Desarrollo e implementación de un sistema de riego inteligente basado en internet de las cosas para cultivos protegidos en Aguascalientes, México

Abstract

Resumen Aguascalientes, ubicado en una región semiárida de México, enfrenta una crisis hídrica constante debido a la escasez de lluvias, la sobreexplotación de acuíferos y la contaminación del agua. La agricultura, siendo una de sus principales actividades económicas, se ve especialmente afectada por estas condiciones. Ante este panorama, los cultivos protegidos representan una alternativa más eficiente en el uso de suelo y agua. Esta tesis presenta el desarrollo y validación experimental en laboratorio de un sistema de riego inteligente basado en tecnologías de Internet de las Cosas (IoT) y aprendizaje automático (machine learning). El sistema utiliza sensores conectados a una Raspberry Pi para recolectar datos ambientales en tiempo real (como humedad del suelo, temperatura y luz), los cuales son enviados vía MQTT a una aplicación web que actúa como sistema central de monitoreo y control. A partir del análisis de estos datos mediante un modelo de machine learning, el sistema demuestra su capacidad para tomar decisiones automáticas simuladas orientadas a optimizar el riego. El objetivo principal es contribuir al uso eficiente del agua en cultivos protegidos, alineándose con los objetivos de sostenibilidad del estado de Aguascalientes y de México a nivel nacional. La investigación busca no solo ofrecer una solución técnica viable, sino también aportar al desarrollo de sistemas agrícolas resilientes y sostenibles ante los desafíos del cambio climático y el crecimiento urbano. Palabras clave: riego inteligente, internet de las cosas, aprendizaje automático, agricultura de precisión, cultivos protegidos, sostenibilidad hídrica

Abstract Aguascalientes, located in a semi-arid region of Mexico, faces a constant water crisis due to low rainfall, overexploitation of aquifers, and water pollution. Agriculture, being one of its main economic activities, is particularly affected by these conditions. In this context, protected crops represent a more efficient alternative for land and water use. This thesis presents the development and laboratory validation of an intelligent irrigation system based on Internet of Things (IoT) and machine learning technologies. The system uses sensors connected to a Raspberry Pi to collect real time environmental data (such as soil moisture, temperature, and light), which are transmitted via MQTT to a web application that serves as the central monitoring and control system. Through the analysis of these data using a machine learning model, the system demonstrates its ability to perform simulated automated decision-making aimed at optimizing irrigation. The main objective is to contribute to the efficient use of water in protected crops, in alignment with the sustainability goals of the state of Aguascalientes and of Mexico at the national level. The research seeks not only to offer a viable technical solution but also to contribute to the development of resilient and sustainable agricultural systems in the face of climate change and urban growth challenges. Keywords: smart irrigation, internet of things, machine learning, precision agriculture, protected crops, water sustainability