.
MODELO DE CONTROL DE LA CALIDAD DEL AGUA EN LA
ACUICULTURA DEL CAMARON LITOPENAEUS VANNAMEI APLICANDO
TECNOLOGIA IoT
Hernando Larrotta Martínez
e-mail: hernylm@gmail.com
RESUMEN: La obtención en tiempo real de los
parámetros de calidad del agua en la acuicultura son
determinantes en los resultados de rentabilidad de la
producción de esta actividad. El presente trabajo
describe un modelo de monitoreo constante de dichos
parámetros para la acuicultura del camarón Litopenaeus
Vannamei, en la camaronera Aquamar, que opera en el
golfo de Maracaibo (Venezuela). Se describe el diseño y
desarrollo de una red de sensores que realizan las
mediciones de temperatura, pH y Concentración de
Oxígeno Diluido COD. En cada nodo sensor se modela
el procedimiento de control de adquisición de las
lecturas, mediante un sistema embebido, implementado
con microcontrolador de consumo mínimo que, cuenta
con un dispositivo para la transmisión inalámbrica de
datos haciendo uso del estándar Zigbee. La información
es entregada a un centro de procesamiento, análisis,
control y toma de decisiones.
PALABRAS CLAVE: Control, eficiencia, gestión,
tecnología, producción.
INTRODUCCIÓN
En un mundo globalizado, donde se espera un
aumento en un 70% de la población para el 2070, las
tradicionales maneras de producción ya no son tan
eficientes. El Internet de los alimentos IoF (Internet of
Food), que subyace en la tendencia tecnológica del
Internet del todo (IdT) y del Internet de las cosas, (IoT
Internet of Things), es a primera vista una solución a los
problemas de escases alimentaria.
Así mismo, la acuicultura reportó a nivel mundial
una producción de 73.8 millones de toneladas, por un
valor estimado de 160.000 millones de dólares, que
representa el 44.1 % del total de la producción pesquera
mundial (FAO, 2016).
.
Además, la actividad pesquera se ha conformado
con la explotación de los recursos que natura produce
en océanos, mares, ríos y lagunas, con una evidente
disminución de las especies.
Está entendido que diversas variables físicas,
químicas y biológicas afectan directamente la salud y
crecimiento del camarón, debido a propagación de
enfermedades y mortalidad por condiciones
inapropiadas de la calidad del agua.
1
No obstante, el registro de estos parámetros, que
tradicionalmente se realizan in situ, de forma manual, la
intervención humana es proclive a realizarse con poca
eficiencia y además se le suma el retardo sufrido al
efectuar el proceso piscina por piscina, generando
errores, retardos y poca continuidad en la adquisición de
las mediciones, que a la postre, se reflejan en la
disminución de la calidad del agua.
Por eso, que la tendencia de solucionar factores
que representan pérdidas de rentabilidad para la
industria, están enfocadas en reducir el tiempo de
operaciones de medición de parámetros y
automatización de procesos de obtención de datos con
miras a aumentar la productividad. (Superintendencia de
Industria y Comercio, 2013)
Así que, el propósito de este estudio se concentró
en integrar los procesos de control de calidad del agua,
para la acuicultura del camarón Litopenaeus Vannamei,
realizada en Aquamar, con el uso de una infraestructura
tecnológica, basada en IoT, que recoge y monitorea los
datos del nivel de concentración de oxígeno diluido
COD, temperatura y estado de pH del agua, que al ser
procesados permiten la interacción inmediata con el
dispositivo pertinente de control, contribuyendo
eficazmente a la salud y crecimiento del camarón.
Estos datos ayudarán a tomar decisiones
importantes para evitar la mortalidad y crecimiento
óptimo de la especie, lográndose controlar de manera
eficiente, en tiempo real y a distancia el estado óptimo
de la composición ácida, temperatura y grado de
oxigenación del agua de las piscinas de crianza del
camarón.
1. Calidad del agua
“La mayoría de las labores culturales que se
emplean en el cultivo de camarón tiene un impacto
directo en la calidad de agua de los estanques de
cultivo. El deterioro de la calidad de agua en los
estanques puede afectar severamente la salud de los
camarones a tal punto de poner en riesgo la cosecha
entera. De ahí la necesidad de implementar un sistema
de monitoreo diario de los parámetros físicos y químicos
de agua que permita anticipar y corregir el desarrollo de
condiciones adversas de calidad de agua con el fin de
reestablecer condiciones óptimas en el sistema de
cultivo.” (Kwei Lin, y otros, 2005)
De otra parte, se ha establecido que la condición
del agua de los estanques de crianza, parametrizada por
