División de Estudios de Posgrado e Investigación
S
ISTEMA DE
C
ONTROL
D
IFUSO PARA
M
ONITOREO DE
H
UMEDAD Y
T
EMPERATURA EN
C
ULTIVOS DE
P
LÁTANO
Tesis
QUE PARA OBTENER EL GRADO DE
MAESTRO EN SISTEMAS COMPUTACIONALES
PRESENTA:
ING. EDUARDO CÁRDENAS VALDOVINOS
DIRECTOR DE TESIS:
DR. NOEL GARCÍA DÍAZ
CO-DIRECTOR
M.C. JUAN GARCÍA VIRGEN
Dedicatoria
Sin dudarlo principalmente a mi madre y mi padre por criarme y enseñarme tantas cosas que
hacen que sea el hombre que soy ahora.
A mis tíos en Estados Unidos que apoyaron tantas veces agracias a ustedes esto fue posible.
Agradecimientos
Al Instituto Tecnológico de Colima por darme esta gran oportunidad.
Al Consejo Nacional de Ciencia y Tecnología por el apoyo económico para poder realizar mis
estudios de Maestría.
A mi director el Dr. Noel García Díaz y mi co-director el M.C. Juan García Virgen muchas
gracias de ustedes me llevo un aprendizaje muy valioso de ustedes.
A los profesores del programa de Maestrías en Sistemas Computacionales de Colima y todo lo
encargados del posgrado gracias por su ayuda y por tantas enseñanzas.
Epígrafe
La disciplina que aprendes y el carácter construyes a partir de establecer y alcanzar un objetivo puede ser más valioso que el logro de la misma meta.
Resumen
El plátano es el cuarto cultivo más importante en el mundo, siendo México el decimosegundo
productor mundial de este fruto y el estado de Colima el quinto a nivel nacional en 2017, pero
como todo cultivo agrícola este es afectado por plagas que aquejan de manera negativa su
calidad. El objetivo de esta investigación consiste en controlar la proliferación de la Sigatoka
Negra para lo cual este proyecto desarrolló una red de sensores que monitorea las condiciones de
temperatura y humedad en el cultivo de plátano para enfrentar el problema de la proliferación del
agente nocivo de la Sigatoka Negra la cual afecta la producción del plátano.
En el desarrollo de este trabajo se emplearon tecnologías tales como Lógica Difusa, sensores,
ZigBee y plataformas Open Source (Arduino) en conjunto con el lenguaje de programación
Python.
Los resultados obtenidos impactan de manera benéfica en la productividad y competitividad para
la producción de plátano en el estado de Colima. Se puede concluir que el uso de la Lógica
Difusa mediante un sistema de inferencia difuso tipo Mandani contribuye en la reducción de la
proliferación de la Sigatoka Negra.
Abstract
The banana is the fourth cultivate most important in the world, being Mexico the twelfth world
producer of this fruit and the state of Colima the fifth on national level in 2017, but as all
agricultural cultivate it is affected for plagues that affect negatively its quality, the objective of
this research consist of controlling of proliferation of the Black Sigatoka for which this project
developed a sensor network that monitors the conditions of temperature and humidity in the
cultivation of the banana to face the problem of proliferation of harmful agent of the Black
Sigatoka that deplete the quality and production of the banana.
In the development of this research was implanted techniques and methods of the fuzzy logic,
sensors, ZigBee and technologies Open Source (Arduino) in conjunction with the program
language Python.
The results obtained impact of benefic way in the productivity and competitivity to the banana
production of the Colima state. can be concluded that the use of Fuzzy Logic through a system
fuzzy inference type Mandani contribute in the reduction of the proliferation of the Black
Sigatoka.
Índice
Índice General
1. Introducción ... 1
1.1La naturaleza del problema ... 1
1.2 El contexto del problema ... 2
1.3 Revisión de la literatura ... 3
1.4 Planteamiento de la solución del problema a investigar ... 4
1.5 Justificación ... 4
1.6 Motivación ... 5
1.7 Objetivos ... 5
1.8 Metas ... 5
1.9 Hipótesis ... 5
1.10 Descripción de la organización del trabajo ... 6
2. Estado del Campo del Conocimiento ... 7
2.1 Marco Histórico ... 7
2.1.1 Combate a la Sigatoka Negra... 7
2.1.2 Redes de sensores ... 8
2.2 Marco Contextual ... 8
2.2.1 Investigaciones relacionadas ... 8
2.3 Marco Teórico ... 10
2.3.1 Sistema embebido... 10
2.3.2 Lógica Difusa ... 10
2.3.3 Arduino ... 11
2.3.4 Internet of Things (IoT)... 11
2.3.5 MATLAB ... 12
2.3.6 Thingspeak... 12
2.3.7 WIFI ... 12
2.3.8 ZigBee... 12
2.3.9 Python ... 13
2.3.10 Sensores ... 13
2.3.11 Redes de sensores. ... 14
3. Métodos Empleados ... 15
3.2 Análisis y Diseño ... 15
3.3 Creación de los prototipos de los nodos ... 16
3.3.1 Primer prototipo ... 16
3.3.2 Segundo prototipo ... 16
3.4 Diseño de interfaz ... 16
3.4.1 Interfaz web ... 16
3.4.2 Interfaz local ... 17
3.5 Pruebas... 17
3.6 Correcciones ... 17
3.7 Implementación del sistema ... 18
4. Desarrollo... 28
4.1 Modelo conceptual ... 28
4.2 Caso de estudio ... 29
4.3 Conceptualizar el problema ... 30
4.3.1 Características del caso de estudio ... 30
4.4 Modelo difuso ... 30
4.4.1 Variables ... 31
4.4.2 Reglas del modelo difuso ... 35
4.5 Diseño de los Nodos ... 36
4.5.1 Materiales ... 36
4.5.2 Creación del Nodo Sensor ... 46
4.5.3 Creación del Nodo Coordinador... 54
4.6 Interfaz ... 55
4.6.1 Instalación de la interfaz ... 55
4.6.2 Código de la interfaz ... 55
4.7 Diagrama de caso de uso ... 56
4.8 Diagrama de secuencia ... 57
5. Resultados ... 59
6. Conclusiones y trabajo futuro... 60
Referencias Bibliográficas ... 61
Índice de Tablas y Figuras
Figura 1: Progreso de la plaga Sigatoka Negra en una planta infectada. ... 2
Figura 2: Sistema Tipo Mandami (Arízaga Silva et al, 2014) ... 10
Figura 3: Sistema Tipo Takagi-Sugeno Takagi-Sugeno (Arízaga Silva et al, 2014) ... 11
Figura 4: Captura de pantalla de la interfaz web. ... 17
Figura 5: Archivos necesarios para visualizar los datos y tener un registro de estos. ... 18
Figura 6: Imagen de los nodos de la red de sensores. ... 19
Figura 7: Lecturas del Nodo Sensor mediante read_serial.py en Windows. ... 19
Figura 8: Registro de los datos del Nodo Sensor en Windows. ... 20
Figura 9: Lecturas del Nodo Sensor mediante read_serial.py en Ubuntu. ... 20
Figura 10: Registro de los datos del Nodo Sensor en Ubuntu. ... 21
Figura 11: Registro de los datos del Nodo Sensor en Raspbian. ... 21
Figura 12: Registro de los datos del Nodo Sensor en Raspbian. ... 22
Figura 13: Lecturas del Nodo Sensor mediante el IDE de Arduino en Windows. ... 23
Figura 14: Lecturas del Nodo Sensor mediante el IDE de Arduino en Raspbian. ... 23
Figura 15: Lecturas del Nodo Sensor mediante el IDE de Arduino en Ubuntu. ... 24
Figura 16: Comparativa entre la simulación del modelo difuso y su implementación en Arduino. ... 25
