Los modelos de sensores de turbidez y pH no se especifican, pero
sus especificaciones técnicas se tabulan adecuadamente.
Agua2021,13, 1729 21 de 37

En resumen, este sistema funciona de la siguiente manera: primero, un kit Raspberry Pi lee los datos de los
sensores. Como se indicó anteriormente, los kits de Raspberry Pi son poderosas minicomputadoras enriquecidas con
periféricos (por ejemplo, ADC/DAC, memoria, puertos de E/S, Wi-Fi y temporizadores/contadores). Luego, procesa los
datos de los sensores y los transfiere a un enrutador Wi-Fi local para cargarlos en ThingSpeak IoT-Platform. En la nube,
los datos se registran, los gráficos se actualizan y el nivel y la calidad del agua se verifican de acuerdo con los valores de
umbral preestablecidos. Si el nivel del agua se encuentra por encima o por debajo de un umbral específico, se envía una
alerta a los clientes que pueden controlar el estado de conmutación del motor a través de su teléfono inteligente.
Además, si se encuentra turbidez por encima de un umbral preestablecido, significa que el agua del tanque se ensució
debido a lodo, hojas secas, etc. Para limpiar el tanque, a la autoridad correspondiente también se le envía la ubicación
del tanque a través de Google Maps. Este artículo no está bien documentado, por ejemplo, faltan datos técnicos, idioma
e IDE no especificado. En promedio, este sistema se puede usar de manera segura solo para fines de limpieza de
tanques, pero para la calidad del agua, dos parámetros no se consideran suficientes según los estándares de la OMS
para el agua potable.
Imran et al. [92] presentó una solución basada en IoT para monitorear el nivel y la calidad del agua en
tanques elevados, en particular para oficinas y hogares. En este estudio, los autores monitorearon el pH del
agua solamente, lo cual no es suficiente para predecir la calidad general del agua. Además, también intentaron
monitorear el nivel de agua en el tanque y las fugas de Gas Licuado de Petróleo (GLP), si las hubiera. Los
autores no proporcionaron ninguna especificación técnica sobre los sensores, excepto el sensor de GLP
(Modelo: MQ-6). Además, los autores no detallaron su configuración experimental. Este sistema funciona de la
siguiente manera: primero, un kit electrónico centrado en una MCU de 8 bits (PIC16F877 desarrollado por
Microchip Inc.) lee los datos de los sensores. Después de procesar los datos y actualizar una pantalla LCD local,
utiliza el módem SIM900 GPRS que lo acompaña para transferir datos a un servidor en la nube. Los usuarios
finales pueden usar teléfonos inteligentes para monitorear sus tanques de agua. La presentación general del
artículo es deficiente. Por ejemplo, en el resumen, los autores también afirman monitorear la turbidez y el
oxígeno disuelto, pero en los resultados y el diagrama, solo se muestran el pH y MQ-6. Debido a la menor
cantidad de parámetros WQM, este sistema no cumple con los estándares mínimos de la OMS (Tabla5).

Gowthamy et al. [64] presentó una solución basada en IoT de bajo costo para monitorear la calidad, el
nivel y la cantidad de agua en los tanques elevados. Solo se consideró el pH y la turbidez para monitorear la
calidad del agua. Además, también utilizaron una combinación de sensor ultrasónico y un sensor de flujo para
controlar el nivel y la cantidad de agua en los tanques, respectivamente. No se proporcionan las
especificaciones técnicas de los sensores. Todo el sistema se basa en un transceptor Wi-Fi Arduino Uno y
ESP8266. La programación, prueba y simulación de este sistema se realizaron en Arduino IDE. No se utilizaron
métodos de aprendizaje automático para una mejor toma de decisiones. En resumen, este sistema funciona de
la siguiente manera: el Arduino Uno lee sensores, realiza un procesamiento local y transfiere datos a un
servidor en la nube (no especificado) a través de ESP8266 y un enrutador Wi-Fi local. El servidor en la nube se
utiliza para almacenar datos, visualizar datos de sensores, y enviar una alerta a los usuarios finales a través de
un teléfono inteligente en caso de que se detecte alguna anomalía. En resumen, este sistema no está bien
desarrollado y debe consultarse si solo se desea el llenado automático del tanque y/o la limpieza. Para medir la
calidad del agua potable, no es adecuado.
Priya et al. [68] publicó un sistema en tiempo real para monitorear la calidad del agua y detectar contaminaciones
en el sistema de distribución de agua, que se utiliza para suministrar agua desde un tanque principal a los
consumidores. En esta preocupación, los autores consideraron el pH, la turbidez, la temperatura, el potencial de
oxidación-reducción y la conductividad eléctrica. Las especificaciones de los sensores se detallan detalladamente, pero
no los modelos. La arquitectura principal de este sistema (Figura8) consta de tres partes principales: (i) unidad de
control de la calidad del agua, (ii) unidad central de procesamiento y (iii) unidad de notificación para la oficina de
administración.
En resumen, este sistema funciona de la siguiente manera: el agua del tanque principal se controla a través de
una válvula solenoide automática, que es supervisada por un servidor en la nube. Una vez que la válvula está abierta, el
agua fluye simultáneamente en todas las tuberías hacia las casas de los clientes. Los módulos de sensores están
integrados en cada tubería de la calle. Para cada calle, los datos de los sensores relevantes son leídos por una placa
basada en MCU Atmega328. Todos los nodos de la misma calle podrían compartir datos entre sí. Los datos a la unidad
central de procesamiento (servidor) se transfieren a través de un dispositivo ZigBee. Tenga en cuenta que el dispositivo
ZigBee se basa en IEEE 802.15.4. Este dispositivo se utiliza generalmente para
Agua2021,13, 1729 22 de 37

comunicación bidireccional entre un sistema de control y un sensor. Al igual que Wi-Fi/Bluetooth, ZigBee tiene
comunicación de corto alcance con conectividad de hasta 100 m (metros). Luego, el servidor procesa los datos
de los sensores utilizando lógica difusa para clasificarlos como aceptables, rechazados o deseables. En caso de
detectarse alguna anomalía, se procede a bloquear el suministro de agua a la calle afectada a través de una
electroválvula, y se informa de este acto a los usuarios finales ya la autoridad. El servidor está interconectado
con Internet a través de un módulo ethernet. Esta unidad también envía alertas a la unidad de notificación para
uso administrativo. Los usuarios finales y/o la autoridad correspondiente también pueden verificar la calidad del
agua a través de teléfonos inteligentes. El informe de calidad del agua también se envía/muestra a los usuarios
finales con su número de casa. Aunque este documento está muy centrado en el concepto WSN y utiliza
Internet solo para aplicaciones de teléfonos inteligentes,

Figura 8.Arquitectura del sistema propuesto en [68]. (a) Unidad de vigilancia de la calidad del agua. (b) Unidad Central de procesamiento. (C)
Unidad de notificación para oficina de administración.

Thiyagarajan et al. [93] presentó una solución basada en IoT para monitorear la calidad del agua en tanques
residenciales. Este sistema involucró pH y TDS. No se proporcionan las especificaciones de los sensores. En resumen,
este sistema funciona de la siguiente manera: primero, Arduino Uno lee los datos de los sensores. Transfiere datos en
serie a la tarjeta Raspberry Pi3. Esta tarjeta implementa el algoritmo de agrupamiento K-means para clasificar el agua
objetivo como agua de limón, salada, turbia, del grifo o potable. Estas diferentes clases se utilizaron para entrenar un
algoritmo establecido. Raspberry Pi3 transfiere datos a una PC de escritorio, que los transfiere a un servidor en la nube
a través de un puerto ethernet. Los usuarios finales pueden acceder a la nube a través de un teléfono inteligente para
comprobar la calidad del agua.
En particular, este documento no está bien documentado, por ejemplo, los autores no especificaron el
IDE y los lenguajes que se utilizan en la experimentación. Además, no cumple con los requisitos mínimos de
agua potable de la OMS; los autores implementaron técnicas de ML para compensar esta deficiencia hasta
cierto punto. Sin embargo, una limitación importante de este sistema es la implicación
Agua2021,13, 1729 23 de 37

de dos dispositivos de procesamiento. Arduino Uno se basa en MCU ATmega328 de 8 bits, mientras que
la tarjeta Raspberry Pi3 se centra en una potente CPU de 64 bits. ATmega328 tiene un módulo ADC
incorporado, mientras que la tarjeta Raspberry Pi3 no tiene esta función. Sin embargo, para minimizar
costos, un módulo ADC económico se puede interconectar fácilmente con Raspberry Pi3.
Daigavane y Gaikwad [94] presentó una solución basada en IoT para monitorear la calidad y el flujo del
agua. En este estudio, los autores consideraron la temperatura, la turbidez y el pH. Los autores informaron a
todos los sensores, pero no proporcionaron sus números de modelo, excepto DS18B20. Los sensores de
turbidez y pH van acompañados de sus circuitos de acondicionamiento de señal. La MCU ATmega328, la
pantalla LCD, los circuitos de la fuente de alimentación, etc., están montados en una sola placa de circuito
impreso (PCB). Toda la codificación, las pruebas y las simulaciones se realizaron en Arduino IDE. El sistema no
fue validado en campo. En resumen, este sistema funciona de la siguiente manera: primero, la tarjeta basada
en Arduino Uno lee los datos de los sensores, los procesa, actualiza una pantalla LCD local y transfiere los datos
al transceptor Wi-Fi ESP8266. El ESP8266, a través de un enrutador Wi-Fi local, actualiza el tablero desarrollado
en Blynk IoT-Platform. Los usuarios finales autorizados pueden verificar la calidad del agua a través de
teléfonos inteligentes. El documento no ofrece detalles en profundidad sobre las especificaciones técnicas.
Además, los autores tampoco involucraron ningún algoritmo de aprendizaje automático para mejorar la fase
de toma de decisiones sobre la calidad del agua. Debido a la menor cantidad de parámetros WQM, este sistema
no cumple con los requisitos mínimos establecidos por la OMS para el agua potable (Tabla5).
Prasad et al. [sesenta y cinco] publicó un sistema inteligente de monitoreo de la calidad del agua. Aunque
este sistema estaba destinado principalmente a los océanos, también se ha probado en agua del grifo. Este
proyecto se basa en los productos IoT de Libelium [95]. Los productos Libelium son una solución fiable y eficaz
para el control inteligente del agua en todo el mundo, por ejemplo, en el Golfo de Kachchh. En este proyecto,
los autores consideraron el pH, la temperatura, la conductividad eléctrica y el potencial de oxidación-reducción.
El sistema de Libelium contiene todos los elementos necesarios, como sensores, módulo GSM, MCU, etc. Estos
productos están altamente optimizados para operaciones de baja potencia. Tanto la nube como una PC local se
utilizan para el análisis analítico de datos. Para predecir mejor la calidad del agua, también se implementan
esquemas de ML. Este sistema fue probado en agua superficial, agua de mar, agua de arroyo contaminada y
agua del grifo. En experimentos, el sistema propuesto adquirió lecturas de muestras de agua a intervalos de
una hora (h), durante un período de 12 h.
En resumen, todo el sistema funciona de la siguiente manera: los sensores son leídos primero por la placa
Waspmote MCU a través de su módulo ADC incorporado. A continuación, los datos se envían tanto a la PC local como a
un servidor en la nube a través del módulo GSM. Este sistema también tiene la capacidad de almacenar datos
localmente en una tarjeta digital segura. El análisis se realizó en una máquina local y servicios en la nube. Para resumir,
este trabajo muestra una exposición a los productos Waspmote, pero no ofrece ninguna explicación detallada de cómo
se analizan los datos utilizando los algoritmos de aprendizaje automático. Además, faltan las especificaciones técnicas
(p. ej., tipo de CPU/MCU) de los productos Libelium utilizados en este documento.

