Avanzando la Agricultura de Precisión: Análisis GPR Mejorado por Aprendizaje Automático para la Evaluación de la Humedad del Suelo en la Zona Radicular en Mega Granja

Este artículo presenta un nuevo marco basado en Radar de Penetración Terrestre (GPR) para estimar con precisión la humedad del suelo en la zona radicular, un parámetro clave en la agricultura de precisión. El enfoque se estructura de la siguiente manera: Primero, generamos un conjunto de datos sintético utilizando gprMax, cuidadosamente calibrado contra datos del mundo real para reflejar las condiciones reales del suelo. Luego, se emplean técnicas de ingeniería de características para extraer características significativas de las señales de GPR, seguidas de un riguroso proceso de selección para identificar el modelo de aprendizaje automático (ML) más efectivo para la predicción de la humedad del suelo. El marco propuesto es crucial para optimizar las prácticas de riego y la gestión de recursos hídricos, contribuyendo directamente a una agricultura más sostenible. Finalmente, validamos nuestro modelo integrando datos sintéticos con datos GPR reales recogidos en el Laboratorio SoilX del Instituto Politécnico de Worcester (WPI), mejorando la precisión de la predicción y la capacidad de generalización. Al garantizar la aplicabilidad de nuestro modelo a diversos entornos agrícolas, buscamos apoyar prácticas agrícolas eficientes que conduzcan a mejores rendimientos de cultivos y seguridad alimentaria.