Figura 17:Instalación del Nodo Sensor en un poste. ... 26
Figura 18: Protección del sensor DHT22. ... 27
Figura 19: Estructura del sistema... 29
Figura 20: Imagen del área donde se implantó el proyecto. ... 29
Figura 21: Imagen satelital del área de desarrollo el proyecto. ... 30
Figura 22: Modelo difuso para predecir la proliferación de plaga “Sigatoka Negra” en el cultivo de plátano. ... 31
Figura 23: Comparativa de la relación entre las variables del modelo difuso propuesto. ... 32
Figura 24: FM de la variable Humedad. ... 33
Figura 25: FM de la variable Temperatura. ... 34
Figura 26: Conjuntos difusos de la variable de salida. ... 35
Figura 27: Arduino Mega. ... 38
Figura 28: Modulo XBee PRO S3B (XBee.cl, 2018). ... 39
Figura 29: X-CTU programa para configurar los módulos XBee. ... 41
Figura 30: DHT22. ... 42
Figura 31: Módulo XBee Shield Base Para Arduino. ... 43
Figura 32: Gabinete Plástico Exterior. ... 44
Figura 33: Conectores Glándula. ... 45
Figura 34: Powerbank. ... 46
Figura 35: Diagrama de conexión del Nodo Sensor. ... 47
Figura 36: Nodo Sensor dentro de un gabinete de plástico sin tapa. ... 48
Figura 37: Nodo Sensor dentro de un gabinete de plástico con tapa. ... 49
Figura 38: Imagen del Nodo Coordinador. ... 54
Figura 39: Diagrama de conexión del Nodo Coordinador. ... 54
Figura 40: Diagrama de caso de uso del sistema. ... 57
Anexo Figura 1: Acceso directo del IDE de Arduino. ... 64
Anexo Figura 2: Barra de herramientas del IDE de Arduino. ... 65
Anexo Figura 3: Forma de editar read_serial.py. ... 66
Anexo Figura 4: Código de read_serial.py. ... 67
Anexo Figura 5: Archivo de instalacion de Python. ... 68
Anexo Figura 6: Opcion de Instalar. ... 69
Anexo Figura 7: Ventana emergente del Instalador 1. ... 70
Anexo Figura 8: Ventana emergente del Instalador 2. ... 70
Anexo Figura 9: Ventana emergente del Instalador 3. ... 71
Anexo Figura 10: Ventana emergente del Instalador 4. ... 72
Anexo Figura 11: Ventana emergente del Instalador 5. ... 73
Anexo Figura 12: Ventana emergente del Instalador 6. ... 74
Anexo Figura 13: Ventana emergente del Instalador 7. ... 75
Anexo Figura 14: Opción de Clone and Download. ... 76
Anexo Figura 15: Opción de Clone and Download zip. ... 77
Anexo Figura 16: Archivo de instalación de la librería Pyserial 1. ... 78
Anexo Figura 17: Forma de descomprimir archivo pyserial-master. ... 79
Anexo Figura 18: Carpeta pyserial-master. ... 80
Anexo Figura 19: Ventana de comandos 1. ... 81
Anexo Figura 20: Ventana de comandos 2. ... 81
Anexo Figura 21: Ventana de comandos 3. ... 82
Tabla 1: Calendarización de las actividades del proyecto. ... 15
Tabla 2: Condiciones que propician la proliferación. ... 31
Tabla 3: Variables de entrada y salida del modelo difuso. ... 32
Tabla 4: FM de la variable Humedad... 33
Tabla 5: FM de la variable Temperatura. ... 34
Tabla 6: Funciones de Membresía de la variable Riesgo de proliferación. ... 35
Tabla 7: Representación de las reglas del modelo difuso. ... 36
Tabla 8: Lista de materiales del Nodo Sensor con su respectivo costo en MercadoLibre. ... 37
Tabla 9: Lista de materiales del Nodo Coordinador con su respectivo costo en Mercadolibre. .. 37
1
1. Introducción
1.1La naturaleza del problema
Los plátanos pertenecen al género Musa y representan al cuarto cultivo más importante en el
mundo (Manzo Sánchez et al., 2016). De acuerdo con la Secretaria de Agricultura, Ganadería,
Desarrollo Rural, Pesca y Alimentación, la producción de plátano “Hecho en México” se estimó
en dos millones 419 mil toneladas, encontrándose el estado de Colima dentro de los primeros
cinco productores a nivel nacional, este fruto es exportado a 24 países, entre ellos Estados
Unidos, Guatemala, Países Bajos, Reino Unidos, España, Japón, Rusia, Corea del Sur, Albania,
Túnez, Singapur, Nueva Zelandia, Portugal, Hong Kong, Bélgica, Italia, Canadá, Alemania,
Irlanda, Lituania y Turquía, entre otros (SAGARPA, 2017).
En (Manzo Sánchez et al., 2016) se menciona que el cultivo del plátano en México es
severamente afectado por plagas y enfermedades, las cuales representan un factor limitante en la
producción, tanto para los pequeños productores, como a las grandes empresas, que destinan su
producción a mercados internacionales. Dichas enfermedades y plagas afectan a cualquier tejido
de la planta, estas son causadas principalmente por hongos y otros agentes patógenos.
De acuerdo con el trabajo desarrollado por (Manzo Sánchez et al., 2016) en el cual se mencionó
que las principales enfermedades de importancia cuarentenaria y económica que enfrenta el
cultivo del plátano en México y en otros países principalmente en América Latina son: mancha
foliar eumusae (Mycosphaerella eumusae Crous & Morichon), Mal de Panamá raza tropical 4
(Fusarium oxysporum f. sp. cubense (E.F. Smith) Snyder and Hansen), Moko del plátano
(Rolstonia solanacearum), entre otras. Existen al menos 20 especies de Mycosphaerella que
afectan las hojas en bananos y plátanos, pero solamente tres causan pérdidas significativas
Mycosphaerella fijiensis, agente causal de la Sigatoka Negra es la más importante a nivel
mundial.
En palabras de (Vazquez Castrejon, et al., 2005) la Sigatoka Negra se presentó por primera vez
en México en el año de 1981 en Tabasco y Chiapas, la cual se dispersó al resto de los estados
productores, en el estado de Colima se detectó en 1989, ocasionando pérdidas en la producción
hasta en un 50% e incremento en los costos de producción, debido a que su control está basado
en el uso de agroquímicos.
2
Figura 1: Progreso de la plaga Sigatoka Negra en una planta infectada.
1.2 El contexto del problema
El cultivo del plátano es afectado por varias plagas que, de no ser manejada adecuadamente
podría reducir su calidad y producción. La identificación temprana y el monitoreo constante son
las herramientas importantes a la hora de tomar decisiones en el manejo de las plagas (Alvarado
Ortiz & Díaz, 2007).
Hoy en día hay proyectos destinados al monitoreo utilizando las condiciones ambientales con
tecnología Open Source (OS) para la agricultura, aunque la mayoría se enfocan solo en el ahorro
de agua como en el trabajo realizado por (Ceballos et al, 2015) el cual usa un modelo de Lógica
Difusa (LD) pero no lo aplica a la deteccion de plagas y al culitvo del plátano como el realizado
por (Flores Gallegos et al, 2017), cabe destacar que hay modelos dedicados a esta labor, pero
estos no se han implementado en hardware como el modelo difuso desarrollado por (Cárdenas
3
En el mercado existen sistemas detección de plagas enfocados al cultivo del plátano que utilizan
sensores, pero son bastante caros y significan un gasto muy grande para muchos productores.