Pasika y Gandla [96] presentó un IoT-WQMS de bajo costo. En este sistema, los autores solo involucraron
el pH y la turbidez. Además, también monitorearon el nivel de agua en un tanque elevado y la temperatura y
humedad de la atmósfera a través de un sensor DHT-11. El sistema fue probado y simulado en Arduino IDE.
Todos los componentes del sistema están bien detallados, pero no se mencionaron modelos para algunos
sensores (p. ej., turbidez). En resumen, funciona de la siguiente manera: Arduino Mega2560 lee primero los
sensores. Después de procesar los datos de los sensores, envía los datos procesados en serie a NodeMCU, que
reenvía estos datos a ThingSpeak IoT-Platform a través de un enrutador Wi-Fi local. Luego, los datos se
procesan, analizan y visualizan en ThingSpeak, al que pueden acceder los usuarios finales autorizados a través
de teléfonos inteligentes. No se utilizaron esquemas de aprendizaje automático en este documento.

Para resumir, este artículo está bien preparado. Los resultados experimentales con instantáneas se
discutieron explícitamente. Debido a dos parámetros WQM, este sistema puede no ser adecuado de
acuerdo con el criterio mínimo de agua potable de la OMS. Como se muestra en la figura9, un gran
inconveniente de este sistema es la sobreexplotación de los recursos de hardware. Por ejemplo, tanto
Arduino Mega2560 como NodeMCU (8266) tienen MCU, ADC, memoria, pines de E/S digitales, módulos
ADC, etc.
Agua2021,13, 1729 24 de 37

Figura 9.Diagrama de bloques del sistema propuesto en [96].

Srivastava et al. [97] publicó un sistema basado en teléfonos inteligentes para monitorear la calidad del
agua con acceso a información de ubicación a través de la aplicación Google Maps. En este estudio, los autores
involucraron pH, TDS y temperatura. Otros parámetros WQM importantes, como ORP, EC y salinidad, se
infirieron a partir de los valores medidos de estos parámetros utilizando técnicas de modelado estadístico. Los
modelos de aprendizaje (p. ej., red neuronal artificial) se entrenaron en conjuntos de datos de pH y TDS y otros
parámetros medidos que se acaban de mencionar. En lugar de confiar en los kits electrónicos comerciales listos
para usar, los autores desarrollaron una unidad de interfaz frontal a partir de piezas estándar, como un sensor
de pH (LMP01200), un módulo Bluetooth HC-05, chips de memoria EEPROM y una MCU de 8 bits dedicada. Este
módulo es responsable de la lectura de sensores, el procesamiento local y el registro de datos. La interfaz entre
la plataforma IoT de Google-Firebase y la unidad frontal es un teléfono inteligente. En esta preocupación, los
autores desarrollaron una aplicación dedicada para realizar análisis en la nube.

Con base en técnicas de aprendizaje automático, los parámetros WQM medidos e inferidos se
convirtieron en un solo número WQI, que es fácil de interpretar para su comprensión. Además, la aplicación de
teléfono inteligente desarrollada también es capaz de calibrar automáticamente las partes sensibles para la
aplicación en el sitio. Los usuarios finales pueden recibir SMS, mensajes de WhatsApp y correos electrónicos. Los
resultados generales de este sistema son satisfactorios en comparación con el trabajo contemporáneo. Sin
embargo, un gran cuello de botella de este sistema puede ser el costo del producto si debe instalarse en
muchos puntos, por ejemplo, en una ciudad inteligente. Sin embargo, el costo general del sistema podría
minimizarse si se utiliza un módem SIM900 GSM/GPRS, en lugar de teléfonos inteligentes, para la transmisión
de datos entre el servidor en la nube y el módulo de sensores (Figura10).

Figura 10.Diagrama de bloques del sistema propuesto en [97].

Agua2021,13, 1729 25 de 37

Bahgat et al. [98] presentó una solución basada en IoT para monitorear la calidad del agua. En este
estudio, los autores monitorearon el pH, la turbidez, la temperatura y el dióxido de carbono (CO2)
gasolina. Todos los sensores se detallaron brevemente. El modelo de CO2El sensor es MQ135, pero no se
especifican modelos para otros sensores. MQ135 es capaz de detectar gases como NH3, benceno,
alcohol, humo y CO2en la superficie del agua. El sistema se centra en la tarjeta Arduino Pro Mini, que se
centra en ATmega328 (MCU de 8 bits) con numerosos periféricos en chip como ADC, PWM, memoria, I2C,
SPI, etc. Aunque es compatible con Arduino Uno, ha sido personalizado para productos de pequeño
tamaño.
Para la comunicación con la nube, utilizaron el transceptor Wi-Fi ESP8266. Para los servicios en la nube,
utilizaron Thinger.io, que es una plataforma IoT de código abierto que ofrece una cuenta freemium de por vida
a los clientes sin costo alguno. Con esta cuenta, los clientes con pocas limitaciones pueden comenzar a
aprender y crear prototipos de sus proyectos. Para actividades comerciales, se podría utilizar un servidor
premium con capacidades completas, pero no es gratuito. Los autores simularon y probaron todo el sistema en
Arduino IDE. Para la validación del sistema, se agregó gradualmente lodo a las muestras. Para los usuarios
finales, este sistema proporciona una interfaz de LCD, PC y teléfono inteligente. Para resumir, funciona de la
siguiente manera: Primero, Arduino Pro Mini lee los datos de los sensores. Después de algún procesamiento
local, actualiza los resultados en una pantalla LCD local. Después de eso, transfiere datos al transceptor Wi-Fi
ESP8266, que carga datos a Thinger. io a través de un enrutador Wi-Fi local. Luego, los datos de los sensores se
procesan, registran y las ayudas visuales se actualizan. El artículo está bien escrito, pero monitorear tres
parámetros WQM sin aprendizaje automático no es suficiente para predecir la calidad del agua con precisión.

Lambrou et al. [48] desarrolló una solución en tiempo real de bajo costo para monitorear la
contaminación en el sistema de distribución de agua potable. Sin duda, mantener la calidad del agua en dichos
sistemas es actualmente un gran problema para la mayoría de las autoridades de control del agua (por
ejemplo, municipales) en los países en desarrollo. Se debe principalmente a la disponibilidad de menos fondos,
falta de mano de obra, infraestructura obsoleta, etc. Los autores intentaron utilizar sensores comerciales, que
son relativamente baratos, fiables, duraderos y resistentes a los problemas de contaminación biológica hasta
cierto punto. Los principales parámetros incluidos son el pH, la temperatura, la turbidez, la conductividad
eléctrica y el potencial de reducción de oxidación (ORP). Para pH y ORP se utilizaron sensores convencionales de
tipo electrodo de vidrio. Para la turbidez, la conductividad eléctrica y la temperatura, utilizaron tecnología de
estado sólido. Los autores también idearon algunos algoritmos útiles para fusionar los datos de los sensores e
inferir resultados sobre la calidad general del agua. Estos algoritmos se prueban con diferentes
concentraciones de bacterias E-Coli y metales pesados como el arsénico (que es fatal para los humanos).
Los resultados experimentales son satisfactorios al detectar estas impurezas de alto impacto. Para la
evaluación de riesgos y la generación de alertas de alerta temprana, los autores desarrollaron dos algoritmos:
(i) algoritmo de vector de distancia (VDA) y (ii) algoritmo de área de polígono (PAA). Además, este sistema es
capaz de publicar resultados en un servidor en la nube e informar a los usuarios finales a través de un SMS,
correo electrónico, etc. El sistema general consta de (i) un nodo de medición central (kit basado en MCU PIC32),
(ii) un nodo de control (placa Raspberry Pi) y (iii) nodo de notificación (kit basado en PIC MCU). El nodo de
medición central recopila datos de sensores sumergidos en una tubería de agua.

