Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de revisión
Holger Froilán Chica Solórzanoi
Resumen
Abstract
El sector agrícola en cualquier nación juega un papel clave para enfrentar el de los
desafíos universales, proporcionar alimentos suficientes para sobrevivir a las
personas. Como se estima, en 2050 se requiere aumentar el suministro mundial de
alimentos en un 60% para alimentar a casi 9000 millones de personas (Padilla y
Hudson 2019).
Estas tecnologías se utilizan para reducir el costo, así como aumentar la eficacia y
la eficiencia. Si bien se han realizado estudios para averiguar qué hizo la gente para
lograr una agricultura sostenible utilizando IA, Sin embargo, estas investigaciones
sobre cómo se utilizó la IA para lograr objetivos sostenibles todavía están en el área
de investigación. En este contexto, esta investigación tiene como objetivo mapear y
crear una comprensión de las diversas tecnologías implementadas en el sector
agrícola con un enfoque especial en los objetivos de crecimiento sostenible.
Metodología
Las áreas en las que más se han publicado son agricultura, tecnología, informática
y electrónica, agronomía, agroingeniería, informática y sostenibilidad. Luego de la
obtención de los artículos, estos fueron revisados manualmente a través del título,
palabras clave, resumen y análisis del texto de acuerdo con los objetivos propuestos
del estudio. El número de registros examinados fue 313.
Durante este proceso, la lista de documentos se clasificó para eliminar los artículos
duplicados. Se excluyeron 131 artículos por ser irrelevantes para la industria
agrícola. Este análisis resultó en 115 artículos considerados elegibles que fueron
incorporados como muestra para este estudio. De 115 artículos, 45 identificados a
Resultados
Las redes neuronales artificiales (RNA) son una de las técnicas más importantes de
la IA. Estos modelos se desarrollan utilizando nodos interconectados que realizan
funciones como nuestro cerebro humano. El uso de la aplicación de RNA es muy
amplio y también incluye en la agricultura (Kujawa & Niedba 2021). Además, las
RNA se han empleado para la clasificación de patrones y la predicción del contenido
de humedad del suelo (Mohapatra & Lenka 2016).
Las RNA se han vuelto popular como método de clasificación en ingeniería agrícola.
Las RNA son virtuosas para formular el modelo utilizando datos no lineales y datos
representados con imágenes. Por lo tanto, este enfoque es bueno para la
clasificación de cultivos utilizando datos de imágenes (Boniecki et al. 2020). Al
Conclusiones
Cuando se consideran los modelos DL, estos modelos dependen de la tarea, ya que
todos los modelos utilizan un vector de incrustación de palabras general. Para
superar este problema, se pueden desarrollar modelos de DL basados en la
atención. En el futuro, los investigadores pueden considerar el desarrollo de
modelos de DL basados en la atención. Asimismo, los estudios futuros deben tener
la intención de abordar las brechas identificadas en esta revisión sistemática, como
Referencias bibliográficas
Abbasi, R., Martinez, P., Ahmad, R., 2022. The digitization of agricultural industry–a
systematic literature review on agriculture 4.0. Smart Agric. Technol. 100042.
Azmi, W., Hassan, M. K., Houston, R., & Karim, M. S. (2021). ESG activities and banking
performance: International evidence from emerging economies. Journal of
International Financial Markets, Institutions and Money, 70, 101277.
Chebrolu, N., Lottes, P., Schaefer, A., Winterhalter, W., Burgard, W., Stachniss, C., 2017.
Agricultural robot dataset for plant classification, localization and mapping on sugar
beet fields. Int. J. Robot. Res. 36 (10), 1045–1052.
Conesa-Muñoz, J., Bengochea-Guevara, J.M., Andujar, D., Ribeiro, A., 2015. Efficient
distribution of a fleet of heterogeneous vehicles in agriculture: a practical approach
to multi-path planning. In: 2015 IEEE International Conference on Autonomous
Robot Systems and Competitions. IEEE, pp. 56–61
Hemming, J., Bontsema, J., Bac, C.W., Edan, Y., van Tuijl, B., Barth, R., Pekkeriet, E., 2014.
CROPS: Intelligent Sensing and Manipulation for Sustainable Production and
Harvesting of High Value Crops, Clever Robots for Crops: Final Report Sweet-
Pepper Harvesting Robot. Technical Report, Wageningen UR.
Liu, Y., Liu, J., Xia, H., Zhang, X., Fontes-Garfias, C. R., Swanson, K. A., ... & Shi, P. Y.
(2021). Neutralizing activity of BNT162b2-elicited serum. New England Journal of
Medicine, 384(15), 1466-1468.