1.3 Revisión de la literatura
El investigador (Ferdoush, 2014) desarrolló un sistema de redes de sensores basado en
plataformas de OS Arduino y Raspberry pi el cual fue diseñado para el monitoreo ambiental de
la humedad y temperatura en el área de la oficina del Departamento de Ingeniería Eléctrica del
Parque Discovery de la Universidad del Norte de Texas, esta red está compuesta de varios nodos
que se comunican utilizando la tecnología ZigBee(ZB).
En el trabajo desarrollado por (Rubio José de Jesús, 2016) se describe un prototipo que está
conformado por un arreglo de sensores de gas de óxido de estaño (SnO2) utilizados para
identificar vapores químicos, una etapa de adquisición de datos implementada con una
plataforma ARM (Advanced RISC Machine) de bajo costo (Arduino) y una red neuronal capaz
de identificar contaminantes ambientales automáticamente.
En el trabajo de (Flores Gallegos et al, 2017) se presenta el modelado de un sistema difuso para
monitorear la temperatura y la humedad relativa en macro túneles de enraizamiento de esquejes
en viveros de plantas ornamentales, este modelo tiene como variables de entrada el error de
temperatura y error de humedad, así como variables de salida la variación de temperatura y la
humidificación.
En (Cárdenas Valdovinos et al, 2017) se describe un modelo difuso para la detección de la plaga
de la Sigatoka Negra con base en las variables de entrada humedad y temperatura para
determinar el riesgo de proliferación de la plaga.
En (Ceballos et al, 2015) Muestra un sistema difuso con las variables de humedad relativa,
temperatura y etapa del cultivo, el cual automatiza el riego en un invernadero de chiles habaneros
4
En (Azaza et al, 2015) se desarrolló un sistema de control difuso enfocado en el ahorro de agua y
energía utilizando como variable de entrada: CO2 (dióxido de carbono) e iluminación,
temperatura y humedad. Fue hecho con MATLAB y se utilizó ZB para la conectividad.
Todos estos trabajos de investigación ofrecen muchas opciones de mejora para combatir las
plagas, de estos trabajos solo uno (Cárdenas Valdovinos et al, 2017) de ellos se enfoca en el
cultivo del plátano, pero no está implementado en hardware como se propone en este trabajo.
Otro aspecto a considerar de estas investigaciones es que ninguna incluyó un registro para
recabar información que sea de ayuda en el problema que se desea solucionar a partir de los
datos del sistema, el cual será desarrollado en este trabajo de tesis.
1.4 Planteamiento de la solución del problema a investigar
En esta investigación se propone un sistema de control difuso para una red de sensores
inalámbricos que monitorean la humedad y la temperatura en los cultivos de plátano y con estas
variables determinar el riesgo de proliferación. Los datos adquiridos se almacenan en un archivo
con extensión .CSV para posteriormente ser procesados e interpretados para la toma de
decisiones que permitan una mejora continua de los procesos de producción en futuras
investigación.
1.5 Justificación
Debido a las exigencias y tendencias actuales del mercado, es importante detectar las plagas de
manera rápida antes de que estas afecten el producto y esto se derive en pérdidas para el
productor. La humedad y la temperatura son dos variables que influyen en la proliferación de los
hongos como la Sigatoka Negra que en 1989 en su primera detección en el estado de Colima
causó pérdidas de un 50% para los productores estatales de plátano de acuerdo con (Vázquez
Castrejon et al, 2005).
Es importante mencionar que la placa Arduino fue elegida por ser de bajo consumo energético,
además de ser OS, tener compatibilidad con una gran cantidad de sensores y principalmente por
5
1.6 Motivación
La principal razón del proyecto es dar a los productores de plátano una herramienta con
instrumentos de bajo costo que ayude a detectar plagas que afectan la producción. Este trabajo
está enfocado al cultivo del plátano, pero se tiene la ventaja de ser adaptable a otros productos
agrícolas, y puede ser útil para medir parámetros alejados del área de la agricultura, todo esto con
herramientas de OS que beneficien al costo del proyecto, ofreciendo un servicio de calidad al
usuario el cual aporta valiosa información a proyectos futuros de esta área del conocimiento y de
muchas otras.
1.7 Objetivos
Objetivo General:
Desarrollar un sistema de información con LD que monitorea la humedad y la temperatura a
través de una red de sensores para enfrentar el problema de la proliferación de la Sigatoka Negra
la cual afecta la producción del plátano.
Objetivos Específicos:
• Construir nodos sensores que detecten la temperatura y humedad.
• Desarrollar un Nodo Coordinador que reciba los datos obtenidos por el Nodo Sensor.
• Aplicar técnicas de Lógica Difusa a los datos obtenidos por el Nodo Sensor.
• Crear una interfaz de visualización de datos y registro de estos.
1.8 Metas
1. Medir de los valores ambientales de temperatura y humedad.
2. Transmisión inalámbrica de datos entre nodos.
3. Aplicar las técnicas de LD
4. Almacenar de manera local los resultados de los procesos anteriores.
5. Mostrar los datos al usuario mediante una interfaz.
1.9 Hipótesis
La LD puede ser una herramienta de utilidad para determinar el riesgo de la Sigatoka Negra
6
1.10 Descripción de la organización del trabajo
Este trabajo de tesis está divido en 6 capítulos, comenzando por el primero de ellos que abarca la
introducción en la cual se aborda la problemática, la revisión de la literatura, los objetivos y
motivación para realizar este proyecto.
El resto de este estudio está estructurado de la siguiente manera:
Capítulo 2: Estado del campo del conocimiento, el cual aborda el combate a la Sigatoka Negra,
las redes de sensores y los sistemas difusos.
Capítulo 3: Métodos empleados, se definió el tipo de investigación y la metodología que se
utilizó en este trabajo de tesis.
Capítulo 4: Desarrollo, se describe el proceso de creación de este proyecto.
Capítulo 5: Resultados, se exponen los datos obtenidos al validar el sistema.
Capítulo 6: Conclusiones, se mencionan las notas finales obtenidas de este trabajo de
7
2. Estado del Campo del Conocimiento
En este capítulo se describe el estado del campo del conocimiento el cual contiene los estudios e
investigaciones que anteceden esta investigación, así como una amplía descripción del contexto
del problema que aborda este trabajo y la integración de la teoría con la investigación y sus
relaciones mutuas.
2.1 Marco Histórico
2.1.1 Combate a la Sigatoka Negra
De acuerdo con los autores (Orozco-Santos et al, 2008) para combatir la Sigatoka Negra se
requiere conocer su comportamiento a través del tiempo, su relación con el clima y las prácticas
de manejo. La práctica más importante para reducir la fuente de inóculo es la remoción de hojas
afectadas o porciones de éstas. Una práctica alternativa es el “minicomposteo”, que consiste en
colocar la hojarasca y plantas cosechadas en pequeños montones para su rápida degradación, la
poda temprana de las puntas de hojas jóvenes (antes de presentar lesiones esporuladas) y la
eliminación rápida de plantas cosechadas disminuyen el inóculo. También, el manejo
agronómico del cultivo como densidad de plantación, sistemas de drenaje, métodos de riego,
control de malezas, fertilización química-biológica y control de nematodos. Entre estas prácticas
el manejo del agua y métodos de riego es importante ya que gracias a ello se abastece al cultivo
del agua necesaria durante la época seca. Con el suministro adecuado de humedad, se desarrollan
plantas vigorosas y mantiene un ritmo de emisión foliar normal en los períodos poco favorables
para la enfermedad en palabras de (Orozco-Santos et al, 2008).