Los sensores están equipados con sus propios kits electrónicos para amplificación de señal,
acondicionamiento, etc. Esta unidad evalúa la calidad del agua utilizando algunos algoritmos especializados y
transfiere datos a otros nodos a través de módulos USB y ZigBee. El nodo de control almacena los datos que se
reciben del nodo de medición central en una base de datos local. Transfiere datos a un enrutador Wi-Fi local a
través de su módulo ethernet. Los enrutadores Wi-Fi transfieren datos a un servicio web en la nube (código
abierto de Pachube) para el análisis analítico y la visualización. Además, envía alertas por correo electrónico y
SMS en caso de detectar alguna anomalía. Finalmente, el nodo de notificación, que recibe información del nodo
de medición central, proporciona alertas al consumidor a través de LED, LCD y un zumbador sobre el agua del
grifo cercana. Las principales contribuciones de este artículo son el desarrollo de un sensor de turbidez efectivo
y circuitos de acondicionamiento de señales analógicas para otros sensores. Para resumir, este artículo está
bien articulado en términos de detalles técnicos, resultados experimentales y discusión (Tabla5).
Agua2021,13, 1729 26 de 37

Cho-Zin et al. [99] presentó una solución basada en IoT para el monitoreo de la calidad del agua.
Los autores involucraron temperatura, pH, turbidez y CO2. Además, también monitorearon el nivel del
agua a través de un sensor LV-MAXSONAR-EZ1; es un sónar. Para temperatura, CO2, y turbidez, los
autores utilizaron sensores DS18B20, SKU: SEN0219 y SKE: SEN0189, respectivamente. Sin embargo, no
se especifica el modelo para el pH. Todo el sistema se implementa en el kit de desarrollo de FPGA DE1-
SoC (Figura11). Esta placa ofrece una plataforma de diseño de hardware flexible construida alrededor de
un FPGA System-on-Chip (SoC) de Altera. Brevemente, este SoC integra un sistema de procesador duro
(es decir, un microprocesador ARM cortex-A9 de doble núcleo, con una frecuencia de reloj de 800 MHz),
memoria e interfaces de periféricos anudados con un módulo FPGA a través de una red troncal de
interconexión de gran ancho de banda. Para la codificación y las simulaciones, los autores utilizaron
Altera Quartus-II IDE. La unidad de control para leer sensores y comunicarse con el transceptor ZigBee
se implementó en tejido FPGA utilizando el procesador de núcleo blando Nios-II disponible en Quartus-II
Qsys Tools. El código C que se ejecuta sobre la CPU Nios-II y los códigos VHDL se utilizaron para ejecutar
la unidad de control. Se programó código para procesar parámetros WQM y comandos de los módulos
transceptores inalámbricos en Nios-II Eclipse a través de lenguajes C y VHDL. Para la visualización de
datos, Los autores instalaron el paquete Grafana en una PC de escritorio, con sistema operativo Linux.
Además, las conexiones de pines para todos los sensores y dispositivos se detallan explícitamente. Para
el acondicionamiento de señales analógicas, se utiliza un módulo ADC integrado. Para la comunicación
inalámbrica entre una PC remota y esta placa, los autores utilizaron el módulo ZigBee PRO S1. Este es un
módulo de radiofrecuencia, que puede proporcionar una comunicación robusta en las configuraciones
peer-to-peer, punto a punto y multipunto/estrella.

Figura 11.Kit de desarrollo DE1-SoC (vista superior) [99].

Después de alimentar este sistema, se instaló en la orilla de un lago para monitorear la calidad del agua,
donde se recolectaron datos durante un período de 15 días. Los datos fueron transferidos por una placa FPGA a
una PC remota equipada con un módulo receptor ZigBee y ubicada a 86 m del lago. Los datos se procesaron,
almacenaron y analizaron para visualizar tendencias probables en la calidad del agua. Los autores no
discutieron el uso de esquemas de ML para mejorar la fase de toma de decisiones. Los resultados
experimentales que se ilustran en las ventanas de la consola LiCliplse son satisfactorios. En resumen, este
sistema no cumple con los estándares mínimos de agua potable de la OMS. Una limitación importante de este
diseño es el costo total de usar una costosa placa FPGA DE1-SoC. Esta tarjeta se utiliza para leer sensores y
transferir datos a una PC remota a través de un kit ZigBee externo únicamente. No hay duda, esta no es una
gran tarea a la que se deba asignar un SoC tan poderoso. Este desperdicio de recursos técnicos y el costo
general del sistema podrían optimizarse de la siguiente manera: en primer lugar, los desarrolladores deben
comprar un chip FPGA simple y grabar el archivo de flujo de bits de destino en su estructura a través de un
programador de chips. Después de eso, se puede montar en una PCB personalizada junto con un circuito
electrónico de soporte. En segundo lugar, se debe utilizar un módulo NodeMCU (EPS8266) o una tarjeta Arduino
Nano 33 IoT para realizar mejor esta tarea.
Agua2021,13, 1729 27 de 37

5. Discusión y Recomendaciones
Sección4proporcionó un estudio detallado de las soluciones contemporáneas basadas en IoT para el
monitoreo de la calidad del agua. En todos los artículos, los autores se enfocaron en crear sistemas que
deberían ser baratos, portátiles, de bajo consumo, habilitados para IoT, en tiempo real y que cumplan con los
estándares mínimos de agua potable de la OMS/USEPA. Irónicamente, muy pocos artículos cumplen con los
criterios. Figura12muestra la calificación general de cada artículo con base en la rúbrica empírica propuesta
dada en la Ecuación (1). Sólo tres artículos [48,68,97] satisface completamente este criterio, donde los autores
consideraron el criterio mínimo de agua potable y utilizaron el aprendizaje automático para mejorar el índice
general de calidad del agua. Los artículos restantes podrían mejorarse o utilizarse para otras aplicaciones, como
la limpieza de tanques de almacenamiento de agua.

Figura 12.Calificación de IoT-WQMS contemporáneo utilizando la rúbrica empírica propuesta.

Tabla 5.Comparación de IoT-WQMS contemporáneo.

WQM IoT-WQMS λ
(%)
Árbitro.
# Parámetros SLM GWM CSM UIM Comentarios

Nube vía
Kit Arduino Uno y kit ZigBee
Computadora de escritorio,
pH, turba, T Hardware no especificado
1 [19] Router de wifi REST-web teléfono inteligente,
y TSS
sesenta y cinco
adecuadamente
servicios y web
Tarjeta Launchpad wifi TI CC3200. Pocos parámetros WQM
pH, T, Turbina LCD locales,
2 [32] Módulo Wi-Fi incorporado de TI Router de wifi Ubidots 60 usó. El sensor YL-69 no
y CE. teléfonos inteligentes
CC3200 es una buena opción
Mal presentado y
Kit Arduino Uno y kit
3 [24] pH y turba Router de wifi cosahabla teléfono inteligente 40 el hardware no es
NodeMCU (ESP8266)
optimizado
puede ser más
MCU ATmega328, SX1278
pH, turba, T LCD, inteligente mejorado. Alguno
4 [86] Módulo Ra-02 LoRa y Router de wifi cosahabla 50
y hacer teléfono y computadora falta informacion
módulo Wi-Fi ESP32
tecnica
Placa Arduino Intel Galileo y
basado en la web La turbidez es monitoreada
5 [89] turba Wi-Fi ESP8266 Router de wifi cosahabla 20
control del motor solamente
módulo transceptor
Bien explicado, pero es
pH., T, CE, MCU ATmega2560 y G/M bueno para la baba.
6 [90] cosahabla teléfono inteligente 60
y limo dispositivo LoRaWAN Módem detección y energía
aplicaciones de crisis
Kit Arduino Uno R3 y
pH, turba, T LCD, inteligente
7 [35] módulo transceptor Wi-Fi Router de wifi cosahabla 60 mal presentado
y CE teléfono y computadora
ESP8266
Agua2021,13, 1729 28 de 37

Tabla 5.continuación

WQM IoT-WQMS λ
(%)
Árbitro.
# Parámetros SLM GWM CSM UIM Comentarios

Datos
agregador
kit arduino mega2560, LCD, inteligente
pH, turba, T servidor
8 [57] Módulo WiFi Arduino Router de wifi teléfono, y 90 Técnicamente pobre
y redox (Apache
Uno R3 y ESP8266
Hadoop
ordenador personal

grupo)
Kit Raspberry Pi y Bueno para la limpieza
9 [91] pH y turba Raspberry Pi (integrado Router de wifi cosahabla teléfono inteligente 40 de los tanques y
Wifi) llenado automático

PHP, Java
Placa basada en PIC16F877 y SIM900
Guion,
10 [92] solo pH módem SIM900 GPRS con placa GPRS teléfono inteligente 20 Técnicamente pobre
mysql y
basada en PIC16F877 módem
servidor web
Kit Arduino Uno y módulo basado en la nube
PC y
11 [64] pH y turba transceptor Wi-Fi ESP8266 Router de wifi servidor, no 40 Técnicamente pobre
teléfono inteligente
especificado
la nube es
teléfono inteligente,
pH, Turb, T, Basado en MCU Atmega328 ethernet usado para Técnicamente
12 [68] LCD, y 100
CE y ORP kits de placa y ZigBee módulo Aplicación movil bien escrito
altavoz
solamente

Sólo dos WQM

Tarjeta tipo Arduino Uno, basado en la nube
ethernet parámetros utilizados.
13 [93] pH y TDS Raspberry Pi 3 y servidor, no teléfono inteligente 55
módulo El hardware no es
Raspberry Pi 3 para PC especificado
optimizado
Kit Arduino Uno y módulo
pH, T y LCD y Tres WQM
14 [94] transceptor Wi-Fi ESP8266 Router de wifi Aplicación Blynk 50
turba teléfono inteligente parámetros utilizados

pH, redox, T Tarjeta Waspmote MCU y servidor en la nube, Bien, pero faltan
15 Módulo GSM 80
y CE algunos detalles útiles.
[sesenta y cinco] Computadora de escritorio
módulo GSM no especificado
cosahabla
Kit Arduino Mega2560 y kit necesidades de hardware
[96] pH y turba Router de wifi cosahabla aplicación para 40
NodeMCU (ESP8266)
dieciséis
mejoramiento
teléfono inteligente

pH, T, TDS;
CE, Salinidad Google WhatsApp, Bien explicado, pero no factible
MCU, pero no especificado y
17 [97] y ORP a través de teléfono inteligente base de fuego SMS, correo electrónico, 100 para una implementación a
Bluetooth
máquina Nube etc. gran escala debido al costo
aprendizaje
Tarjeta Arduino Pro Mini y LCD, ordenador, Bueno, pero solo tres
pH, turba, T
18 [98] módulo transceptor Wi-Fi Router de wifi Cosa.io e inteligente 50 WQM sin máquina
y CO2
ESP8266 teléfono esquemas de aprendizaje
Local Todos los circuitos, sensores,
Kit Raspberry Pi y
pH, T, Turb, IoT de Pachube notificación equipos y tecnicos
19 [48] módulos Ethernet; Router de wifi 100.
CE y ORP plataforma teléfono, parámetros
Módulo Zigbee 3G/GPRS
y computadora Bien explicado
pH, T, Turbina Kit de desarrollo DE1-SoC y necesidades de hardware
20 [99] No utilizado No utilizado 50
y CO2 ZigBee PRO S1 802.15.4
ordenador personal
mejoramiento