variables como la temperatura, concentración de
.
oxígeno, salinidad y pH, son determinantes en el
crecimiento y mortalidad del camarón y caracteriza la
calidad del agua (Boyd, 2015).
Por lo tanto, los niveles desbalanceados de los
parámetros de calidad del agua, “inciden
fundamentalmente en la salud y crecimiento de los
organismos de cultivo”, y se agrega que los registros de
las variables pueden ser definitivos en las decisiones del
proceso de cultivo (Mayer, 2016).
1.1 Incidencia en la crianza
La temperatura incide altamente en los procesos
bilógicos como la tasa de crecimiento y respiración del
camarón, por cada 10 °C que aumenta la temperatura el
camarón crece dos veces más rápido y consume el
doble de oxígeno. (Boyd, 2015).
El oxígeno disuelto OD es la variable más crítica,
puede llegar a ser letal o producir un crecimiento lento.
Este nivel tiene un efecto directo en la alimentación,
metabolismo y resistencia a enfermedades de la
especie. Existe una concentración ideal de oxígeno para
un crecimiento adecuado del camarón. (Boyd, 2015)
El mantenimiento de un nivel de oxígeno mínimo
del agua es un aspecto primordial en la crianza del
camarón. El camarón es especialmente sensible a las
variaciones de concentración de oxígeno disuelto en el
agua. Para establecer niveles aceptables de oxígeno
disuelto, las piscinas, dedicadas a la acuicultura
extensiva, tienen que permitir algún tipo de control
(Meyer, 2004)
Así mismo el nivel de pH del agua posee escalas
que se consideran letales cuando la especie es
expuesta a este tipo de solución, inclusive por períodos
cortos que pueden estar dentro de un par de horas.
1.2 Necesidad presente
La necesidad existente de disminuir los tiempos de
registro de los parámetros de calidad del agua, al igual
que la de establecer un eficiente procesamiento de
datos en tiempo real con el propósito de ser analizados y
dar una visión clara del estado del estanque, representa
la problemática a solucionar, luego entonces se requiere
disponer de una herramienta que facilite la toma de
decisiones oportunas que correspondan a tiempos de
respuesta aceptables.
El nivel de pH y la concentración de oxígeno diluido
COD exigen un similar cuidado en su manejo y aunque
se presentan gradientes bajos de temperatura de poca
incidencia en la cría del camarón, durante el día y en
todas los periodos del año en la zona, debe ser
monitoreada, para control de crecimiento de la especie y
sobre todo durante los procesos de transporte y siembra
para su aclimatación.
Por consiguiente, se requiere tomar decisiones
inmediatas a partir del análisis de los datos recogidos
por un eficiente sistema de captura de mediciones en
2
tiempo real con el único objetivo de minimizar la
mortalidad y optimizar el crecimiento del camarón.
1.3 Contexto y estado del arte
La granja de acuicultura Aquamar, ubicada en el
estado de Zulia, golfo de Maracaibo, desarrolla
acuicultura intensiva de camarón Litopenaeus
Vannamei, con la obtención del producido de 250
piscinas en un área aproximada de 10 Km cuadrados.
En la actualidad, en la camaronera se realiza la
toma de datos manualmente, con instrumentación
portátil de alto costo que requiere precauciones de
manipulación y personal capacitado.
Luego, se pretendió que este entorno específico
sea el sujeto para la aplicación del diseño propuesto con
la intención de que en el futuro sea mejorado, ampliado
y aplicado a más aspectos de control de FoI
Por otro lado, diferentes estudios han descrito
modelos de redes inalámbricas para el control de la
calidad del agua, sin embargo la inclusión de la
arquitectura IoT, no es completamente definida para la
acuicultura del camarón.
Es asi como en (Marco & Floros, 2009), se
describe la Implementación de red de sensores para
monitorear el agua además de la adaptación para dar
mayor tiempo de vida al sistema.
Aunque las redes inalámbricas de nodos sensores
WSN (Wireless Sensor Network), han tenido su
evolución importante (Córdoba, 2013), aunque es
preciso que adopten características de las estructura IoT
tales como el control de dispositivos controlados por
actuadores y la implementación de computación en la
nube.
Para el control de calidad del agua, en “Water
Quality Monitoring System based on WSN” (Wang,
2012), se describe el uso de diferentes sensores y
además una reducción de consumo con el uso de un
reloj de tiempo real.
“Design and Development of Water Quality
Monitoring System based on Wireless Sensor Network in
Aquaculture “ ( Lianzhi, Daoliang, & Mingfei, 2016)
