De la agricultura tradicional a la Inteligencia Artificial: Soluciones innovadoras para aumentar la producción y el rendimiento de los cultivos

Descargas: 42

Autores/as

DOI:

https://doi.org/10.56845/terys.v4i3.465

Palabras clave:

Agroindustria, inteligencia artificial, RNA, Sistemas Expertos

Resumen

La agricultura es un sector prioritario en la economía y la seguridad alimentaria, actualmente, la agricultura se enfrenta a retos como el cambio climático y el incremento de la demanda alimentaria, la inclusión de la inteligencia artificial (IA) ha permitido que se pueda innovar en las prácticas agrícolas tradicionales. Se ha utilizado IA para el desarrollo de diferentes herramientas que permiten analizar grandes volúmenes de datos provenientes de variables como clima, suelo, cultivos y otros parámetros físicos y bioquímicos que permiten facilitar decisiones informadas para optimizar el uso de recursos y aumentar la productividad.

Existen herramientas como redes neuronales, sistemas expertos y algoritmos de inferencia que han demostrado su eficacia en la predicción y optimización de rendimiento de la producción, en el uso de nuevos mecanismos para la fertilización y la gestión de recursos, ajustándose a las necesidades específicas de cada cultivo y región. En el presente trabajo se expone un panorama general de algunas de las herramientas basadas en mecanismo de inferencia impulsados por IA que se han implementado con éxito en el sector agrícola, y que han logrado optimizar los recursos favoreciendo la productividad y la rentabilidad económica.

Citas

Ambriz, A. (2024). Agroindustria: Importancia en México. Eezy Gro. https://www.eezygro.com.mx/articulos/agroindustria-importancia-en-mexico

Albahri, G., Alyamani, A. A., Badran, A., Hijazi, A., Nasser, M., Maresca, M., & Baydoun, E. (2023). Enhancing essential grains yield for sustainable food security and bio-safe agriculture through latest innovative approaches. Agronomy, 13(7), 1709. https://doi.org/10.3390/agronomy13071709

Barragán González, A. (2024). El Impacto de la Inteligencia Artificial en la Agroindustria. Hegamex. https://www.hegamex.com/post/el-impacto-de-la-inteligencia-artificial-en-la-agroindustria

Dong, Y., Fu, Z., Peng, Y., Zheng, Y., Yan, H., & Li, X. (2020). Precision fertilization method of field crops based on the Wavelet-BP neural network in China. Journal of Cleaner Production, 246, 118735. https://doi.org/10.1016/J.JCLEPRO.2019.118735

Incio Flores, F. A., Capuñay Sanchez, D. L., Estela Urbina, R. O., Valles Coral, M. Á., Vergara Medrano, E. E., & Elera Gonzales, D. G. (2021). Inteligencia artificial en educación: una revisión de la literatura en revistas científicas internacionales. Apuntes Universitarios, 12(1). https://doi.org/10.17162/au.v12i1.974

Purroy Vasquez, R., Aguilar Lasserre, A. A., Meza Palacios, R., & Fernández Lambert, G. (2024). Artificial neural network (ANN) in forecasting of poverty line and economic-energetic efficiencies into the maize-based agroecosystems. Archives of Agronomy and Soil Science, 70(1), 1–17. https://doi.org/10.1080/03650340.2023.2287751

Juhi Reshma, S. R. & John Aravindhar D. (2022). A Systematic Approach of Classifying Soil & Crop Nutrient Using Machine Learning Algorithms. International Journal of Intelligent Systems and Applications in Engineering, 10(2s), 174–179. https://ijisae.org/index.php/IJISAE/article/view/2380

Nabavi-Pelesaraei, A., Fatehi, F., & Mahmoudi, A. (2014). Prediction of yield and economic indices for tangerine production using artificial neural networks based on energy consumption. International Journal of Agronomy and Agricultural Research, 4(5), 57-64.. http://www.innspub.net

Maia da Silva, F. F., Ferreira, D. A., Monte, F. J. Q., de Mattos, M. C., & de Lemos, T. L. G. (2016). The orange peel as biocatalyst for the hydrolysis of esters. Industrial Crops and Products, 84, 22–27. https://doi.org/10.1016/J.INDCROP.2016.01.017

Moein, S. (2017). Definition of artificial neural network. In Artificial Intelligence: Concepts, Methodologies, Tools, and Applications (pp. 1-11). IGI Global Scientific Publishing. https://doi.org/10.4018/978-1-5225-1759-7.CH001.

Ramezanpour, M. R., & Farajpour, M. (2022). Application of artificial neural networks and genetic algorithm to predict and optimize greenhouse banana fruit yield through nitrogen, potassium and magnesium. PLoS ONE, 17(2). https://doi.org/10.1371/journal.pone.0264040

Rodríguez‐Aguirre, E., Badillo‐Márquez, A. E., Aguilar‐Lasserre, A. A., & Flores‐Asis, R. (2025). An agent‐based model to evaluate agricultural vulnerability and risk facing climate change in strawberry production. Crop Science, 65(1), e21100. https://doi.org/10.1002/csc2.21100

Taneja, A., Nair, G., Joshi, M., Sharma, S., Sharma, S., Jambrak, A., Roselló-Soto, E., Barba, F. J., Castagnini, J., Leksawasdi, N., & Phimolsiripol, Y. (2023). Artificial Intelligence: Implications for the Agri-Food Sector. Agronomy, 13(5), 1397. https://doi.org/10.3390/agronomy13051397

Yang, T., Mei, Y., Xu, L., Yu, H., & Chen, Y. (2024). Application of question answering systems for intelligent agriculture production and sustainable management: A review. Resources, Conservation and Recycling, 204, 107497. https://doi.org/10.1016/J.RESCONREC.2024.107497

Yang, X., Xiong, J., Du, T., Ju, X., Gan, Y., Li, S., Xia, L., Shen, Y., Pacenka, S., Steenhuis, T., Siddique, K., Kang, S., & Butterbach‐Bahl, K. (2024). Diversifying crop rotation increases food production, reduces net greenhouse gas emissions and improves soil health. Nature Communications, 15. https://doi.org/10.1038/s41467-023-44464-9

Zdeborová, L., & Krzakala, F. (2015). Statistical physics of inference: thresholds and algorithms. Advances in Physics, 65, 453 - 552. https://doi.org/10.1080/00018732.2016.1211393

Descargas

Publicado

2025-11-30

Cómo citar

Flores-Asis, R., Grande-Ramírez, J. R., Badillo Márquez, A. E., Meza-Palacios, R., & Valdés-Álvarez, A. C. (2025). De la agricultura tradicional a la Inteligencia Artificial: Soluciones innovadoras para aumentar la producción y el rendimiento de los cultivos. Tendencias En energías Renovables Y Sustentabilidad, 4(3), 12–17. https://doi.org/10.56845/terys.v4i3.465

Número

Vol. 4 Núm. 3 (2025)

Sección

Artículos de Divulgación Científica

Licencia

Derechos de autor 2025 Rita Flores-Asis, José Roberto Grande-Ramírez, Alina Evelyn Badillo Márquez, Ramiro Meza-Palacios, Alejandra C. Valdés-Álvarez

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.