5.1. Cosas correctas en el lugar correcto

Después de investigar la arquitectura de IoT-WQMS contemporáneo, se observa que la

mayoría de estos sistemas no han sido consistentes en los parámetros técnicos. El siguiente texto
elabora este tema en detalles explícitos:
Parámetros WQM: Como se detalla en la Sección2, OMS/USEPA desarrollaron numerosas normas y
directrices para calcular el WQI de la muestra de agua. Aunque estos organismos recomendaron grandes listas
de dichos parámetros, las autoridades del agua involucradas (por ejemplo, municipales) generalmente
implementan un conjunto limitado de algunos parámetros útiles al calcular la calidad del agua [19,31,35,49,50].
Como se mencionó anteriormente, WQI es un número único que expresa la calidad general del agua adquirida
de una localidad objetivo, en un momento específico. Su objetivo principal es transformar datos complicados
sobre la calidad del agua en información útil y comprensible. En un sentido más amplio, WQI ofrece una idea
general sobre la calidad general del agua. Como se muestra en la Tabla2, la mayoría de los parámetros WQM
tienen una fuerte correlación entre sí. Implica que monitorear todos los parámetros puede no ser necesario
mientras se calcula el WQI para el agua objetivo. Es lógico
Agua2021,13, 1729 29 de 37

porque algunos parámetros de WQM también podrían deducirse de los valores medidos de otros
parámetros de WQM debido a su intercorrelación. El siguiente texto ejemplifica este hecho:
• Árbitro. [85] muestra que el potencial de oxidación-reducción tiene una fuerte correlación con el poder
desinfectante del cloro libre o cualquier otro químico reductor/oxidante. La medición de ORP es empírica,
precisa y no necesita interpretación del usuario. Mesa6muestra la correlación entre los niveles de ORP y el
recuento de coliformes en una muestra de agua de 100 ml. Semejantes, Mesa7muestra el rango de ORP
frente a la aplicación de agua.
• Árbitro. [48] destaca el monitoreo de cloro libre a través de sensores amperométricos, que no solo
es costoso sino que también es muy sensible a otros parámetros como la temperatura, el pH, el
flujo de agua y la presión. Por esta razón, es recomendable inferir la concentración de cloro libre en
función de los valores medidos de pH, temperatura y ORP.
• Árbitro. [86] muestra que la cantidad de oxígeno disuelto en el agua podría deducirse de su
propiedad de correlación con la temperatura.
• Árbitro. [35] habla de una fuerte correlación de sólidos suspendidos totales y sólidos disueltos
totales en agua con turbidez.

Tabla 6.Niveles de ORP versus bacterias coliformes [85].

Nivel de ORP (mV) Recuento de coliformes en 100 ml de agua de muestra

200 300
300 36
400 3
600 0

Tabla 7.Rangos ORP versus aplicaciones de agua [85].

Nivel de ORP (mV) Aplicación de agua

0~150 No utilizable.
150~250 Apto para actividades de acuicultura.
250~350 Apto para torres de
400~475 refrigeración. Eficaz para piscinas.
450~600 Bueno para jacuzzis.
650~800 Apto para consumo humano.

Debido a la fuerte intercorrelación entre los parámetros WQI (Tabla2), los parámetros de WQM
más recomendados para IoT-WQMS son la turbidez, el potencial de reducción de oxidación, la
temperatura, el pH y la conductividad eléctrica [32,35,48].
Sensores WQM: los sensores juegan un papel clave en la eficiencia general de IoT-WQMS.
Miden diferentes propiedades físicas, químicas y biológicas del agua. Actualmente, el mercado
ofrece dos tipos de sensores: (i) sensores capaces de medir un solo parámetro WQM (p. ej., pH) y
(ii) sensores capaces de medir múltiples parámetros WQM (p. ej., pH, turbidez, temperatura y ORP)
[19–21]. Las siguientes son algunas sugerencias útiles:
• Para evitar las molestias del diseño de circuitos electrónicos, los desarrolladores deben buscar sensores
WQM que se complementen con los circuitos de acondicionamiento de señales requeridos. Por ejemplo,
el kit de pH para Arduino Uno [100].
• Para la creación rápida de prototipos, las unidades de sensores WQM multiparámetros deben adquirirse
de un proveedor de confianza, como los productos Libelium (Waspmote) [55].
• En el caso de un monitoreo continuo de la calidad del agua, los sensores generalmente se
sumergen en el agua por más tiempo. Si las piezas del sensor se exponen directamente al agua,
pueden dañarse debido al contacto directo con material orgánico e inorgánico [48]. Además,
algunos materiales metálicos también se oxidan si se exponen al agua durante demasiado tiempo.
Este proceso se denomina bioincrustación y deteriora la eficiencia general de IoT-WQMS. Por lo
tanto, se debe tener cuidado al seleccionar sensores para una aplicación particular [21,48].
Agua2021,13, 1729 30 de 37

Medios de computación digital: Hay múltiples opciones disponibles para los desarrolladores de productos
al seleccionar un medio de computación digital. Por lo general, se requiere para leer los datos de los sensores,
procesarlos, actualizar las pantallas locales, si las hay, y transferirlos a un servidor en la nube a través de un
punto de acceso Wi-Fi local o un módem basado en GSM/GPRS. Como se destaca en la Sección4, muchos
autores han diseñado una PCB personalizada que contiene una MCU/CPU dedicada y otros circuitos
electrónicos relevantes. Algunos autores también optaron por los kits basados en MCU/CPU listos para usar
para este trabajo. Además, también se observa que los autores involucraron costosos kits basados en FPGA. En
general, todas estas opciones funcionan, pero algunas no se han seleccionado de manera óptima debido a que
aumentó la redundancia del hardware. El siguiente texto se esfuerza por dar solución a este problema:

• Si su propósito es simplemente leer los datos de los sensores, realizar algunos cálculos, actualizar las
pantallas locales (por ejemplo, LCD), si las hay, y cambiar los datos al servidor de la nube para un análisis
complejo, entonces la mejor opción es involucrar tarjetas electrónicas listas para usar. Por ejemplo, la
tarjeta Arduino Nano 33 IoT se basa en una MCU de 32 bits. Además, ofrece todos los demás periféricos,
como memoria, pines de E/S digital, ADC, temporizadores/contador y módulo Wi-Fi integrado. En caso de
que no haya una puerta de enlace Wi-Fi local disponible, los desarrolladores podrían usar un módem
GSM/GPRS. Por ejemplo, el módem SIM900 GSM/GPRS funciona de la misma manera que un teléfono
inteligente. Utiliza una tarjeta SIM registrada, donde la comunicación puede generar cargos por llamadas/
SMS según la tarifa local.

Si los desarrolladores planean realizar análisis complejos localmente en medios informáticos digitales,
entonces la mejor opción es seleccionar tarjetas basadas en CPU/MCU fijas/flotantes de 32/64 bits como
Raspberry Pi4 Model B, Intel Galileo Gen 2, TI CC3200 Wi-Fi Launchpad, etc. Estas son las mejores opciones para
el procesamiento de señales/imágenes digitales. Además, los autores también podrían usar System-on-Chip
(SoC), pero también puede ser una opción costosa y que requiera mucho tiempo.
Medios de comunicación inalámbrica: si se desea la intercomunicación entre diferentes unidades
de sensores, la mejor opción es la tecnología LoRaWAM. Esta tecnología cubre más áreas con bajo
consumo de energía en comparación con ZigBee, Wi-Fi, Bluetooth, etc. Si la distancia entre los
dispositivos de destino es larga, Internet también podría estar involucrado, para lo cual el módem
SIM900 GSM/GPRS es un cangrejo de silicio viable.
Cloud IoT-Platform: la literatura muestra una gran lista de plataformas contemporáneas de IoT en la nube [82], la
mayoría de los cuales son de código abierto y ofrecen recursos limitados de forma gratuita. Para las actividades
comerciales, los desarrolladores deben pagar una tarifa. Estas plataformas se pueden utilizar desde análisis simples
hasta complejos en datos de sensores. Por ejemplo, los datos se pueden almacenar para el historial, gráficos,
diagramas, hojas de cálculo, ayudas visuales, técnicas de ML, controlar cosas (por ejemplo, un sensor) y enviar alertas a
los usuarios finales son algunas de las características destacadas de estos servicios. Teniendo en cuenta la revisión
compilada en la Sección4, las plataformas comunes de IoT incluyen Blynk, Pachube, Thinger.io, Google firebase, Ubidot,
ThingSpeak, Arduino y Adafruit [82].
Aunque estas plataformas en la nube facilitan enormemente a los desarrolladores, tienen algunas limitaciones:

• La seguridad de los datos puede estar en riesgo debido a la participación de terceros.

• No hay garantía para la prestación continua del servicio. Cualquiera puede abandonar el mercado en cualquier
momento, lo que tendrá un impacto mortal en las actividades comerciales.
• Preocupaciones por aumento en el costo de los servicios para actividades comerciales.

Debido a estos hechos, los desarrolladores de IoT deben diseñar a la medida sus propios servidores en la nube si
es factible.