describe el modelo WSN de harware de monitoreo y
sistema de visuliazación de un sistema confiable y en
tiempo real para el control de calidad del agua en la
acuicultura
2 Objetivos
2.1 Objetivo general
diseñar un modelo tecnológico basado en IoT, que
realiza la lectura, en tiempo real, de los parámetros:
COD, pH y temperatura del estanque de cultivo del
camarón.
.
2.2 Objetivos específicos
Definir el tipo de sensores de medición de
parámetros basado en los criterios de costos, tamaño,
consumo, calidad, precisión y rango de lectura
requeridos.
Describir las características del controlador que se
encarga de digitalización las señales análogas de los
sensores para entregarlas al dispositivo que envía los
datos de manera inalámbrica.
Determinar el sistema de envío de datos para
establecer la comunicación con el centro de recopilación
de mediciones, haciendo la selección adecuada de las
tecnologías inalámbricas existentes, que cumplan con
los requerimientos de distancia, potencia y consumo.
Modelar la manera como los datos puede ser
visualizados en dispositivos móviles.
Sugerir el uso de aplicaciones que logren presentar
estadísticas del comportamiento de la calidad del agua.
Detectar si la inversión en el sistema conlleva a
una reducción de costos operativos y podría incidir
positivamente en al aumento de la producción.
3 Justificación
La piscicultura inteligente pretende ubicar el
abastecimiento y producción de alimentos marinos en
medios controlados con el propósito de contribuir a la
pérdida de alimentos en la cadena de suministros de
pesca. Solo un 40% de la producción mundial de
alimento marino es derivada de la acuicultura (FAO,
2016).
De otro lado, los procesos de cultivo exigen
recursos humanos y operativos para el control de los
parámetros de la calidad del agua con baja agilidad,
aumentando la poca eficiencia y costo de producción,
que se intenta solucionar con el uso de tecnología IoT.
En Aquamar, todas las operaciones de control de
calidad del agua se realizan manualmente; la empresa
debe concentrar sus esfuerzos en la eficiencia del
personal a cargo, con el riesgo de sufrir pérdidas por
errores en el proceso de registro, disponibilidad de
personal, fallas de seguridad personal y técnica y todo
tipo de eventualidades que involucran las funciones del
operador.
Adicionalmente la rapidez en la respuesta de
control no corresponde a la que se quisieran tener
idealmente, lo que implica un análisis lento y una toma
de decisiones fuera de los términos temporales que
podrían poner en riesgo la vida de la cosecha o su
normal proceso de crecimiento.
Por lo tanto es imprescindible la búsqueda de un
modelo eficiente que logre reducir los riesgos que
afecten la rentabilidad de la industria. Un monitoreo
3
constante de la calidad del agua, que se ajuste al
protocolo exigido técnicamente permite identificar los
pasos a seguir, así como las acciones a tomar en los
eventos de desviaciones de los rangos aceptables de los
parámetros de calidad.
3.1 Alcances y Limitaciones
El proyecto se contextualizó para ser un modelo de
solución, en el área física de producción de la empresa
Aquamar, dedicada a la acuicultura de la especie de
camarón Litopenaeus Vannamei, en el golfo de
Maracaibo. El estudio modela el sistema para una
sección de la camaronera, que fácilmente será escalable
a las 250 piscinas en la que se cultiva.
Figura 1. Sector para aplicación de estudio en Aquamar
El estudio definió teóricamente un modelo de
tecnología IoT que cumple con los requerimientos del
marco de operación de la empresa teniendo en cuenta el
área geográfica de producción y las necesidades
presentes en el proceso de control de calidad del agua.
Por tal razón, se determina un modelo práctico, de
consumo energético autosuficiente, de bajo
mantenimiento, orientado a la computación en la nube
enfocada a dar agilidad en la toma de registros y
aumentar el desempeño de análisis de datos.
El proyecto no pretende implementar de manera
práctica el sistema, pero si recomendar la infraestructura
más adecuada para alcanzar los objetivos propuestos.
4 MARCO TEÓRICO
4.1 Parámetros de calidad del agua en
la acuicultura
El nivel de Concentración de Oxígeno Disuelto
COD en el agua es considerado el parámetro más
importante y aporta información del estado general de
las piscinas. El oxígeno molecular (0 2) disuelto en el
agua es respirado por los camarones y esta
concentración tiene diferentes causales de variabilidad,
como son: Presión atmosférica, Temperatura, Presencia
.