Por esta razón la importancia de una red sensores que permita monitorear la plaga Sigatoka
Negra utilizando las variables de entrada temperatura y humedad para determinar el riesgo de
proliferación de dicha plaga, una vez que se han determinado los niveles de proliferación tomar
la decisión de aplicar el suministro adecuado de agua que afecte de manera perjudicial al hongo
8
2.1.2 Redes de sensores
La primera de esta red de sensores fue desarrollada en Estados Unidos durante la guerra fría,
para intentar desvelar la posición de los silenciosos submarinos soviéticos mediante el despliegue
de sensores acústicos en el fondo del mar. El nombre de esta red era SOSUS (Sound Surveillance
System). Por un largo tiempo el uso de los sensores fue exclusivo del ejército. Es a finales de los
años 90 cuando los sensores han empezado a conseguir una mayor relevancia en el ámbito civil,
decreciendo en tamaño e incrementando su autonomía (Aransay, 2009).
Hoy en día las plataformas de hardware libre como Arduino y Raspberry pi han facilitado el uso
de las redes de sensores gracias a ser económico y ser fácilmente adaptable a diversos proyectos.
2.2 Marco Contextual
La red de sensores se implantó en áreas de cultivo ubicadas en el municipio de Manzanillo,
Colima, consta de 2 tipos de nodos, el “Nodo Sensor” el que realiza las mediciones de la
humedad y temperatura con base a estas variables determina el riesgo de proliferación gracias a
una librería de LD para Arduino, el otro nodo el “Nodo Coordinador” que recibe los datos del
Nodo Sensor y los envía a una programa que será la interfaz para que el usuario pueda visualizar
los datos del sistema y hacer un registro de ellos en un archivo .CSV.
2.2.1 Investigaciones relacionadas
En (Urbano Molano, 2013) se presenta el diseño preliminar de una red de sensores inalámbricos
para agricultura de precisión en cultivos de café en Colombia usando ZB. La arquitectura del
sistema consiste de: tres nodos que utilizan sensores para temperatura y humedad del suelo,
temperatura de las hojas, radiación solar y flujo fotosintético usando un radio XBee 802.15.4; el
nodo coordinador posee una estación climatológica y un modem GSM que se encarga de enviar
la información a un servidor central. Este trabajo desarrollado no incluye técnicas de LD como
las implementadas en el actual trabajo de tesis.
En la investigación de (Mustafa Alper Akkaşa et al, 2017) se presenta un prototipo de una red de
sensores que consta en nodos MicaZ que se utilizan para medir la temperatura, la luz, la presión,
humedad y la temperatura en invernaderos. Los datos de medición se han compartido con la
9
teléfonos móviles o computadoras con conexión a Internet. Aunque este trabajo también está
destinado al monitoreo, este no utiliza diferentes tecnologías y no se enfoca en el combate de
alguna plaga tal como el presente trabajo de tesis sí lo hace.
En la investigación de (Zhenfeng Xu et al, 2016) se desarrolló una red inalámbrica de monitoreo
diseñada en la capa de percepción de la IoT. Los nodos se desarrollan con base al hardware
Mica2 y el Software TinyOS. La tecnología LPL (Low Power Listening) se adopta para reducir
el consumo de energía del nodo de retransmisión que funciona con un panel solar. Una terminal
de monitoreo remoto fue desarrollada usando tecnología Java. La terminal de monitoreo es fácil
de operar con buena interactividad. El sistema ha sido instalado en un invernadero de cristal.
Como la mayoría de los trabajos aquí presentados está diseñado para ser usado en un invernadero
y no al aire libre tal como el trabajo de investigación presentado en este documento de tesis lo
hace, aunado a lo anterior no utiliza técnicas de LD.
En (Ochoa Duarte et al, 2018) se expone la creación un prototipo escalable de sistema de
medición y monitoreo de algunas variables (como humedad, temperatura, presencia de gases
entre otras variables) ambientales relacionadas con la calidad del aire todo esto al conjunto de
tecnóloga IoT. Esta investigación está destinada a resolver una problemática diferente a la de
este trabajo de tesis, pero comparte algunas tecnologías como el uso de Arduino y sensores, pero
10
2.3 Marco Teórico
2.3.1 Sistema embebido
De acuerdo con (Cruz, 2013) Este término se refiriere a equipos electrónicos que incluyen
procesamiento de datos a diferencia de una PC (por sus siglas en inglés Personal Computer), los
sistemas embebidos se diseñan para satisfacer una función específica (reloj digital, reproductor
de MP3, teléfono celular, rúter, sistema de control de automóvil o de satélite o de planta nuclear,
etc.).
2.3.2 Lógica Difusa
De acuerdo con el investigador (Zadeh, 1965), un conjunto difuso es una clase de objetos que
poseen un grado continuo de Membresía. Tal conjunto es caracterizado por tener una función de
Membresía (FM), la cual asigna cierto grado de pertenencia a cada objeto. La LD se puede
entender como un método para formalizar el razonamiento impreciso, dicho raciocinio representa
cierta capacidad humana de inferir y juzgar de manera aproximada en condiciones de
incertidumbre en palabras (Palomino et al, 2016).
De acuerdo con (Arízaga Silva et al, 2014) existen 2 tipos de inferencia difusa: Mamdani y
Takagi Sugeno.
a) Tipo Mamdani: Este utiliza reglas del tipo si-entonces (if-then) donde los antecedentes y el
consecuente son proposiciones difusas. En la Fig. 2 se aprecia este tipo de inferencia.
11
b) Tipo Takagi Sugeno: Los Modelos Takagi Sugeno usan como consecuente no una variable
difusa sino una función lineal de las variables de entrada tal como se puede apreciar en la Fig. 3.
Este modelo puede representar una clase general de sistemas no lineales estáticos o dinámicos
(Arízaga Silva et al, 2014).
Figura 3: Sistema Tipo Takagi-Sugeno Takagi-Sugeno (Arízaga Silva et al, 2014).
2.3.3 Arduino
Arduino es una placa de microcontrolador con un puerto USB (por sus siglas en ingles Universal
Serial Bus) para conectar la computadora y diversos pines de conexión que se pueden conectar
mediante cableado a todo tipo de componentes electrónicos externos, como motores, relés,
sensores de luz, diodos láser, altavoces, micrófonos, etc. Se puede alimentar mediante la
conexión USB de la computadora o con una pila de 9 V. La placa se puede controlar
directamente desde la computadora o programarla con éste y posteriormente desconectarla para
trabajar de forma autónoma y Aunque Arduino es un diseño de código abierto para una placa
interfaz de microcontrolador, en realidad es más que eso, ya que abarca tanto las herramientas de
desarrollo de software que son necesarias para programar la placa Arduino, como la propia placa
(Monk, 2012).
2.3.4 Internet of Things (IoT)
Es la tendencia emergente en la que una gran cantidad de dispositivos integrados están
12
dispositivos, a menudo, proporcionan datos de sensores a los recursos de almacenamiento en la
nube y de computación en la nube donde los datos se procesan y analizan para obtener
información importante.
Las soluciones de IoT están diseñadas para muchas aplicaciones verticales, como monitoreo y
control ambiental, monitoreo de la salud, monitoreo de flotas de vehículos, monitoreo y control
industrial y domótica (The Mathworks, inc., 2018).
2.3.5 MATLAB
MATLAB es una de las muchas sofisticadas herramientas de computación disponibles en el
mercado para resolver problemas de matemáticas. Permite efectuar cálculos matemáticos
básicos, pero difiere con otros entornos de desarrollo matemáticos en el modo como manejan los
cálculos simbólicos y procesos matemáticos más complicados, como la manipulación de
matrices de hecho el nombre mismo de MATLAB es una abreviatura de Matrix Laboratory,
laboratorio de matrices. Debido a que es una herramienta fácil de usar se ha convertido en una
herramienta estándar para ingenieros y científicos según (Moore, 2007).