5.1.1. Redundancia
Los desarrolladores de software suelen utilizar técnicas de creación de perfiles de código para acelerar los
procesos informáticos y optimizar los requisitos de memoria. Del mismo modo, la optimización del hardware también
es necesaria para evitar la redundancia, si la hubiera. Esta ley no solo daría como resultado una reducción general del
costo del sistema, sino que también podría reducir el consumo general de energía y los requisitos de espacio. El
siguiente texto desarrolla esta cuestión:
Agua2021,13, 1729 31 de 37

• Árbitro. [24]: en este artículo, los autores utilizaron Arduino Uno y NodeMCU para simplemente leer los
datos de los sensores y cambiarlos a un enrutador Wi-Fi local. Arduino Uno se centra en un MCU de punto
fijo ATmega328 de 8 bits, con muchos periféricos en chip como ADC, PWM, UART, I2C, SPI, memoria, etc.
De manera similar, NodeMCU se basa en ESP8266 SoC, que tiene todos los periféricos (por ejemplo, una
unidad ADC, E/S digital, temporizadores/contadores, memoria, CPU de punto fijo de 32 bits y módulo Wi-
Fi). Los autores utilizaron Arduino Uno para leer los datos de los sensores y transferirlos en serie a
NodeMCU, que simplemente los transfiere a un enrutador Wi-Fi local. Tenga en cuenta que NodeMCU
solo es suficiente para el acondicionamiento, procesamiento, registro y transferencia de datos de señales
analógicas a un enrutador Wi-Fi local. Aunque solo tiene un pin de entrada para acceder a su módulo ADC,
los diseñadores podrían usar un chip de multiplexación digital simple para expandir su capacidad de leer
múltiples señales continuas. Del mismo modo, los autores en la Ref. [96] usó Arduino Mega2560 y
NodeMCU nuevamente para simplemente leer los datos de los sensores y cambiar a un enrutador Wi-Fi
local. Arduino ATmega2560 es una versión avanzada de Arduino Uno, pero nuevamente podría ser
reemplazada por NodeMCU.
• Árbitro. [93]: En este artículo, los autores utilizaron Arduino Uno y Raspberry Pi3. Como se mencionó
anteriormente, Arduino Uno se basa en MCU ATmega328 de 8 bits, mientras que la tarjeta Raspberry Pi3
se centra en una potente CPU de 64 bits. ATmega328 tiene un módulo ADC incorporado, pero la tarjeta
Raspberry Pi3 se ha visto privada de él. Sin embargo, para minimizar costos, se podría conectar un
módulo ADC económico con Raspberry Pi3.
• Árbitro. [97]: En este artículo, los autores utilizaron un teléfono inteligente para adquirir datos de
una tarjeta autóctona a través de la tecnología Bluetooth y luego transferirlos al servidor de la
nube usando el mismo teléfono. El costo general del sistema podría optimizarse si se utiliza un
módem SIM900 GSM/GPRS, en lugar de un teléfono inteligente.
• Árbitro. [99]: En este artículo, los autores utilizaron una placa FPGA DE1-SoC, que es una tarjeta
muy costosa y solo debe usarse para diseños y prototipos de alta tecnología. Desafortunadamente,
esta placa se utiliza simplemente para leer datos de sensores y transferirlos a una PC remota a
través de un kit ZigBee. Esta no es una tarea compleja para la que se despliega un cangrejo de
silicio tan poderoso. Para ser honesto, esto es un desperdicio de recursos técnicos. Para abordar
este problema, los desarrolladores podrían obtener un chip FPGA simple de un mercado local y
grabar el archivo de flujo de bits de destino en su estructura a través de un programador de chips.
Después de eso, se puede montar en una PCB personalizada junto con un circuito electrónico de
soporte. Alternativamente, los autores también podrían usar Arduino Uno R3 o Arduino Mino Pro,
etc. En particular, los costos tentativos de la placa FPGA DE1-SoC y Arduino Uno R3 son USD 249 y
USD 23, respectivamente;

5.1.2. Técnicas de aprendizaje automático

Como se mencionó anteriormente, considerar todos los parámetros de WQM al calcular WQI puede
no ser factible. Además, es posible que el mercado comercial tampoco ofrezca sensores contra cada
parámetro. Afortunadamente, la mayoría de estos parámetros poseen fuertes correlaciones entre sí
(Tabla2). Implica que es factible usar un pequeño conjunto de sensores para medir algunos parámetros
(p. ej., pH, turbidez y ORP) y luego, con base en los valores medidos de estas mediciones, inferir otros
parámetros importantes (p. ej., cloro libre) usando modelos matemáticos. Para resolver este problema,
los investigadores se acercaron al aprendizaje automático [35,48,sesenta y cinco,85,86]. ML se considera
un subconjunto de la inteligencia artificial (IA). Basados en datos de muestra (llamados datos de
entrenamiento), los algoritmos de ML construyen un modelo matemático capaz de tomar decisiones o
predicciones sin estar claramente programados para hacerlo [52]. Para IoT-WQMS, los algoritmos de ML
supervisados son adecuados. Aunque las técnicas de ML mejoran en gran medida la eficiencia general
de IoT-WQMS, tienen algunas limitaciones:
• Demanda adicional de recursos técnicos, por ejemplo, memoria, mayor rendimiento de la CPU.
• Cuanto mayor sea el tamaño de los datos de entrenamiento, mejor será el rendimiento de los algoritmos de ML.
Agua2021,13, 1729 32 de 37

Existen dos opciones para abordar la cuestión de los recursos adicionales. En primer lugar, los desarrolladores
deben usar una tarjeta simple basada en MCU de 8 bits (p. ej., NodeMCU (ESP8266)) y luego transferir los datos
adquiridos a un servidor en la nube para el análisis analítico mediante algoritmos de ML. En segundo lugar, también
podrían usar un kit listo para usar basado en una potente CPU/MCU, por ejemplo, Raspberry Pi4 Model B, TI CC3200 Wi-
Fi Launchpad, placa Arduino Intel Galileo o placa DE1 SoC FPGA. Sin embargo, para abordar el segundo problema, los
desarrolladores podrían solicitar a la autoridad local/internacional de control de la calidad del agua que les proporcione
datos con fines de capacitación, si están disponibles.

5.2. Recomendaciones
A continuación se presentan algunas sugerencias y recomendaciones útiles para diseñar un IoT-WQMS
seguro y confiable:
Parámetros de WQM: Basado en la revisión técnica de IoT-WQMS proporcionada en la Sección4,
parámetros WQM más recomendados [32,35,48] son los siguientes:
• Turbiedad;
• Potencial de reducción de oxidación;
• La temperatura;
• pH;
• Conductividad eléctrica.
El consenso de investigación sobre estos parámetros es lógico porque tienen una alta correlación
con otros parámetros (Tabla2) [19–21]. Además, estos parámetros podrían predecir mejor la calidad
general del agua. Por ejemplo, la turbidez muestra la cantidad de agua objetivo con sombra o turbia.
Además, está altamente correlacionado con el total de sólidos suspendidos (TSS) [35]. Cuando el agua
está sucia, su turbidez es alta. Por lo tanto, podría usarse, por ejemplo, para limpiar tanques
subterráneos o aéreos.
Como se indicó anteriormente, el ORP está altamente relacionado con el poder desinfectante del
cloro libre o cualquier otro químico reductor/oxidante en el agua [85]. Tiene una alta correlación con la
presencia de la bacteria E-Coli. La temperatura tiene un gran impacto en la calidad general del agua. Es
porque afecta el pH, EC, OD, etc. Debido a este hecho, la medición de la temperatura es necesaria para
compensar otros parámetros. Además, también podría usarse para inferir otros parámetros como DO [
86]. EC se utiliza para medir la alcalinidad, la dureza y algunos sólidos disueltos en el agua. Finalmente,
el pH mide la acidez o la alcalinidad del agua.
Sensores WQM: dado que diferentes fabricantes produjeron sensores para aplicaciones similares,
la selección de los sensores apropiados tiene un gran impacto en la eficiencia general del sistema. El
rango, el tiempo de respuesta, la resolución, la sensibilidad y la confiabilidad son algunas
consideraciones importantes al elegir un sensor. Por ejemplo, algunos sensores están diseñados de tal
manera que cuando se sumergen en agua, sus partes sensibles se limpian automáticamente cuando el
agua fluye a alta presión. Por otro lado, si los mismos sensores se sumergen en agua estática (p. ej., un
tanque elevado), sus partes sensibles pueden contaminarse debido a las reacciones con el agua y la
contaminación [48].
Nodo de sensores: puede leer datos de sensores, reacondicionar, procesar, actualizar
pantallas locales, si las hay, y transferir datos a una unidad maestra o un servidor en la nube a
través de un enrutador Wi-Fi local o un módem GSM/GPRS. Si la tarea que se le asigna es simple y
compleja y está destinada a realizarse en la nube, los desarrolladores deben usar tarjetas IoT
comerciales, por ejemplo, la tarjeta Arduino Nano 33 IoT y NodeMCU. Estas tarjetas son baratas,
de potencia optimizada, livianas y de fácil acceso. Si se desea realizar un análisis complejo
localmente, los desarrolladores deben utilizar tarjetas comerciales como Raspberry Pi4 Model B
(CPU de 64 bits), Intel Galileo Gen 2 (MCU de 32 bits), TI CC3200 Wi-Fi Launchpad (CPU de 32 bits).
MCU), etc. Si no hay disponible un enrutador Wi-Fi local, se debe utilizar el módem SIM900 GSM/
GPRS. Si el módulo SIM900 es costoso o el rango de comunicación está dentro de unos pocos
kilómetros,8[31]. La comunicación en la línea de sitio (LoS) es posible hasta 10 kilómetros (km).
Agua2021,13, 1729 33 de 37

Tabla 8.Comparación de estándares WSN.