de plancton, Reacciones químicas y bioquímicas,

Difusión, Precipitaciones.

Tabla 1. Efectos de diferentes concentraciones de

oxígeno en los camarones (Kwei Lin, y otros, 2005)
COD Efecto
Menor a 1 o 2 mg/L Mortal si la exposición dura más
que unas horas
2-5 mg/L Crecimiento será lento si la baja
de oxígeno disuelto se prolonga
5 mg/L- 15mg/L Mejor condición para crecimiento Figura 1. Definición IoT (IERC, 2014)
(saturación adecuado
Sobresaturación Puede sea dañino si las La arquitectura del modelo de típico IoT de los
(> 15 mg/L) condiciones existen por todo el dispositivos que toman las lecturas de los parámetros de
estanque. Generalmente, no hay interés, se envían al módulo que decidirá, una vez
problema procese la información, hacer control del parámetro a
través del actuador. Figura 2.
Al igual que el COD el nivel de pH depende de
diferentes variables como son la concentración de
fitoplancton, composición del suelo, grado de nutrientes,
salinidad, turbidez entre otros

Tabla 2. Influencia del pH en el camarón (Boyd, 2015)

pH Efecto
4 Punto de acidez letal
4-5 No reproducción
4-6 Crecimiento lento Figura 2. Modelo inalámbrico para la toma de datos
7-9 Mejor crecimiento (Vermesan & Friess, 2014)
9-11 Crecimiento lento
11 Punto letal de alcalinidad
4.3 Sensores
En lugares cálidos tropicales, como es el golfo de
Maracaibo, donde se aplica el estudio, las variaciones
de temperatura no superan los 5 °C, de esta manera se 4.3.1 Sensor de Temperatura
aplica el criterio de que el mejor desarrollo del camarón
se da a una temperatura entre 25-32° C. (Meyer, 2004, El sensor de temperatura es de tipo resistivo. Se
p. 38) basa en la variación de la resistividad que de un
semiconductor por gradiente de la temperatura
4.2 Infraestructura IoT ambiente. Existen dos tipos de termistores NTC:
coeficiente de temperatura negativo y PTC: coeficiente
de temperatura positivo.
Si bien el término Internet de la Cosas IoT, ofrece
una ligera idea de lo que se trata, este no refleja la total
Cuando la temperatura aumenta, los tipo PTC
magnitud del asunto: Cluster of European Research
aumentan su resistencia y los NTC la disminuyen. Se
Proyects IERC establece que IoT es "Una infraestructura
fabrican de óxidos semiconductores (óxido férrico, óxido
de red global dinámica con capacidad de auto-
de níquel, óxido de cobalto). La no linealidad es su
configuración basada en protocolos de comunicación
mayor desventaja.
estándar e interoperables, donde las cosas (things)
físicas y virtuales, tienen identidades, atributos físicos y
.
personalidades virtuales y utilizan interfaces inteligentes,
y son perfectamente integrada en la red de información." 4.3.2 Sensor de pH
(IERC, 2014).
Este sensor es un electrodo de vidrio, conformado
por una membrana de ion selectivo, de vidrio, permeable
al hidrógeno. Se genera una diferencia de potencial por
el efecto electroquímico que se da en el interior del
sensor que cumple con un comportamiento
parametrizado relacionado con el potencial de hidrogeno
(Ecuación de Nernst).