2.3.6Thingspeak
De acuerdo con (The Mathworks, inc., 2018) Es un servicio de plataforma de análisis IoT de
MathWorks®, los fabricantes de MATLAB y Simulink. ThingSpeak le permite agregar,
visualizar y analizar flujos de datos en vivo en la nube. ThingSpeak proporciona visualizaciones
instantáneas de los datos publicados por sus dispositivos o equipos (The Mathworks, inc., 2018).
2.3.7 WIFI
Según el autor (Tanenbaum, 2012), WIFI es el nombre coloquial que se le da al estándar
802.11.de la IEEE estándar para redes inalámbricas tipo LAN (local Area networks en español
redes de área local).
2.3.8 ZigBee
ZigBee es una tecnología inalámbrica de baja tasa de transferencia y bajo consumo de energía.
La IEEE y ZigBee Alliance han estado trabajando estrechamente para especificar toda la pila de
13
de sistemas abiertos OSI (Open System Interconnection). IEEE 802.15.4, se centra en la
especificación de las dos capas inferiores del protocolo (capa física, control de acceso al medio).
Por otro lado, ZB Alliance, proporciona las capas superiores de la pila del protocolo desde la
capa de red hasta la de aplicación según (Vera Romero et al, 2017).
2.3.9 Python
En (Fernández Montoro, 2012) fue definido Python como un lenguaje de programación
interpretado, de propósito general y de alto nivel, que en los últimos años ha experimentado un
gran auge, gracias a que es fácil de aprender, puede ejecutarse en diferentes sistemas operativos,
además de que permite desarrollar aplicaciones rápidamente sin renunciar a un código legible y
fácil de mantener. Empresas y organizaciones importantes, como, por ejemplo, Google y la
NASA, utilizan Python como lenguaje de programación preferente en gran parte de sus
proyectos, y gracias a ello, pueden desarrollar complejas aplicaciones en tiempo récord. La
completa librería estándar que contiene y la gran cantidad de paquetes adicionales existentes
permiten emplear este lenguaje para desarrollar software dirigido a diferentes ámbitos, entre los
que se incluyen la administración de sistemas, las aplicaciones web, las de tipo científico y las de
escritorio con interfaz gráfica de usuario (Fernández Montoro, 2012).
2.3.10 Sensores
En palabras de (Ochoa Duarte et al, 2018) Un sensor es un dispositivo capaz de detectar la
medida de una magnitud, llamada variable de instrumentación, y convertirla en una señal
eléctrica que puede ser procesada, almacenada o transmitida de acuerdo a la finalidad definida
por el usuario. Dependiendo de su utilización, los sensores pueden:
• Dar una lectura directamente en la unidad de interés
• Ser conectados a un instrumento indicador que se ocupe de leer la señal y traducirla a la unidad deseada
• Ser conectados a un instrumento que se ocupe de memorizar la señal para un siguiente
procesamiento.
Los sensores se clasifican dependiendo de su utilización, de la tipología de señal de salida, o más
14
Con el avance de la electrónica, los sensores no solamente se ocupan de traducir cantidades
físicas en visualizaciones más simples, sino que forman parte de gran cantidad de campos
tecnológicos.
En la actualidad, se utilizan sistemas de medición, instrumentados con múltiples sensores
interconectados, conocidos como redes de sensores, los cuales integran avances en tecnología
electrónica, de comunicación y de computación, permitiendo utilizar redes interconectadas de
dispositivos de medición, buscando obtener mediciones más precisas y distribuidas tanto espacial
como temporalmente.
2.3.11 Redes de sensores.
Según (Ochoa Duarte et al, 2018) En la actualidad, se utilizan sistemas de medición,
instrumentados con múltiples sensores interconectados, conocidos como redes de sensores, los
cuales integran avances en tecnología electrónica, de comunicación y de computación,
permitiendo utilizar redes interconectadas de dispositivos de medición, buscando obtener
mediciones más precisas y distribuidas tanto espacial como temporalmente.
Según la Comisión Internacional Electrotécnica (IEC) las redes de sensores son “Redes
multicanal, autoorganizadas de nodos de sensores, con tecnología inalámbrica, que son usados
para monitorear y controlar fenómenos físicos”.
Según National Instruments, empresa que trabaja en el desarrollo de dispositivos electrónicos y
software para instrumentación, es “Una red inalámbrica que consiste en dispositivos distribuidos espaciados autónomos utilizando sensores para monitorear condiciones físicas o ambientales”.
Los nodos de sensores son el componente central de una red de sensores y generalmente se
componen de: un módulo encargado de gestionar la energía para su funcionamiento, un sensor,
15
3. Métodos Empleados
En este capítulo se da una descripción de todos los pormenores de la metodología utilizada en el
transcurso del desarrollo de la tesis, detallando lo más posible, uno a uno los métodos, técnicas,
procedimientos y demás herramientas utilizados en este trabajo.
3.1. Tipo de Investigación
Este proyecto de tesis es un tipo de investigación aplicada ya que la problemática a resolver es
un caso práctico, los métodos empleados se muestran en la Tabla 1.
Tabla 1: Calendarización de las actividades del proyecto.
No.
Actividad
Nombre Inicio Termino
1 Análisis y diseño Febrero
2017
Marzo
2017
2 Creación de los
prototipos de los nodos
Marzo
2017
Septiembre
2017
3 Creación de la interfaz Septiembre
2017
Enero
2018
4 Pruebas del prototipo Enero
2018
Febrero
2018
5 Correcciones Febrero
2018
Marzo
2018
6 Implementación del
sistema
Marzo
2018
Junio
2018
3.2 Análisis y Diseño
En esta fase del proyecto se llevaron a cabo entrevistas entre las partes interesadas, se
determinaron las necesidades y los requerimientos, con base en lo anterior se establecieron las
16
sensores y aplicar una de las técnicas de Inteligencia Artificial (Lógica Difusa). Una vez
analizado lo anterior, se procedió a modelar el diseño de los nodos de la red de sensores, así
como también fueron seleccionados los materiales necesarios para el desarrollo de este proyecto.
Es importante mencionar que es precisamente en esta fase donde se diseñó el modelo difuso que
determina el riesgo de proliferación de la Sigatoka Negra.
3.3 Creación de los prototipos de los nodos
3.3.1 Primer prototipo
En un principio se consideró la construcción de un solo nodo que enviara los datos a una página
web para monitorear el sistema a distancia mediante el protocolo WIFI, cabe resaltar que a este
prototipo se le realizaron pruebas de funcionalidad de manera óptima, pero debido a la
imposibilidad de conseguir internet en el área donde se desarrolló el proyecto se optó por
descartar este prototipo.
3.3.2 Segundo prototipo
Se construyó un prototipo por cada uno de los nodos:
1) Nodo Sensor: la principal función de este nodo es medir la humedad y temperatura,
aplicar LD y enviar sus datos al nodo coordinador.
2) Nodo Coordinador: el objetivo de este nodo es recibir los datos obtenidos del Nodo
Sensor y transmitirlos a una página local.
Para estos 2 nodos se utilizó el protocolo ZB como reemplazo del protocolo WIFI.
3.4 Diseño de interfaz
3.4.1 Interfaz web
Fue creada una interfaz web con la capacidad de mostrar en cualquier momento los datos
resultantes del monitoreo y la aplicación del control difuso todo esto mediante el servicio de
Thinkspeak y la aplicación de Virtuino como se puede apreciar en la Fig. 4, pero debido a la
zona geográfica que no cuenta con servicio de internet por el momento no fue apto su
17
Figura 4: Captura de pantalla de la interfaz web.