Estándar inalámbrico Banda de frecuencia (MHz) Topología de la red Velocidad de datos (kbps) Capacidad de rango (LoS) Consumo de energía relativo
sigfox 902, 868 Estrella 1 40 kilómetros Muy bajo
LoRaWAN 915, 868 Estrella 50 10 km+ Muy bajo
Bluetooth 2400 P2P/estrella 720 10~100m Alto
ZigBee 2400, 915, 868 Estrella/árbol/malla 250, 40, 20 100m+ Bajo
IEEE 802.15.4 2400, 915, 868 Estrella 250, 40, 20 100m+ Bajo

Puerta de enlace: para que los objetos de IoT funcionen de manera confiable, todas las partes del sistema basado
en IoT en cuestión deben ser seguras. Por ejemplo, los ciberdelincuentes pueden piratear cualquier objeto conectado,
como un televisor inteligente, una cámara de seguridad, un refrigerador, etc. Algunos riesgos de seguridad heredados
en los dispositivos IoT por parte de los fabricantes son (i) almacenamiento y transferencia de datos inseguros, (ii)
adivinables, débiles, o contraseñas codificadas, (iii) problemas de hardware, (iv) falta de un mecanismo de actualización
seguro y (v) software y/o sistemas operativos integrados sin parches y antiguos. En tales condiciones, se recomienda a
los desarrolladores que utilicen puertas de enlace IoT [83].
Servidores IoT en la nube: existen muchos servidores IoT en la nube públicos [82], que puede acceder y
controlar cosas, almacenar datos de sensores, realizar análisis analíticos, generar alertas de alerta temprana,
etc. Sin embargo, la mayoría de estos no son gratuitos para actividades comerciales. Además, la seguridad de
los datos también puede estar en mayor riesgo debido a la participación de terceros. Lo que es más importante,
los servicios también podrían cesar sin ningún reconocimiento previo. Por lo tanto, se alienta a los autores a
desarrollar un servidor en la nube personalizado si es factible para minimizar los riesgos.
Aprendizaje automático: finalmente, los autores aconsejan a los desarrolladores que involucren técnicas de ML para obtener

resultados óptimos.

6. Conclusiones
Este estudio presentó una revisión de la solución basada en IoT para el monitoreo de la calidad del agua
doméstica. En primer lugar, presenta a los lectores la crisis del agua dulce, incluido su origen, la contaminación,
el agotamiento de las aguas subterráneas y la desalinización del agua de mar. También detalla el índice de
calidad del agua recomendado por la OMS, los parámetros del índice de calidad del agua comúnmente
utilizados y los límites de seguridad recomendados por la OMS para el agua potable. En segundo lugar, detalla
la evolución del monitoreo del agua desde el monitoreo tradicional al inteligente. En aras de la comodidad de
los lectores, elabora brevemente un sistema típico de monitoreo de la calidad del agua basado en IoT. En tercer
lugar, presenta un estudio exhaustivo de IoT-WQMS contemporáneo para agua doméstica. En esta
preocupación, se discuten y comparan muchos parámetros críticos (por ejemplo, sensores, servicio en la nube,
interfaz de usuario y puerta de enlace). Además, cada artículo también se clasifica utilizando nuestra rúbrica
empírica propuesta, que se basa en los estándares de agua potable de la OMS. En cuarto lugar, se ofrecen
discusiones y análisis técnicos en profundidad relacionados con IoT-WQMS. Finalmente, los autores también
sugirieron un conjunto de recomendaciones útiles para diseñar un IoT-WQMS eficiente para el agua doméstica.

Para concluir, este estudio seguramente beneficiaría a la comunidad de investigación interesada en el monitoreo
inteligente del agua, así como a los ingenieros que desarrollan aplicaciones para entornos inteligentes (por ejemplo,
casas, oficinas y ciudades inteligentes).
Como trabajo futuro, será interesante explorar el diseño óptimo del sistema inteligente de monitoreo de
la calidad de las verrugas, explorar la tecnología de sensores portátiles óptimos, el uso de servidores IoT
seguros y confiables, y diseñar esquemas resilientes que mitiguen posibles brechas de seguridad.

Contribuciones de autor:Conceptualización, FJ y DD; recursos, FJ; redacción—preparación del borrador

original, FJ; redacción—revisión y edición, DD; adquisición de fondos, NM-A. Todos los autores han leído
y aceptado la versión publicada del manuscrito.

Fondos:Esta investigación fue financiada por el Decanato de Investigación Científica (DSR), Universidad Imam
Abdulrahman Bin Faisal (IAU), número de subvención 2019-381-CSIT. El APC fue financiado por el Decanato de
Investigación Científica (DSR), Universidad Imam Abdulrahman Bin Fai-sal (IAU).

Declaración de la Junta de Revisión Institucional:No aplica.

Declaración de consentimiento informado:No aplica.

Agua2021,13, 1729 34 de 37

Declaración de disponibilidad de datos:No aplica.

Expresiones de gratitud:Los autores agradecen al Decanato de Investigación Científica (DSR), Universidad

Imam Abdulrahman Bin Faisal (IAU) por la generosa financiación bajo el proyecto número: 2019-381-CSIT.
Además, estamos muy complacidos con los autores, corporaciones, empresas y organizaciones cuyo material se
ha utilizado en la preparación de este artículo.

Conflictos de interés:Los autores declaran no tener conflicto de intereses.

Referencias
1. Yaroshenko, I.; Kirsanov, D.; Marjanovic, M.; Lieberzeit, Pensilvania; Korostynska, O.; Masón, A.; señora, I.; Legin, A. Monitoreo de la calidad del agua en
tiempo real con sensores químicos.Sensores2020,20, 3432. [Referencia cruzada]
2. Sambito, M.; Freni, G. Estrategias para mejorar el posicionamiento óptimo de sensores de calidad en sistemas de drenaje urbano para
contaminantes no conservadores.Agua2021,13, 934. [Referencia cruzada]
3. Plaza, S.; Sambito, M.; Feo, R.; Freni, G.; Puleo, V. Posicionamiento óptimo de sensores de calidad de agua en redes de distribución de agua:
Comparación de resultados numéricos y experimentales'. En Actas de CCWI 2017: Computación y control para la industria del agua; La
Universidad de Sheffield: Sheffield, Reino Unido, 2017.
4. Nassrullah, H.; Anís, SF; Hashaikeh, R.; Hilal, N. Energía para la desalinización: una revisión del estado del arte.Desalinización2020,491, 114569. [
Referencia cruzada]
5. Viola, A.; Curto, D.; Franzitta, V.; Trapanese, M. Desalinización de agua de mar y consumo de energía: un estudio de caso de convertidores de energía de las
olas (WEC) para aplicaciones de desalinización en sicilia. En Proceedings of the OCEANS 2016 MTS/IEEE Monterey, OCE 2016, Monterey, CA, EE. UU., 19 al
23 de septiembre de 2016.
6. Hofman-Caris, R.; Bertelkamp, C.; de Waal, L.; van den Brand, T.; Hofman, J.; van der Aa, R.; van der Hoek, JP Recolección de agua de lluvia
para la producción de agua potable: ¿Una solución sostenible y rentable en los Países Bajos?Agua2019,11, 511. [Referencia cruzada]

7. Gao, G.; Xiao, K.; Chen, M. Un sistema inteligente de control y trazabilidad basado en IoT para pronosticar y mantener la calidad del agua en piscifactorías de
agua dulce.computar Electrón. agricola2019,166, 105013. [Referencia cruzada]
8. Franco, JD; Ramírez-del Real, TA; Villanueva, D.; GRAMOatarifa-garciuna, A.; Armenta-Medina, D. Monitoreo del crecimiento de semillas de Ocimum basilicum
con técnicas de procesamiento de imágenes y lógica difusa basadas en plataformas Cloudino-IoT y FIWARE.computar Electrón. agricola2020,173, 105389.
[Referencia cruzada]
9. Zhu, X.; Li, D.; El, D.; Wang, J.; Enojado.; Li, F. Un sistema inalámbrico remoto para el monitoreo en línea de la calidad del agua en piscicultura intensiva.
computar Electrón. agricola2010,71, S3. [Referencia cruzada]
10. Ramos, HM; Carravetta, A.; Mc Nabola, A. Nuevos retos en los sistemas de agua.Agua2020,12, 2340. [Referencia cruzada]
11. Giudicianni, C.; Herrera, M.; di Nardo, A.; Carravetta, A.; Ramos, HM; Adeyeye, K. Gestión de energía de red cero para el monitoreo y control de
sistemas de agua inteligentes divididos dinámicamente.J. Limpio. Pinchar.2020,252, 119745. [Referencia cruzada]
12. Ramos, HM; Mcnabola, A.; amparo lopez-Jimminez, P.; PAGSmirez-Sanchez, M. Gestión inteligente del agua hacia futuras redes
sostenibles de agua.Agua2020,12, 58. [Referencia cruzada]
13. Desafío del agua EarthEcho. Disponible en linea:https://www.monitorwater.org/(consultado el 19 de mayo de 2021).
14. Dadoo, M.; Daraghmi, Y.-A. Detección inteligente de fugas de agua mediante redes inalámbricas de sensores (SWLD).En t. J. Red. común 2017,7,
1–16.
15. Agua potable. Disponible en linea:https://www.who.int/news-room/fact-sheets/detail/drinking-water(consultado el 19 de mayo
de 2021).
16. EPA, USEPA Los hechos sobre la contaminación por nutrientes. Agencia de Protección Ambiental de los Estados Unidos, 1–2; 2012. Disponible en línea:
www.epa.gov/nutrientpollution(consultado el 9 de junio de 2021).
17. Agua. Disponible en linea:https://www.epa.nsw.gov.au/your-environment/water(consultado el 19 de mayo de 2021).
18. Tobergte, RD; Curtis, S. Informe de análisis de sensibilidad y desarrollo del índice de calidad del agua potable global.J. Chem. información Modelo. 2013,53,
1689–1699.
19. Ahmed, U.; Mumtaz, R.; Anwar, H.; Mumtaz, S.; Qamar, AM Monitoreo de la calidad del agua: de las tecnologías convencionales a las emergentes.ciencia del
agua Tecnología Suministro de agua2020,20, 28–45. [Referencia cruzada]
20. Adu-Manu, KS; Tapparello, C.; Heinzelman, W.; Katsriku, FA; Abdulai, JD Monitoreo de la calidad del agua mediante redes de sensores inalámbricos:
tendencias actuales y futuras direcciones de investigación.ACM Trans. Sens. Red.2017,13, 1–41. [Referencia cruzada]
21. Banna, MH; Imran, S.; Francisque, A.; Najjaran, H.; Sadiq, R.; Rodríguez, M.; Hoorfar, M. Monitoreo de la calidad del agua potable en línea: revisión de las
tecnologías disponibles y emergentes.crítico Rev. Medio Ambiente. ciencia Tecnología2014,44, 1370–1421. [Referencia cruzada]
22. Crisis del agua|Consejo Mundial del Agua. Disponible en linea:https://www.worldwatercouncil.org/en/water-crisis(consultado el 19 de mayo de
2021).
23. Min-Allah, N.; Farooquí, M.; Alwashmi, A.; Almahasheer, S.; Alsufayyan, M.; Altulaihan, N. Monitoreo inteligente de tanques de agua en
KSA. En Actas de la Conferencia Internacional sobre Ciencia Computacional e Inteligencia Computacional de 2018, CSCI 2018,
Las Vegas, NV, EE. UU., 12 a 14 de diciembre de 2018; págs. 1044–1047.
24. Damor, P.; Sharma, K. Sistema de monitoreo de agua basado en IoT: una revisión.En t. j adv. Ing. Res. desarrollo2017,4, 1–6.
25. Gestión de la red de distribución de agua con Smart Water Grid.Agua inteligente2016,1, 1–13. [Referencia cruzada]
Agua2021,13, 1729 35 de 37