4
.

4.3.3 Sensor de COD
Este sensor actúa por la presencia de una corriente
proporcional a la presión del oxígeno disuelto en el
agua, generada por un electrodo galvánico. Se
considera de 100% el porcentaje de saturación de
oxígeno del agua a nivel del mar.
4.4 Comunicación
Se presenta un comparativo de los estándares de
protocolos de red para comunicación inalámbrica con
miras a seleccionar el más apropiado de acuerdo a las
características de consumo, alcance y tasa de
transferencia.
120 m. lo que exige utilizar una red inalámbrica de
sensores.
Los nodos sensores deben tomar datos
correspondientes a los parámetros a medirse.
La electrónica asociada a cada nodo sensor debe
ser de muy bajo consumo de energía debido a que estos
nodos de sensores funcionarán solo con baterías
.
El nodo sensor debe permitir su configuración de
manera local e inalámbrica para el ajuste del tiempo de
transmisión de datos y calibración de sensores.
Por lo tanto se diseñó un sistema escalable que
opera modularmente dentro del área de 10 Km 2 de
cultivo de Aquamar. De esta manera se definieron 20
sectores que forman subredes interconectadas a un
nodo central y abarcan alrededor de 250 piscinas.

La tabla 3 muestra los rangos de temperatura y OD

óptimos que permiten el mejor crecimiento y estado de
salud de la especie cultivada.

Tabla 3. Rangos aceptables de concentración

Oxígeno O2 5 – 15 mg/L
Hidrógeno H+ pH 7-9

Se debe considerar que la temperatura cumple con

un gradiente de acuerdo con la profundidad del agua y
de la hora del día. Un comportamiento típico de este
fenómeno se describe en la figura 3.

Tabla 3. Comparativo de protocolos de red (Kwei

Lin, y otros, 2005)

4.5 Controladores
Se determina que, para la cantidad de piscinas a
las que se controla la calidad de agua (250), y el número
de dispositivos que actúan de medición y actuación, el
controlador debe cumplir con la característica de ser lo
bastante económico y versátil. Se decide optar por la
Figura 3. Variación de temperatura vs profundidad
alternativa sugerir implementar el sistema con las placas
(Boyd, 2015)
Arduino, que se integran microcontroladores Atmel en su
gran mayoría y revisten un bajo costo además de un
Se sugiere adoptar el uso de sensores Atlas
proceso sencillo de implementación. Ver Tabla 4.
Scientific por su integración y bajo coste.
Arduino y Centuri Boards.

5 METODOLOGÍA

Para abordar el diseño de implementación del sistema

IoT, que represente la funcionalidad específica de Figura 4 Sensor Atlas Scientific
control de las variables objeto: temperatura y nivel de
oxígeno diluido OD, en el agua, se adoptó una
metodología cuantitativa descriptiva teniendo en cuenta
los siguientes criterios:
Se necesita enviar los datos desde puntos sobre Name Processor Operating/Input CPU Analog Digi
cada piscina, cuyo tamaño promedio es de 280 m por Voltage Speed In/Out IO/PW

5
 .

101 Intel® Curie 3.3 V/ 7-12V 32MH 6/0

z
Gemma ATtiny85 3.3 V / 4-16 V 8 MHz 1/0
LilyPad ATmega168V 2.7-5.5 V / 8MHz 6/0
ATmega328P 2.7-5.5 V
LilyPad SimpleSnap ATmega328P 2.7-5.5 V / 8 MHz 4/0
2.7-5.5 V
LilyPad USB ATmega32U4 3.3 V / 3.8-5 V 8 MHz 4/0
Mega 2560 ATmega2560 5 V / 7-12 V 16 16/0
MHz
Micro ATmega32U4 5 V / 7-12 V 16 12/0
MHz
MKR1000 SAMD21 3.3 V/ 5V 48MH 7/1
Cortex-M0+ z
Pro ATmega168 3.3 V / 3.35-12 V 8 6/0
ATmega328P 5 V / 5-12 V MHz
16
MHz
Pro Mini ATmega328P 3.3 V / 3.35-12 V 8 6/0
5 V / 5-12 V MHz
16
MHz
Uno ATmega328P 5 V / 7-12 V 16 6/0
MHz
Zero ATSAMD21G18 3.3 V / 7-12 V 48 6/1
MHz