3.4.2 Interfaz local
Fue desarrollada una interfaz local con el lenguaje de programación Python, en esta interfaz se
visualizan los datos del Nodo Sensor, los cuales son almacenados en un Archivo con extensión
.CSV.
3.5 Pruebas
Se llevó a cabo una prueba de campo en la que el sistema difuso fue analizado con sus variables
de entrada Temperatura y Humedad, dando como resultado en su variable de salida muy buena
precisión al momento de determinar el Riesgo de Proliferación.
3.6 Correcciones
Basado en las pruebas del sistema se corrigieron y adaptaron partes del sistema, el mayor cambio
que se debió de hacer fue la sustitución del protocolo WIFI por ZB porque esto también significó
también el remplazo de ciertos materiales en el hardware y software, con base a esto se eligió la
18
3.7 Implementación del sistema
Se implementó la red de sensores en el campo de cultivo de plátano, este es el paso final sin
contar el mantenimiento preventivo y correctivo.
Como resultados de la implementación del proyecto se determinó que el sistema de control
difuso para una red de sensores inalámbricos monitorea de manera eficiente la humedad y la
temperatura en los cultivos del plátano y con estas variables determina el riesgo de proliferación,
Los datos adquiridos se almacenan en un archivo con extensión .CSV. En la Fig. 5 se pueden
observar lo archivos necesarios para visualizar y registrar los datos.
Figura 5: Archivos necesarios para visualizar los datos y tener un registro de estos.
Aunque para este proyecto se usó Windows, este sistema puede correr en computadoras con
cualquier sistema operativo siempre y cuando tenga instalado la versión 2.7.15 de Python y la
librería Pyserial. En cuanto el equipo necesario para poder usar el sistema no es necesario mucho
poder de procesamiento incluso se puede correr en una Raspberry pi.
En la Fig. 6 se muestra los nodos de la red.
Las Figs. 7 - 12 muestran la interfaz desarrollada con el lenguaje Python donde se aprecian las
lecturas obtenidas por el Nodo Sensor, así como el registro de datos que obtiene en diferentes
19
Figura 6: Imagen de los nodos de la red de sensores.
20
Figura 8: Registro de los datos del Nodo Sensor en Windows.
21
Figura 10: Registro de los datos del Nodo Sensor en Ubuntu.
22
Figura 12: Registro de los datos del Nodo Sensor en Raspbian.
Aunque no se cuenta con la posibilidad de registrar los datos medidos por el Nodo Sensor, es
posible usar el IDE de Arduino para visualizar los datos del Nodo Sensor, pero no se pueden usar
al mismo de tiempo que la Interfaz hecha con Python ya que utilizan el puerto serial al que está
conectado el Nodo Coordinador y este no puede ser leído utilizado por más de un programa a la
vez en alguno de estos lo marcaria como ocupado e igual que con el interfaz desarrollada con
Python también puede correr en diferentes sistemas operativos, lo cual convierte el IDE de
Arduino como una alternativa en caso de que la otra interfaz falle.
En las Figs. 13 a la 15 se muestra el IDE de Arduino funcionado como interfaz alternativa en
23
Figura 13: Lecturas del Nodo Sensor mediante el IDE de Arduino en Windows.
24
Figura 15: Lecturas del Nodo Sensor mediante el IDE de Arduino en Ubuntu.
La adaptación del modelo difuso presentado en el trabajo de investigación elaborado por
(Cárdenas Valdovinos et al, 2017) fue llevada con éxito a la placa Arduino como se puede
25
Figura 16: Comparativa entre la simulación del modelo difuso y su implementación en Arduino.
El sistema ha sido implantado en área de cultivo y se realizaron mediciones como se muestra en
la Fig. 17. De la implantación del sistema se obtuvieron resultados de los cuales se puede
determinar que la Powerbank usada en este caso no es la mejor opción para alimentar el sistema
ya que por algunos momentos se puede dejar de dar energía al sistema sin que esta se encuentre
agotada, en cuanto al gabinete de plástico este demostró proteger el sistema perfectamente,
26
suficiente, debido a la forma de la caja de protección no fue posible considerar la opción de
introducir la Powerbank dentro del gabinete, cabe mencionar que el sensor se instaló al aire libre
y quedó fijo sin protección con la finalidad de obtener los resultados más precisos y poder
visualizar las posibles afectaciones en las lecturas. Se observó que hubo leves diferencias, pero lo
más significativo fue que el sensor se dañó con la lluvia por lo cual se remplazó.
Figura 17:Instalación del Nodo Sensor en un poste.
27
28
4. Desarrollo
Este apartado describe las fases seguidas en el proceso de desarrollo de esta investigación,
destacando las siguientes:
• Descripción del caso de estudio,
• Creación del Modelo difuso
• Desarrollo la red de sensores inalámbrica con ZB,
• Desarrollo de la interfaz para la visualización de los datos
4.1 Modelo conceptual
Los elementos que componen una red de sensores son: un Nodo Sensor, un Nodo Coordinador y
la interfaz. Una breve descripción de cada uno de los elementos de la red se indica a
continuación:
Nodo Sensor: Mide la humedad y temperatura, aplica Lógica Difusa a los valores obtenidos para
determinar el riesgo de proliferación y envía estos datos al Nodo Coordinador.
Nodo Coordinador: Recibe estos datos del Nodo Sensor, y los muestra en la computadora en la
que está conectado.
Interfaz: Muestra los recibidos por el Nodo Coordinador. y los guarda en un archivo con
extensión CSV.
29
Figura 19: Estructura del sistema.
4.2 Caso de estudio
El desarrollo de este proyecto se llevó acabo en un área de cultivo de plátano localizada en el
ejido El Colomo del municipio de Manzanillo en el estado Colima, México. La elección de esta
área de estudio fue debido a que el área de cultivo (parcela) es afectada continuamente por la
Sigatoka Negra, lo cual es un área de oportunidad para el desarrollo de este trabajo de tesis.
En la Fig. 20 se muestra una imagen del área de cultivo.
30
4.3 Conceptualizar el problema
Una vez analizado el caso de estudio, se prosiguió con una serie de entrevistas con el productor
de plátano y se realizaron visitas de campo con el objetivo de recabar información, determinar
las necesidades y estar en contacto directo con el cultivo como con el productor para ofrecer la
mejor forma de solución.
El área donde se implantó el proyecto tiene una superficie de 6 hectáreas, pero para este proyecto
se destinó una hectárea para probar el sistema.
4.3.1 Características del caso de estudio
Dado su ubicación geográfica del área de cultivo de plátano en el municipio de Manzanillo
Colima, esta goza de un clima tropical característico de esta zona, el cual es ideal para la siembra
de plátano, pero también para el desarrollo de esta plaga. En la Fig. 21 se muestra una imagen
satelital del área de cultivo de plátano donde se desarrolló este proyecto.
Figura 21: Imagen satelital del área de desarrollo el proyecto.
4.4 Modelo difuso
Esta investigación se deriva del modelo difuso desarrollado por (Cárdenas Valdovinos et al,
31
caracterizan por tener un Riesgo de proliferación alto cuando las condiciones de Humedad y
Temperatura se encuentran entre los valores mostrados en la Tabla 2.
Tabla 2: Condiciones que propician la proliferación.
Variables Mayor proliferación
Humedad Por arriba de 80%
Temperatura 23-28 °C
Por lo mostrado en la Tabla anterior se deduce que cuando las variables de entrada Humedad y
Temperatura están entre los valores antes mostrados, el Riesgo de proliferación de esta plaga es
más alto.
