Design of an irrigation system for smart farm based on internet of things

El presente documento describe el proceso de adquisición de datos medioambientales que alimentan un sistema de control de riego inteligente el cual, basado en el cálculo de la evapotranspiración de un cultivo, logra calcular las necesidades hídricas del mismo por medio de inteligencia artificial, con un método derivado de random forest para suplirlas. Luego de plantearse la problemática del riego, y la justificación de una solución basada en Internet de las Cosas (IoT) como satisfactoria, se precisan las variables que intervienen en el proceso y las características de los datos que producen los sensores; se desarrolla el proceso de captura de datos sobre una arquitectura IoT basada en gestión del conocimiento con las fases de: sensado, comunicación y analítica, refiriendo los componentes del software R que se han implementado para realizar este proceso, culminando con las proyecciones de analítica del riego. Este proceso luego es emulado por una inteligencia artificial la cual es escogida entre 20 diferentes topologias para escoger la mejor basada en la disminución del error cuadrático medio y emular por medio de una IA la estimación de riego. Al ser el riego el aspecto principal del rendimiento de un cultivo se concluye que se suple una necesidad inherente al sector del campo -que aún no está automatizado- proponiéndose una solución para las condiciones específicas del campo colombiano.This document describes the process of acquiring environmental data that feeds an intelligent irrigation control system which, based on the calculation of the evapotranspiration of a crop, manages to calculate its water needs by means of artificial intelligence, with a method derived from random forest to supply them. After considering the problem of irrigation, and the justification of a solution based on the Internet of Things (IoT) as satisfactory, the variables involved in the process and the characteristics of the data produced by the sensors are specified; The data capture process is developed on an IoT architecture based on knowledge management with the phases of: sensing, communication and analytics, referring to the R software components that have been implemented to carry out this process, culminating with the analytical projections of the irrigation. This process is then emulated by an artificial intelligence which is chosen among 20 different topologies to choose the best one based on the reduction of the mean square error and emulate the irrigation estimation by means of an AI. As irrigation is the main aspect of crop performance, it is concluded that an inherent need in the field sector is met - which is not yet automated - proposing a solution for the specific conditions of the Colombian field