Tabla 4. Arduino y Centuri Boards

6
5.1 Modelo de control IoT
De acuerdo con los objetivos perseguidos, los
datos a obtener deben reflejar la agilidad de la captura
de los niveles medidos en tiempo real y poder tomar
sediciones de aplicación inmediata.
El modelo básico del sistema y su funcionalidad se
describe en la figura 5.
Figura 5. Modelo nodo sensor
La figura 6, describe el modelo general que
implementa un sistema de control de calidad de agua
con el concepto de IoT.
Figura 6. Modelo IoT Control de calidad del agua
DISCUSIÓN RESULTADOS
La disminución de mortalidad del camarón
producida por comportamientos naturales como la
presión atmosférica, la temperatura ambiente y lluvia, se
logra alcanzar con el modelo descrito, ya que las
acciones de contingencia son tomadas oportunamente.
Los controles generalmente aceptados que se
viene practicando en la acuicultura para el control del
COD, es de todas maneras la aplicación de técnicas de
aireación, así cómo la recirulaciòn constante del agua
que permite aumentar el nivel de COD, sin embargo se
debe analizar los factores por los cuales se presentan
caídas prolongadas y repentinas de COD (Kwei Lin, y
otros, 2005).
De acuerdo a los estudios se establece que CDO
es fácilmente controlable de manera inteligente e
inmediata, con la implementación de actuadores que
activan los aireadores y válvulas de intercambio de
agua.
La implementación bajo una red Zigbee, permite
que el consumo sea bajo y logra establecerse una
comunicación confiable que aporta información
constantemente a la base de datos, desde se obtiene el
procesamiento para su respectivo análisis.
Los resultados obtenidos logran visualizar el
comportamiento de la calidad del agua dentro de los
umbrales permitidos, mediante el uso de herramientas
graficadoras que señalan la tendencia de los
parámetros.
La simulación muestra la forma de presentar los
datos y la manera rápida e intuitiva de comparación con
los umbrales permitidos para detectar los problemas que
puedan surgir.
Los resultados de los análisis de datos podrán
anticipar la tendencia del parámetro y predecir que
factor puede estar incidiendo en la calidad del agua
apoyado en los procesos conocidos de alimentación,
densidad de la población de la especie y otros datos
como son la salinidad, crecimiento de algas y placton.
Figura 7
Figura 7.Estado de calidad del agua. ( Lianzhi,
Daoliang, & Mingfei, 2016 . Imagen parcial)
Por otra parte, los resultados de rentabilidad se
verán reflejados a largo, plazo generalmente en un ciclo
completo de cosecha comparando con los datos de
rentabilidad de cosechas anteriores desprendidos del
método tradicional de registro de parámetros.
Posiblemente la inversión de la infraestructura es
más alta que lo esperado por la empresa la que
considera un período demasiado largo de retorno de la
inversión
Pero debe considerarse que el modelo aporta
nuevas consideraciones en la forma como se lleva el
proceso de cultivo, detectando anomalías en los
procesos de alimentación, excesos de consumo
energéticos por operación de las bombas de
recirculación o aireadores o predicciones en el
comportamiento de crecimiento de la especie.
Por último los datos han permitido establecer qué
periodos del día presentan mayor variabilidad de
temperatura por efectos del calor ambiental, lluvias y
estaciones anuales permitiendo diseñar una estrategia
de suministro de alimento al camarón.
CONCLUSIONES
Los resultados de eficiencia y desempeño del
sistema se ven reflejado en la rapidez de la obtención de
las mediciones y registro de los parámetros de la calidad
el agua.
. Application toWater Quality Monitoring in Malawi.
A pesar de que los datos recolectados
manualmente, permitían un grado de confiabilidad
aceptable, el procesamiento manual de los mismos, no