En la Fig. 22 se ilustra el modelo difuso propuesto para determinar el Riesgo de Proliferación de
la Sigatoka Negra con base en sus variables de entrada. Este modelo hace uso de un sistema de
inferencia tipo Mamdani, las variables de entrada, así como también su variable de salida hacen
uso de tres funciones de membresía de tipo Triangular.
Figura 22: Modelo difuso para predecir la proliferación de plaga “Sigatoka Negra” en el cultivo de plátano.
4.4.1 Variables
Con base en la información mostrada en la Tabla 2 fueron definidas tanto las variables de entrada
como la variable de salida, las cuales incluyen sus respectivas funciones de membresía (FM).
32
Tabla 3: Variables de entrada y salida del modelo difuso.
En la Fig. 23 se muestra la relación entre las variables de entrada y salida del modelo difuso propuesto en este trabajo.
Figura 23: Comparativa de la relación entre las variables del modelo difuso propuesto.
4.4.1.1 Variables de Entrada
Humedad:
De acuerdo con (RAE, 2014), se describe la Humedad Relativa como el porcentaje de vapor de
agua presente en el aire con relación a la máxima posible para unas condiciones dadas de presión
y temperatura, por tal motivo se mide de 0 a 100%.
En la Tabla 4 se indican las FM con sus conjuntos difusos para la variable de entrada Humedad.
Variables Tipo Rangos de Operación
Humedad Entrada 0 a 100%
Temperatura Entrada 0° a 50°
Riesgo de
proliferación
33
Tabla 4: FM de la variable Humedad.
FM Rango
Baja 0 a 30%
Media 20 a 80%
Alta 70 a 100%
En la Fig. 24 se muestran las FM de tipo Triangular de la variable Humedad con sus respectivos
rangos.
Figura 24: FM de la variable Humedad.
Temperatura:
En palabras de (RAE, 2014), describe a la Temperatura como la magnitud física la cual expresa
el valor, grado u nivel de calor de los cuerpos o del ambiente, y cuya unidad de medida en el
sistema internacional es el Kelvin (°K)”, Por cuestiones prácticas se midió en grados Centígrados
(°C).
34
Tabla 5: FM de la variable Temperatura.
FM Rango
Baja 0 a 20°
Media 15 a 40°
Alta 35 a 50°
En la Fig. 25 se muestran las FM de tipo Triangular de la variable Temperatura con sus
respectivos rangos.
Figura 25: FM de la variable Temperatura.
4.4.1.2 Variables de Salida
La variable de salida, Riesgo de Proliferación, determina la posibilidad que existe de desarrollo
de la plaga en el cultivo del plátano. La variable de salida se ve afectada por las variables de
entrada anteriormente descritas.
En la Tabla 6 se muestra los conjuntos difusos y los parámetros de las FM de la variable Riesgo
35
Tabla 6: Funciones de Membresía de la variable Riesgo de proliferación.
FM Rango
Bajo 0 a 4
Medio 1 a 9
Alto 6 a 10
En la Fig. 26 se muestran las FM de tipo Triangular de la variable Riesgo de proliferación con
sus respectivos rangos de salida.
Figura 26: Conjuntos difusos de la variable de salida.
4.4.2 Reglas del modelo difuso
Cada variable de entrada tiene una FM que favorece la proliferación del hongo, con base a esto
se tomó la decisión de que la variable de salida “Riesgo de proliferación” sea “Alto” con la combinación de Humedad “Alta” y Temperatura “Media”, cualquiera otra combinación diferente
a lo descrito indicará un Riesgo de proliferación Bajo o Medio.
36
Tabla 7: Representación de las reglas del modelo difuso.
Humedad Temperatura
Baja Media Alta
Baja Bajo Bajo Medio
Media Medio Medio Alto
Alta Bajo Bajo Medio
4.5 Diseño de los Nodos
Como se mencionó en capítulos anteriores los nodos que componen esta red de sensores se
dividen en dos tipos: Nodo Sensor y Nodo Coordinador. Estos están compuestos por
componentes económicos y accesibles para ofrecer a los productores de plátano una alternativa
de bajo costo que les permita monitorear sus cultivos de manera eficiente.
4.5.1 Materiales
El precio de los productos puede variar dependiendo el lugar donde estos sean comprados, para
este proyecto se contó con apoyo de parte del Instituto Tecnológico de Colima por lo que el
costo del material fue absorbido por este, cabe destacar que los materiales son fáciles de
encontrar en tiendas de electrónica o en sitios web como Amazon, MercadoLibre, AliExpress o
cualquier otra página de ventas, en las Tablas 8, 9 y 10 se da un ejemplo de cuanto pueden llegar
37
Tabla 8: Lista de materiales del Nodo Sensor con su respectivo costo en MercadoLibre.
Componentes Precio por unidad
Módulo XBee S3B $1000
Arduino Mega genérico $300
DHT22 $95
Modulo XBee Shield Base Para Arduino $150
3 conectores Glándula $165
Gabinete Plástico Exterior $292
Total $2002
Tabla 9: Lista de materiales del Nodo Coordinador con su respectivo costo en Mercadolibre.
Componentes Precio por unidad
Modulo XBee S3B $1000
Arduino Mega genérico $300
Modulo XBee Shield Base Para Arduino $150
Total $1450
Tabla 10: Costo total del sistema.
Componentes Precio por unidad
Nodo Sensor $2002
Nodo Coordinador $1450
38
A continuación, se describen los componentes utilizados:
1) Arduino Mega:
De acuerdo con (Monk, 2012), Esta placa tiene un procesador más rápido con respecto a otras
placas Arduino, con más memoria y un mayor número de pines de entrada/salida. Hábilmente
diseñada, la Arduino Mega puede utilizar las shields construidas para placas más pequeñas como
Arduino UNO. Duemilanove o Diecimila. Las shields se instalan en la parte delantera de la
placa, dejando el acceso libre a la doble fila de conectores adicionales que se encuentran en la
parte trasera de la Mega. En realidad, sólo algunos proyectos muy exigentes necesitan utilizar
una placa tan potente como la Arduino Mega.
Esta placa se fue elegida por su bajo costo, tener una mayor cantidad de entradas y salidas en
caso de que se desee agregar más sensores y actuadores, también tiene una gran compatibilidad
con varios sensores y módulos, no obstante, si se desea reproducir este sistema también se puede
utilizar Arduino UNO para reducir costos, pero no sería tan potente ni tendría tanta posibilidad
de agregar más sensores y actuadores como se tendría con un Arduino MEGA.
En la Figura 27 se aprecia una placa Arduino Mega genérica, la cual puede ser adquirida de
manera fácil en el mercado electrónico.
39
2) Módulo XBee S3B
De acuerdo con (XBee.cl, 2018), estos trabajan a una frecuencia de 900MHz y son capaces de
realizar conexiones punto a punto y redes de punto a multipunto. Diseñados para tramos de largo
alcance, el XSC-XBee es ideal para soluciones donde la penetración de RF y la distancia de
transmisión absoluta son de suma importancia para su aplicación. Con XBee, nuestros usuarios
pueden tener su red funcionando en cuestión de minutos sin necesidad de configuración o
desarrollo adicional. Una vez que la red está funcionando, módulos XBee pueden aceptar
comandos AT para la configuración avanzada. En la Fig. 28 se muestra una imagen de un
módulo XBee.
Figura 28: Modulo XBee PRO S3B (XBee.cl, 2018).
