Aprendizaje automático acelerado por FPGA para el procesamiento de información ambiental computacional en redes de nanosensores de alta densidad integradas en IoT
Autores: Dafhalla, Alaa Kamal Yousif; Ali, Fawzia Awad Elhassan; Eldeen, Asma Ibrahim Gamar; Ahmed, Ikhlas Saad; Filali, Ameni; Zahou, Amel Mohamed essaket; AlShaer, Amal Abdallah; Elfaki, Suhier Bashir Ahmed; Eltayeb, Rabaa Mohammed; Adam, Tijjani
Idioma: Inglés
Editor: MDPI
Año: 2026
Acceso abierto
Artículo científico
2026
Aprendizaje automático acelerado por FPGA para el procesamiento de información ambiental computacional en redes de nanosensores de alta densidad integradas en IoT
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Sistema de red de nanosensores
Horticultura de precisión
Arquitectura de control basada en FPGA
Inferencia de aprendizaje automático
Regulación ambiental
Telemetría IoT
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Este estudio presenta un sistema de red de nanosensores para la optimización autónoma del microclima en la horticultura de precisión, aprovechando una arquitectura de control basada en un arreglo de puertas programables en campo (FPGA) que está integrada con una inferencia de aprendizaje automático a nivel de borde. A diferencia de los sistemas de automatización de invernaderos convencionales, que exhiben histéresis térmica y higroscópica que a menudo supera los 32 grados C y el 78% de humedad relativa, el marco propuesto incorpora un modelo de regresión de bosque aleatorio (RFR) directamente dentro de la estructura FPGA Altera DE2-115 para permitir la regulación ambiental predictiva. El modelo logró un R2 de 0.985 y un error cuadrático medio (RMSE) de 0.28 grados C, permitiendo una compensación proactiva por las perturbaciones termodinámicas de la iluminación de diodos emisores de luz (LED) de alta intensidad con un horizonte predictivo de 120 s. El monitoreo en tiempo real y la supervisión remota se apoyaron a través de una puerta de enlace IoT basada en NodeMCU, logrando una latencia media de comunicación de 140 ms y una fiabilidad de entrega de paquetes del 99.8%. La validación preliminar utilizando lechuga (Lactuca sativa) optimizó los parámetros ambientales, mientras que los experimentos posteriores con pimiento (Capsicum annuum), un cultivo comercialmente importante y ambientalmente sensible, demostraron el rendimiento del sistema en condiciones del mundo real. El sistema de control mantuvo una temperatura y humedad dentro de +/-0.3 grados C y +/-1.2% de los puntos de ajuste, respectivamente, y superó el control basado en reglas de referencia con un aumento del 28% en la biomasa fresca, una mejora del 22% en la acumulación de materia seca, una reducción del 25% en el ciclo de trabajo del actuador y una disminución del 18% en el consumo total de energía. Estos resultados destacan la eficacia de la inteligencia de borde integrada en FPGA combinada con telemetría IoT de baja latencia como una solución escalable, eficiente en energía y de alta fidelidad para el control ambiental subgrados en sistemas de agricultura controlada y vertical de próxima generación.
Descripción
Este estudio presenta un sistema de red de nanosensores para la optimización autónoma del microclima en la horticultura de precisión, aprovechando una arquitectura de control basada en un arreglo de puertas programables en campo (FPGA) que está integrada con una inferencia de aprendizaje automático a nivel de borde. A diferencia de los sistemas de automatización de invernaderos convencionales, que exhiben histéresis térmica y higroscópica que a menudo supera los 32 grados C y el 78% de humedad relativa, el marco propuesto incorpora un modelo de regresión de bosque aleatorio (RFR) directamente dentro de la estructura FPGA Altera DE2-115 para permitir la regulación ambiental predictiva. El modelo logró un R2 de 0.985 y un error cuadrático medio (RMSE) de 0.28 grados C, permitiendo una compensación proactiva por las perturbaciones termodinámicas de la iluminación de diodos emisores de luz (LED) de alta intensidad con un horizonte predictivo de 120 s. El monitoreo en tiempo real y la supervisión remota se apoyaron a través de una puerta de enlace IoT basada en NodeMCU, logrando una latencia media de comunicación de 140 ms y una fiabilidad de entrega de paquetes del 99.8%. La validación preliminar utilizando lechuga (Lactuca sativa) optimizó los parámetros ambientales, mientras que los experimentos posteriores con pimiento (Capsicum annuum), un cultivo comercialmente importante y ambientalmente sensible, demostraron el rendimiento del sistema en condiciones del mundo real. El sistema de control mantuvo una temperatura y humedad dentro de +/-0.3 grados C y +/-1.2% de los puntos de ajuste, respectivamente, y superó el control basado en reglas de referencia con un aumento del 28% en la biomasa fresca, una mejora del 22% en la acumulación de materia seca, una reducción del 25% en el ciclo de trabajo del actuador y una disminución del 18% en el consumo total de energía. Estos resultados destacan la eficacia de la inteligencia de borde integrada en FPGA combinada con telemetría IoT de baja latencia como una solución escalable, eficiente en energía y de alta fidelidad para el control ambiental subgrados en sistemas de agricultura controlada y vertical de próxima generación.