permite una visión rápida y efectiva que relacione el
crecimiento y posible mortalidad del camarón con fallas
en el proceso de crianza y del estado de los estanques.
Se determinó que el proceso de obtención y
procesamiento de datos, tiene una respuesta efectiva
dado su característica de lectura en tiempo real, que
comparada con el proceso manual presenta este
presenta un retardo hasta de 24 horas para la
consolidación de datos y su respectivo análisis usado
para aplicar las políticas pertinentes de control
Se logra una disminución de la mortalidad en un
95% y una mejor condición del agua para el crecimiento
de la especie en un 99% del periodo de crianza, lo que
redunda en un aumento de la productividad del 40 % de
acuerdo a los datos comparativos de las cosecha del
último periodo de producción.
De la misma forma se pueden evidenciar el
surgimiento de nuevos inconvenientes en la metodología
usada por análisis de datos en las técnicas que usa
Aquamar para el cultivo-
REFERENCIAS
Lianzhi, W., Daoliang, L., & Mingfei, Z. (8 de 12 de 2016). IFIP
International Federation fotr Information Processing.
Obtenido de Design and Development of Water
Quality Monitoring System based on Wireless Sensor
Network in Aquaculture:
http://dl.ifip.org/db/conf/ifip12/ccta2010-4/ZhangLWM
D10.pdf
Boyd, C. E. (2015). CESASIN. (A. 3. Auburn University, Ed.)
Recuperado el 11 de Noviembre de 2016, de
http://www.cesasin.com.mx/CentroAmerica/1Calidad
%20del%20agua.pdf
Córdoba, D. M. (25 de Septiembre de 2013). revistas
Universidad Distrital. Obtenido de
http://revistas.udistrital.edu.co/ojs/index.php/tia/article/
viewFile/4437/6856
FAO. (2016). Estado mundial de la pesca y la acuicultura.
Obtenido de Depósito de documentos de la FAO:
http://www.fao.org/3/a-i5555s.pdf
IERC. (2014). European Research Proyects Cluster SRIA .
Obtenido de http://www.internet-of-things-
research.eu/about_iot.htm
Kwei Lin, C., Boyd, C., Pantoja, C., Brock, J., Johnson, K., &
Treece, G. (Junio de 2005). Buenas Prácticas de
Manejo para el Cultivo de Camarón. Obtenido de
Centro de Recursos Costeros, Universidad de Rhode
Island:
http://www.crc.uri.edu/download/PKD_good_mgt_field
_manual.pdf
MADR/FAO. (Julio de 2015). Ministerio de Agricultura y
Desarrollo Rural. Obtenido de
https://www.minagricultura.gov.co/ministerio/direccion
es/Documents/
Politica_Integral_de_Pesca_MADR_FAO_julio_de_20
15.pdf
Marco, Z., & Floros, A. (2009). On the design of a of of a Water
Quality Wireless Sensor Network (WQWSN): an
http://www.isk.kth.se/~ntareme/On_the_design_of_a_
Water_Quality_Wireless_Sensor_Network_An_Applic
ation_to_water_Quality_Monitoring_in_Malawi.pdf.
Mayer, E. B. (10 de Mayo de 2016). Certification for Aquaculture
Porfesisonals. Recuperado el 26 de 12 de 2016, de
https://cap.auburn.edu/blog/2012/05/control-de-la-
calidad-del-agua-de-estanques-para-mejorar-la-
produccion-de-camarones-y-peces/?lang=es
Meyer, D. E. (2004). Introducci6n a la Acuacultura. Honduras:
Zamorano.
Superintendencia de Industria y Comercio. (27 de Junio de
2013). Medición y alimentación en el cultivo de
camarón. Bogotá: PONTIFICIA UNIVERSIDAD
JAVERIANA. Obtenido de http://www.ibepi.org/wp-
content/uploads/2014/12/Boletin_camarones_FINAL_
27junio.pdf
TECNOLOGÍA Y TERRITORIO. (3 de Enero de 2013).
TECNOLOGÍA Y TERRITORIO. Obtenido de ZIGBEE
VS WIFI EN REDES DE SENSORES. ESTUDIO
COMPARATIVO DE GENERAL ELECTRIC:
https://tecnologiayterritorio.wordpress.com/2013/01/0
3/zigbee-vs-wifi-en-redes-de-sensores-estudio-
comparativo-de-general-electric/
Vermesan, O., & Friess, P. (2014). Internet of Things –From
Research and Innovation to Market Deployment.
River Publishers.
Wang, T. (10 de 08 de 2012). Water Quality Monitoring System
based on WSN. Master Thesis. Stockholm: Royal
Institut of Technology.