El módulo XBee presenta las siguientes funcionalidades:
• Comandos AT
• 20 veces menos consumo de corriente del módulo XSC anterior
• Pin-compatible con los módulos existentes XBee RF
40
• Topologías de red multipunto
• 900MHz para la operación de alcance extendido
• Totalmente compatible con otros productos, incluyendo gateways, adaptadores, y extensores
• Huella XBee común para una variedad de módulos de RF
• Interior o zona urbana hasta 600 metros
• Modos de bajo consumo
• Múltiples opciones de antena
• Calificación industrial de temperatura (-40ºC a 85ºC)
Los módulos XBee utilizan el protocolo ZB y se configuran con el programa X-CTU en cual se
muestra en la Fig. 29, estos módulos se pueden configurar de 3 maneras:
• Coordinador: Se encarga de recibir los datos de los End devices y Router, el coordinador
es indispensable en una red de módulos XBee.
• End device: Funciona como un emisor que envía datos a un coordinador o un Router.
• Router: Sirve como intermediario entre el End device y Router, en algunos casos
41
Figura 29: X-CTU programa para configurar los módulos XBee.
3) DHT22
El dispositivo DHT22 es un sensor digital de Temperatura y Humedad, fácil de implementar con
cualquier microcontrolador. Utiliza un sensor capacitivo de humedad y un termistor para medir
el aire circundante y solo un pin para la lectura de los datos.
El rango de medición de temperatura es de -40°C a 80 °C con precisión de ±0.5 °C y rango de
humedad de 0 a 100% RH (por sus siglas en inglés Relative Humidity) con una precisión de 2%
RH, el tiempo estimado entre cada una de las lecturas debe ser de 2 segundos (naylamp
mechatronic, 2014).
Este sensor se eligió por su compatibilidad con placas Arduino, además de ser de bajo costo, y
por tener la capacidad de medir tanto la temperatura como la humedad. Para este proyecto se le
colocó una protección de plástico con el fin de evitar que sufra algún daño por las condiciones
42 En la Fig. 30 se muestra una imagen del sensor DHT22.
Figura 30: DHT22.
4) Modulo Xbee Shield Base para Arduino
Un Shield es una placa de circuitos modulares que se montan unas encima de otras para dar
funcionalidad extra a una tarjeta programable Arduino (Aprendiendo Arduino, 2015).
El módulo Xbee Shield Base es un shield de Arduino diseñado para facilitar la conexión entre el
43
Figura 31: Módulo XBee Shield Base Para Arduino.
5) Gabinete Plástico Exterior
Es una protección para resguardar el sistema y tiene las siguientes características:
• Dimensiones: 180 mm de Ancho x 125 mm de Largo x 57 mm de Profundidad
• Nivel de protección: IP-65
• Material: Plástico ABS
• Perforaciones en la parte traseras para acoplamiento.
• Temperatura de operación: Entre -20 a 60° C
• Cuenta con sello de silicón.
44
Figura 32: Gabinete Plástico Exterior.
6) Conectores Glándula
Este tipo de conectores son fácilmente adaptable al gabinete de plástico, permiten una salida al
gabinete para sacar cables, sensores u otros objetos a la vez con el fin de poder regular dicha
apertura para que solo salga el objeto deseado y no pueda entrar agua u otro agente no deseado.
45
Figura 33: Conectores Glándula.
7) Powerbank
La función de la Powerbank es la de ser una fuente de alimentación para Nodo Sensor, este
componente es opcional se puede cambiar por alguna otra de una fuente de alimentación que
proporcione un voltaje 5V. En el caso de una batería o Powerbank la duración de estas es
proporcional a su capacidad por lo tanto entre más mAh tenga más tiempo de autonomía le
otorgara al Nodo Sensor. En la Fig. 34 se muestra una imagen de la Powerbank utilizada para
46
Figura 34: Powerbank.
4.5.2 Creación del Nodo Sensor
El Nodo Sensor es el que se encarga de la Medición de humedad y temperatura, también es el
que aplica las técnicas de LD, mediante una librería para Arduino se adaptó el modelo difuso a
un código que se carga a una placa Arduino, después se configuro un módulo XBee como End
divice, posteriormente se realizó el montaje del módulo XBee en el módulo XBee Shield,
finalmente se llevó a cabo la conexión del módulo Xbee Shield al Arduino y al sensor DHT. En
47
48
49
Figura 37: Nodo Sensor dentro de un gabinete de plástico con tapa.
4.5.2.1 Código del Nodo Sensor
A continuación, se muestra el código del Nodo Sensor, en el cual se adapta a código el modelo
50 #include <Fuzzy.h> #include <FuzzyComposition.h> #include <FuzzyInput.h> #include <FuzzyIO.h> #include <FuzzyOutput.h> #include <FuzzyRule.h> #include <FuzzyRuleAntecedent.h> #include <FuzzyRuleConsequent.h> #include <FuzzySet.h>
Fuzzy* fuzzy = new Fuzzy(); #include <DHT.h>
#define DHTPIN 2 #define DHTTYPE DHT22
DHT dht(DHTPIN, DHTTYPE); } while (Serial.peek() != -1); Serial.print("\n");
}
delay(1000); }
void setup() {
Serial.begin(9600);
//Serial.println("Iniciando..."); dht.begin();
FuzzyInput* Hume = new FuzzyInput(1);
FuzzySet* seco = new FuzzySet(0, 0, 0, 30); Hume->addFuzzySet(seco);
FuzzySet* Hmedio = new FuzzySet(20, 50, 50, 80); Hume->addFuzzySet(Hmedio);
FuzzySet* Humedo = new FuzzySet(70, 100, 100, 100); Hume->addFuzzySet(Humedo);
fuzzy->addFuzzyInput(Hume);
FuzzyInput* TEMPE = new FuzzyInput(2);
FuzzySet* Frio = new FuzzySet(0, 0, 0, 20); TEMPE->addFuzzySet(Frio);
FuzzySet* Tmedio = new FuzzySet(15, 27, 27, 40); TEMPE->addFuzzySet(Tmedio);
FuzzySet* calor = new FuzzySet(35, 50, 50, 50); TEMPE->addFuzzySet(calor);
51
FuzzyOutput* Riesgo = new FuzzyOutput(1);
FuzzySet* Rbajo = new FuzzySet(0, 0, 0, 4); Riesgo->addFuzzySet(Rbajo);
FuzzySet* Rmedio = new FuzzySet(1, 5, 5, 9); Riesgo->addFuzzySet(Rmedio);
FuzzySet* Ralto = new FuzzySet(6, 10, 10, 10); Riesgo->addFuzzySet(Ralto);
fuzzy->addFuzzyOutput(Riesgo);
FuzzyRuleAntecedent* sisecoANDFrio = new FuzzyRuleAntecedent();
sisecoANDFrio->joinWithAND(seco, Frio); FuzzyRuleConsequent* entoncesRbajo = new FuzzyRuleConsequent();
entoncesRbajo->addOutput(Rbajo);
FuzzyRule* regla1 = new FuzzyRule(1, sisecoANDFrio, entoncesRbajo);
fuzzy->addFuzzyRule(regla1);
FuzzyRuleAntecedent* sisecoANDTmedio = new FuzzyRuleAntecedent();
sisecoANDTmedio->joinWithAND(seco, Tmedio); FuzzyRuleConsequent* entoncesRmedio = new FuzzyRuleConsequent();
entoncesRmedio->addOutput(Rmedio);
FuzzyRule* regla2 = new FuzzyRule(2, sisecoANDTmedio, entoncesRmedio);
fuzzy->addFuzzyRule(regla2);
FuzzyRuleAntecedent* sisecoANDcalor = new FuzzyRuleAntecedent();
sisecoANDcalor->joinWithOR(seco, calor); FuzzyRuleConsequent* entoncesRbajo1 = new FuzzyRuleConsequent();
entoncesRbajo1->addOutput(Rbajo);
FuzzyRule* regla3 = new FuzzyRule(3, sisecoANDcalor, entoncesRbajo1);