26. Abba, S.; Namkusong, JW; Lee, JA; Crespo, ML Diseño y evaluación del desempeño de una interfaz de sensores autónomos de bajo costo para un sistema
inteligente de monitoreo y control de riego basado en iot.Sensores2019,19, 3643. [Referencia cruzada]
27. Nawandar, NK; Satpute, módulo inteligente y de bajo costo basado en VR IoT para sistema de riego inteligente.computar Electrón. agricola 2019,162, 979–
990. [Referencia cruzada]
28. Vijai, P.; Sivakumar, PB Diseño de sistemas y análisis de IoT en el contexto de iniciativas de ciudades inteligentes en India. EnActas de la
Informática Procedia; Elsevier BV: Ámsterdam, Países Bajos, 2016; Volumen 92, págs. 583–588.
29. Mohamed Shahanas, K.; Bagavathi Sivakumar, P. Marco para un sistema inteligente de gestión del agua en el contexto de las iniciativas
de ciudades inteligentes en India. EnActas de la Informática Procedia; Elsevier BV: Ámsterdam, Países Bajos, 2016; Volumen 92, págs.
142–147.
30. Alí, H.; Choi, JH Una revisión de los métodos de monitoreo de fugas de tuberías subterráneas y sumideros basados en redes de sensores inalámbricos.
Sustentabilidad2019,11, 4007. [Referencia cruzada]
31. Pulé, M.; Yahya, A.; Chuma, J. Redes de sensores inalámbricos: una encuesta sobre el monitoreo de la calidad del agua.Aplicación J. Res. Tecnología2017,15, 562–570. [
Referencia cruzada]
32. Gita, S.; Gouthami, S. Sistema de monitoreo de la calidad del agua en tiempo real habilitado por Internet de las cosas.Agua inteligente2016,2, 1–19. [Referencia cruzada]

33. Pujar, PM; Kenchannavar, HH; Kulkarni, UP Sistemas de monitoreo de agua basados en redes inalámbricas de sensores: una encuesta. En Actas
de la 2.ª Conferencia internacional sobre informática aplicada y teórica y tecnología de la comunicación de 2016, iCATccT 2016, Bangalore,
India, 21 al 23 de julio de 2016; págs. 155–159.
34. Bichai, F.; Ashbolt, N. Salud pública y gestión de la calidad del agua en esquemas de aguas pluviales de baja exposición: una revisión crítica de los marcos
regulatorios y el camino a seguir.Sostener. Ciudades Soc.2017,28, 453–465. [Referencia cruzada]
35. Manoharan, S.; Sathiyaraj, G.; Thiruven, K. Analizador de calidad del agua utilizando IoT.En t. J.Innov. Tecnología Explorar Ing.2019,8, 34–37.
36. Datos de la contaminación del agua, tipos, causas y efectos de la contaminación del agua | NRDC. Disponible en linea:https://www.nrdc.org/stories/water-
pollution-everything-you-need-know(consultado el 19 de mayo de 2021).
37. Sociedad Geográfica Nacional|Agua Dulce de la Tierra. Disponible en linea:https://www.nationalgeographic.org/media/earths-freshwater/
(consultado el 19 de mayo de 2021).
38. ¿Cuánta agua hay en la Tierra? Disponible en linea:https://www.usgs.gov/special-topic/water-science-school/science/howmuch-water-
there-earth?qt-science_center_objects=0#qt-science_center_objects(consultado el 19 de mayo de 2021).
39. Nasirudina, MA; Za'bah, ONU; Sidek, O. Sistema de monitoreo en tiempo real de agua dulce basado en una red de sensores inalámbricos y GSM. En Actas de
la Conferencia IEEE de 2011 sobre sistemas abiertos, ICOS 2011, Langkawi, Malasia, 25–28 de septiembre de 2011; págs. 354–357.
40. Agua subterránea—Wikipedia. Disponible en linea:https://en.wikipedia.org/wiki/Agua subterránea(consultado el 19 de mayo de 2021).
41. Berman, J. OMS: Las enfermedades transmitidas por el agua son la principal causa de muerte en el mundo|Voice of America—Inglés. Disponible en linea:
https://www. voanews.com/archive/who-waterborne-disease-worlds-leader-killer(consultado el 19 de mayo de 2021).
42. Petsko, GA El mármol azul.genoma Biol.2011,12, 112. [Referencia cruzada] [PubMed]
43. Ezugwu, CN; Apeh, S. Agua subterránea y agua superficial como un recurso: conectividad e interacción.IOSR J. Mech. civ. Ing. 2017,14, 54–59. [
Referencia cruzada]
44. Marcas, E.; Rajagopal, R.; Eleswarapu, U.; Li, P. Aguas subterráneas. EnEnciclopedia internacional de geografía: personas, la tierra, el medio
ambiente y la tecnología; John Wiley & Sons, Ltd: Oxford, Reino Unido, 2017; págs. 1–17.
45. Nacht, SJ Consideraciones sobre el sistema de monitoreo de aguas subterráneas: analiza los factores que deben considerarse al diseñar un sistema para la
recopilación y el análisis de datos de calidad del agua.Terreno Monitorear remediar1983,3, 33–39. [Referencia cruzada]
46. Camino, S.; McKee, CR; Wainwright, HK Un sistema computarizado de monitoreo de agua subterránea.Terreno Monitorear remediar1984,4, 21–25. [
Referencia cruzada]
47. Cloete, NA; Malekian, R.; Nair, L. Diseño de sensores inteligentes para el monitoreo de la calidad del agua en tiempo real.Acceso IEEE2016,4, 3975–3990. [
Referencia cruzada]
48. Lambrou, TP; Anastasiou, CC; Panayiotou, CG; Polycarpou, MM Una red de sensores de bajo costo para monitoreo en tiempo real y detección de
contaminación en sistemas de distribución de agua potable.Sens. del IEEE J.2014,14, 2765–2772. [Referencia cruzada]
49. Babu Loganathan, G.; Principal, D.; Chengalvaraya, P.; Kumar, Sistema de monitoreo de la calidad del suelo y el agua basado en RS Iot.En t. J. Mec.
Ing. Tecnología2019,10, 537–541.
50. Vinod, GV; Pedro, AV; Rao, ES; Sailaja, S.; Babu, YSN Sistema de monitoreo de calidad del agua basado en IoT utilizando WSN.Ind. J. Salud Pública Res.
desarrollo2018,9, 1575–1578. [Referencia cruzada]
51. Suzuki, J.; Imamura, M.; Nakano, D.; Yamamoto, R.; Fujita, M. Efectos de la turbidez del agua y diferentes temperaturas sobre el estrés oxidativo en larvas de
tricópteros (Stenopsyche marmorata).ciencia Entorno Total.2018,630, 1078–1085. [Referencia cruzada] [PubMed]
52.Wikipedia. Disponible en linea:https://www.wikipedia.org/(consultado el 20 de mayo de 2021).
53. globalw.com. Disponible en linea:http://www.globalw.com/catalog_wq.html(consultado el 19 de mayo de 2021).
54. FierceElectronics|Noticias, análisis y recursos de electrónica independiente para ingenieros de diseño e ingeniería. Disponible en linea:
https://www.fierceelectronics.com/(consultado el 19 de mayo de 2021).
55. SENSOR DE AGUA ROTEUS para detección en tiempo real de bacterias e.coli en ríos——Libelium. Disponible en linea:https://www.libelium. com/
libeliumworld/proteus-water-sensor-para-detectar-e-coli-bacteria/(consultado el 19 de mayo de 2021).
Agua2021,13, 1729 36 de 37

56. Kashid, SG; Pardeshi, SA Un estudio del sistema de distribución de agua y un nuevo enfoque para el sistema inteligente de distribución de agua.
En Actas de la 1.ª Conferencia Internacional sobre Redes y Soft Computing, ICNSC 2014—Proceedings, Guntur, India, 19 y 20 de agosto de
2014; págs. 339–344.
57. Chowdury, MSU; Emran, tuberculosis; Ghosh, S.; Pathak, A.; Alam, MM; Absar, N.; Anderson, K.; Hossain, MS Sistema de monitoreo de la calidad
del agua del río en tiempo real basado en IoT. EnActas de la Informática Procedia; Elsevier BV: Ámsterdam, Países Bajos, 2019; Volumen 155,
págs. 161–168.
58. Min-Allah, N.; enero, F.; Alrashed, S. Esquemas de detección de pupilas en el ojo humano: una revisión.multimed. sist.2021. [Referencia cruzada]
59. Jan, F.; Alrashed, S.; Min-Allah, N. Segmentación de iris para sistemas biométricos de iris no ideales.multimed. Aplicación de herramientas2021, 1–29. [Referencia cruzada
]
60. Kumar, S.; Yadav, S.; Yashaswini, HM; Salvi, S. Una microrred de agua inteligente basada en IoT y un sistema inteligente de gestión de tanques de
agua. EnActas de Avances en Sistemas Inteligentes y Computación; Springer: Berlín/Heidelberg, Alemania, 2019; Volumen 906, págs. 417–431.

