Redes IoT e Inteligencia Artificial para Monitoreo Ambiental y Automatización de Camaroneras en Isla Manglecito

Luis Armando Rueda Rodríguez, Lucrecia Llerena Guevara

Resumen


Las camaroneras en zonas remotas como la Isla Manglecito enfrentan limitaciones de conectividad que dificultan el monitoreo ambiental y la gestión productiva. Este estudio tuvo como objetivo diseñar y simular una arquitectura IoT con inteligencia artificial (IA) para habilitar monitoreo en tiempo real, generar alertas tempranas y automatizar procesos críticos. En nuestra metodología se realizaron dos simulaciones. Primero realizamos el enlace inalámbrico de largo alcance (cercano a 90 kilómetros) utilizando la herramienta de simulación Radio Mobile. Segundo la red interna IoT, que se simula dentro de la camaronera utilizando el software Cisco Packet Tracer. Los resultados demostraron la estabilidad en el enlace a larga distancia, con márgenes cercanos a 36 dB y latencias que no superaron los 30 milisegundos. El consumo de energía  promedio de los equipos es de unos 3,7 kWh diarios. Los modelos de IA demostraron una (precisión 0,988, recall 0,938 y R² arriba de 0,93). Esto respalda contundentemente nuestra hipótesis: la arquitectura integrada de IoT e IA es totalmente viable para mejorar la eficiencia y sostenibilidad en el contexto de las camaroneras rurales.


Palabras clave


Inteligencia Artificial; IoT; Monitoreo Ambiental; Automatización; Cultivo de Camarones; hipoxia; biomasa.

Texto completo:

PDF HTML

Referencias


Ahmed, F., Bijoy, M. H. I., Hemal, H. R., & Noori, S. R. H. (2024b). Smart aquaculture analytics: Enhancing shrimp farming in Bangladesh through real-time IoT monitoring and predictive machine learning analysis. Heliyon, 10(17). https://doi.org/10.1016/j.heliyon.2024.e37330

Cai, H., Zhang, C., Xu, J., Wang, F., Xiao, L., Huang, S., & Zhang, Y. (2023b). Water Quality Prediction Based on the KF-LSTM Encoder-Decoder Network: A Case Study with Missing Data Collection. Water (Switzerland), 15(14). https://doi.org/10.3390/w15142542

Castellanos, G., De Beelde, B., Plets, D., Martens, L., Joseph, W., & Deruyck, M. (2023). Evaluating 60 GHz FWA Deployments for Urban and Rural Environments in Belgium. Sensors, 23(3). https://doi.org/10.3390/s23031056

Chiu, M. C., Yan, W. M., Bhat, S. A., & Huang, N. F. (2022a). Development of smart aquaculture farm management system using IoT and AI-based surrogate models. Journal of Agriculture and Food Research, 9. https://doi.org/10.1016/j.jafr.2022.100357

Correia, B., Pacheco, O., Rocha, R. J. M., & Correia, P. L. (2025a). Image-Based Shrimp Aquaculture Monitoring. Sensors, 25(1). https://doi.org/10.3390/s25010248

García Sánchez, S., Juárez Agis, A., Olivier Salome, B., Rivas González, M., & Zeferino Torres, J. (2018). [ENVIRONMENTAL PHYSICOCHEMICAL VARIABLES THAT AFFECT THE SHRIMP FARMING Litopenaeus vannamei, COYUCA DE BENÍTEZ, GUERRERO, MEXICO]. In Revista Mexicana de Agroecosistemas (Vol. 5, Issue 2).

Gavriilidis, N. O., Halkidis, S. T., & Petridou, S. (2025). Empirical Evaluation of TLS-Enhanced MQTT on IoT Devices for V2X Use Cases. Applied Sciences, 15(15), 8398. https://doi.org/10.3390/app15158398

Huang, Y. P., & Khabusi, S. P. (2025a). Artificial Intelligence of Things (AIoT) Advances in Aquaculture: A Review. In Processes (Vol. 13, Issue 1). Multidisciplinary Digital Publishing Institute (MDPI). https://doi.org/10.3390/pr13010073

Kanwal, S., Abdullah, M., Kumar, S., Arshad, S., Shahroz, M., Zhang, D., & Kumar, D. (2024a). An Optimal Internet of Things-Driven Intelligent Decision-Making System for Real-Time Fishpond Water Quality Monitoring and Species Survival. Sensors, 24(23). https://doi.org/10.3390/s24237842

Olanubi, O. O., Akano, T. T., & Asaolu, O. S. (2024a). Design and development of an IoT-based intelligent water quality management system for aquaculture. Journal of Electrical Systems and Information Technology, 11(1). https://doi.org/10.1186/s43067-024-00139-z

Pereira Pontón, J. M., Ojeda, V., Asanza, V., Lorente-Leyva, L. L., Peluffo-Ordóñez, D. H., Superior, E., & Del Litoral, P. (2023). Design and Implementation of an IoT Control and Monitoring System for the Optimization of Shrimp Pools using LoRa Technology. In IJACSA) International Journal of Advanced Computer Science and Applications (Vol. 14, Issue 8). www.ijacsa.thesai.org

Sánchez-Ulloa, A., & Palma-Macías, G. (2023). Análisis de las exportaciones de la industria camaronera en la provincia de El Oro, período 2020 – 2021. 593 Digital Publisher CEIT, 8(3), 110–118. https://doi.org/10.33386/593dp.2023.3.1654

Shabeer, M., Rafi, M., Behjati, M., & Rafsanjani, A. S. (2025). Reliable and Cost-Efficient IoT Connectivity for Smart Agriculture: A Comparative Study of LPWAN, 5G, and Hybrid Connectivity Models. https://arxiv.org/pdf/2503.11162

Shete, R. P., Bongale, A. M., & Dharrao, D. (2024). IoT-enabled effective real-time water quality monitoring method for aquaculture. MethodsX, 13. https://doi.org/10.1016/j.mex.2024.102906

Singh, K., Yadav, M., Singh, Y., Barak, D., Saini, A., & Moreira, F. (2024). Reliability on the Internet of Things with designing approach for exploratory analysis. Frontiers in Computer Science, 6. https://doi.org/10.3389/fcomp.2024.1382347

Singh, M., Sahoo, K. S., & Gandomi, A. H. (2024). An Intelligent-IoT-Based Data Analytics for Freshwater Recirculating Aquaculture System. IEEE Internet of Things Journal, 11(3), 4206–4217. https://doi.org/10.1109/JIOT.2023.3298844




DOI: https://doi.org/10.23857/pc.v10i11.10708

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/