61. Kawarkhe, MB; Agrawal, S.; Correspondiente, I. Sistema inteligente de monitoreo de agua usando IOT en el hogar.IOSR J. Cómputo. Ing.2019, 21, 14–19. [
Referencia cruzada]
62. Spandana, K.; Seshagiri Rao, Sistema inteligente de monitoreo de la calidad del agua basado en Internet de las cosas (IoT) de realidad virtual.En t. J. Ing. Tecnología2018, 7, 259–262. [
Referencia cruzada]
63. Madhavireddy, V.; Koteswarrao, B. Sistema inteligente de monitoreo de la calidad del agua mediante tecnología Iot.En t. J. Ing. Tecnología2018,7,
636. [Referencia cruzada]

64. Gowthamy, J.; Reddy, CR; Meher, P.; Shrivastava, S.; Kumar, G. Sistema inteligente de monitoreo de agua usando IoT.En t. Res. J. Ing. Tecnología
2008,2008, 1170.
65. Prasad, AN; Mamún, KA; Islam, Francia; Haqva, H. Sistema inteligente de monitoreo de la calidad del agua. En Actas del 2.º Congreso Mundial de Asia y el
Pacífico de 2015 sobre Ciencias de la Computación e Ingeniería, APWC en CSE 2015, Nadi, Fiyi, 2 al 4 de diciembre de 2016.
66. Deepiga, MT; Sivasankari, MA Sistema inteligente de monitoreo de agua que utiliza una red de sensores inalámbricos en el hogar/la oficina.En t. Res. J. Ing.
Tecnología2015,2, 1305–1314.
67. Patil, Y.; Singh, R. Sistema inteligente de gestión de tanques de agua para colonias residenciales mediante el microcontrolador Atmega128A.proc. En t.
J. Ciencia. Ing. Res.2014,5, 355–357.
68. Kavi Priya, S.; Shenbagalakshmi, G.; Revathi, T. Diseño de sensores inteligentes para el monitoreo en tiempo real de la calidad del agua potable y la
detección de contaminación en redes de distribución de agua.En t. J. Ing. Tecnología2017,7, 47. [Referencia cruzada]
69. Suwaileh, W.; Johnson, D.; Hilal, N. Desalinización por membrana y reutilización del agua para la agricultura: estado del arte y perspectivas de futuro. Desalinización2020,
491, 114559. [Referencia cruzada]
70. Khatri, N.; Sharma, A.; Khatri, KK; Sharma, GD Un innovador monitoreo y control de pH en tiempo real basado en IoT de aguas residuales
municipales para agricultura y jardinería. EnActas de Innovación, Sistemas y Tecnologías Inteligentes; Springer: Berlín/Heidelberg,
Alemania, 2018; Volumen 79, págs. 353–362.
71. Mohammadintán, SBSistema de Monitoreo de Agua para el Sector Agrícola; Universiti Malaysia Perlis: Perlis, Malasia, 2007.
72. Lin, YB; Tseng, HC FishTalk: un sistema de miniacuario basado en IoT.Acceso IEEE2019,7, 35457–35469. [Referencia cruzada]
73. Raju, KRSR; Varma, GHK Sistema de monitoreo en tiempo real basado en el conocimiento para la acuicultura usando IoT. En Actas de la 7.ª
Conferencia Internacional de Computación Avanzada del IEEE, IACC 2017, Hyderabad, India, 5–7 de enero de 2017; págs. 318–321.
74. Espinosa-Faller, F.; Rendon-Rodriguez, GE Una red de sensores inalámbricos ZigBee para monitorear un sistema de recirculación acuícola.
Aplicación J. Res. Tecnología2012,10, 380–387. [Referencia cruzada]
75. Encinas, C.; Ruíz, E.; Cortés, J.; Espinoza, A. Diseño e implementación de un sistema IoT distribuido para el monitoreo de la calidad del
agua en acuicultura. En Actas del Simposio de Telecomunicaciones Inalámbricas, Chicago, IL, EE. UU., 26–28 de abril de 2017.
76. Rani, SS; Sundari, sistema de monitoreo de nivel de agua basado en VK IoT para lago en un entorno de nube; 2019, 12, 21–25.En t. J. Lagos Ríos
2019,12, 21–25.
77. Huang, L.; Cheng, S. Sistema de monitoreo no tripulado de ríos y lagos basado en WSN. En Actas de la Conferencia Internacional sobre Sistemas e
Informática de 2012, Yantai, China, 19 y 20 de mayo de 2012; págs. 495–498.
78. Zhu, G.; Zhao, G.; Zhang, Z.; Lu, X. Calidad del agua del área de la fuente de agua en el lago Taihu y efecto en el proceso de tratamiento del agua.
En Actas de la Conferencia Internacional sobre Electrónica de Consumo, Comunicaciones y Redes de 2011, Xianning, China, 16 al 18 de abril de
2011; págs. 3783–3786.
79. Liao, R.; Shen, Y.; Zhan, N.; Liu, C.; Huang, Y. Investigación sobre la purificación de agua para lagos de suministro de recursos de agua recuperada mediante
el método de filtración de recirculación. En Actas de la Conferencia Internacional de 2011 sobre Detección Remota, Medio Ambiente e Ingeniería de
Transporte, Nanjing, China, 24–26 de junio de 2011; págs. 5271–5275.
80. Yang, C.; Wang, X. La calidad del agua y el carácter de la contaminación en las fuentes de agua potable urbanas típicas del valle del lago Qingshuihai. En
Actas de la Conferencia Internacional de 2011 sobre Detección Remota, Medio Ambiente e Ingeniería de Transporte, Nanjing, China, 24–26 de junio de
2011; págs. 7287–7291.
81. Jing, W.; Liu, T. Aplicación de la red de sensores inalámbricos en el monitoreo del entorno hídrico de la cuenca del río Yangtze. En Actas de la 27.ª
Conferencia China de Control y Decisión de 2015, CCDC 2015, Qingdao, China, 23–25 de mayo de 2015; págs. 5981–5985.
82. Ray, PP Una encuesta sobre las plataformas en la nube de IoT.futuro computar Informar. j2016,1, 35–46. [Referencia cruzada]
83. Enrutadores y puertas de enlace de IoT: Cisco. Disponible en linea:https://www.cisco.com/c/en/us/products/routers/industrial-routersgateways/
index.html#~{}beneficios(consultado el 6 de junio de 2021).
Agua2021,13, 1729 37 de 37

84. Arduino—Página de inicio. Disponible en linea:https://www.arduino.cc/en/IoT/HomePage(consultado el 19 de mayo de 2021).

85. Vasudevan, G.; Kumar, BS Monitoreo y detección integrados en tiempo real de contaminación bacteriana en agua potable mediante la
medición de ORP.En t. J. Electron. común Ing.2015,2, 1–4. [Referencia cruzada]
86. Simitha, KM; Subodh Raj, MS IoT y sistema de monitoreo de calidad del agua basado en WSN. En las Actas de la 3.ª Conferencia Internacional
sobre Electrónica y Comunicación y Tecnología Aeroespacial, Coimbatore, India, del 12 al 14 de junio de 2019; págs. 205–210.
87. Plataforma IoT|Internet de las cosas|Ubidots. Disponible en linea:https://ubidots.com/(consultado el 19 de mayo de 2021).
88. Das, B.; Jain, PC Sistema de monitoreo de la calidad del agua en tiempo real mediante Internet de las cosas. En Actas de la Conferencia Internacional sobre
Informática, Comunicaciones y Electrónica de 2017, Jaipur, India, 1 y 2 de julio de 2017; págs. 78–82.
89. Noorjannah Ibrahim, S.; Asnawi, AL; Abdul Malik, N.; Mohd Azmin, NF; Jusoh, AZ; Mohd Isa, FN Monitoreo de la turbidez del agua basado en la
web y sistema de filtración automatizado: aplicación de IoT en la gestión del agua.En t. J. Electr. computar Ing.2018,8, 2503–2511. [Referencia
cruzada]
90. Carminati, M.; Turolla, A.; Mezzera, L.; Di Mauro, M.; Tizzoni, M.; Pani, G.; Zanetto, F.; Foschi, J.; Antonelli, M. Una red de detección de calidad del agua
inalámbrica autoalimentada que permite el monitoreo inteligente de la estabilidad biológica y química en los sistemas de suministro.Sensores 2020,20,
1125. [Referencia cruzada]
91. Raghava Rao, K.; Srinija, S.; Bindu, KH; Satish Kumar, D. Sistema de monitoreo de calidad y nivel de agua basado en IOT en tanques elevados.En t.
J. Ing. Tecnología2018,7, 379–383. [Referencia cruzada]
92. Ahmed Sha, SK; Sankari, S.; Profesor, A. Sistema de monitoreo de agua de tanque inteligente que utiliza el servidor en la nube IOT en el hogar/la oficina.En t. J. Ing.
ciencia computar2018,8, 16748–16751.
93. Pappu, S.; Vudatha, P.; Sankaranarayanan, S. Sistema inteligente de monitoreo de la calidad del agua basado en IoT.En t. Aplicación J. Ing. Res.2017, 12,
5447–5454.
94. Daigavane, VV; Gaikwad, MA Sistema de monitoreo de la calidad del agua basado en IOT.Adv. Wirel. Multitud. común2017,10, 1107–1116.
95. Solución tecnológica IoT para la gestión del agua|Libelium. Disponible en linea:https://www.libelium.com/iot-solutions/smartwater/
(consultado el 19 de mayo de 2021).
96. Pasika, S.; Gandla, ST Sistema inteligente de monitoreo de la calidad del agua con uso rentable de IoT.Heliyón2020,6, e04096. [Referencia cruzada] [PubMed
]
97. Srivastava, S.; Vaddadi, S.; Sadistap, S. Sistema basado en Smartphone para el análisis de la calidad del agua.aplicación ciencia del agua2018,8, 130. [Referencia cruzada]

98. Bhagat, PS; Gulhane, DVS; Rohankar, PTS Implementación de Internet de las Cosas para el Monitoreo de la Calidad del Agua.En t. J. Tendencia Sci. Res. desarrollo2019,3,
306–311. [Referencia cruzada]
99. Cho Zin, M.; Lenin, G.; Huo Chong, L.; Prassana, MV Sistema de calidad del agua en tiempo real en internet de las cosas. EnActas de la serie de
conferencias IOP: Ciencia e ingeniería de materiales, Sarawak, Malasia, 26–28 de noviembre de 2018; Publicaciones del Instituto de Física:
Sarawak, Malasia; Tomo 495, pág. 012021.
100. Arduino: hogar. Disponible en linea:https://www.arduino.cc/(consultado el 19 de mayo de 2021).