Fumigador UAV (vehículo aéreo no tripulado) para 1 hectárea 12 5
DOI:
https://doi.org/10.51896/xnjrb093Palabras clave:
Agricultura de precisión, Vehículos aéreos no tripulados, Ingeniería agrícola, Innovación tecnológica, Desarrollo tecnológicoResumen
La agricultura de precisión constituye una estrategia tecnológica para incrementar la eficiencia de los sistemas agrícolas mediante el uso de herramientas digitales y procesos automatizados. En este contexto, los vehículos aéreos no tripulados (UAV) han adquirido relevancia por su capacidad para optimizar la aplicación de agroquímicos, reducir costos operativos y mermar las huellas ambientales. El objetivo de esta investigación fue diseñar conceptualmente un vehículo aéreo no tripulado tipo zeppelin para la fumigación de cultivos de maíz con superficies de hasta una hectárea. La investigación se desarrolló bajo un enfoque aplicado, con alcance descriptivo y diseño no experimental, sustentada en una revisión documental especializada y en la metodología de Jenkins para el desarrollo sistemático del prototipo. Se analizaron variables relacionadas con capacidad de carga, autonomía de vuelo, cobertura de fumigación, estabilidad aerodinámica y eficiencia operativa, así como las regulaciones aeronáuticas aplicables. Los resultados del diseño muestran que el sistema propuesto ofrece ventajas potenciales en la reducción del tiempo de fumigación, el uso eficiente de agroquímicos, la disminución de la exposición del operador y la mejora de la productividad agrícola. Se concluye que la incorporación de UAV tipo zeppelin representa una alternativa tecnológica viable para robustecer la agricultura de precisión y contribuir a la modernización de las actividades agrícolas de pequeños productores.
Descargas
Referencias
Blanchard, B. S., & Fabrycky, W. J. (2011). Systems Engineering and Analysis (5th ed.). Pearson.
Food and Agriculture Organization of the United Nations. (2022). The State of Food and Agriculture 2022: Leveraging automation in agriculture for transforming agrifood systems. FAO. https://doi.org/10.4060/cb9479en
Fountas, S., Mylonas, N., Malounas, I., Rodias, E., Santos, C. H., & Pekkeriet, E. (2020). Agricultural robotics for field operations. Sensors, 20(9), 2672. https://doi.org/10.3390/s20092672
Gokool, S., Mahomed, M., Kunz, R., Clulow, A., Sibanda, M., Naiken, V., Chetty, K., & Mabhaudhi, T. (2023). Crop monitoring in smallholder farms using unmanned aerial vehicles to facilitate precision agriculture practices: A scoping review and bibliometric analysis. Sustainability, 15(4), 3557. https://doi.org/10.3390/su15043557
Huang, Y., Hoffmann, W. C., Lan, Y., Wu, W., & Fritz, B. K. (2022). Development of unmanned aerial vehicle technologies for agricultural applications. Biosystems Engineering. (Verifica el volumen y páginas antes del envío).
Javaid, M., Khan, I. H., Haleem, A., Vaishya, R., Suman, R., & Vaish, A. (2023). Understanding the potential applications of artificial intelligence in agriculture. Advanced Agrochem, 2(1), 15–30. https://doi.org/10.1016/j.aac.2022.10.001
Liakos, K. G., Busato, P., Moshou, D., Pearson, S., & Bochtis, D. (2018). Machine learning in agriculture: A review. Sensors, 18(8), 2674. https://doi.org/10.3390/s18082674
Liu, Z., & Li, J. (2023). Application of unmanned aerial vehicles in precision agriculture. Agriculture, 13(7), 1375. https://doi.org/10.3390/agriculture13071375
Mesías-Ruiz, G. A., Pérez-Ortiz, M., Dorado, J., de Castro, A. I., & Peña, J. M. (2023). Boosting precision crop protection towards Agriculture 5.0 via machine learning and emerging technologies. Frontiers in Plant Science, 14, 1143326. https://doi.org/10.3389/fpls.2023.1143326
Narzari, R., Choudhury, B. U., Singhal, G., & Choudhary, K. K. (2025). A critical review of how UAVs can transform precision agriculture in the realm of agroecology. Discover Soil, 2, 28. https://doi.org/10.1007/s44378-025-00055-2
Qin, W., & Chen, P. (2023). Analysis of the research progress on the deposition and drift of spray droplets by plant protection UAVs. Scientific Reports, 13, 14935. https://doi.org/10.1038/s41598-023-40556-0
Radoglou-Grammatikis, P., Sarigiannidis, P., Lagkas, T., & Moscholios, I. (2020). A compilation of UAV applications for precision agriculture. Computer Networks, 172, 107148. https://doi.org/10.1016/j.comnet.2020.107148
Torres-Sánchez, J., López-Granados, F., Peña, J. M., & Castro, A. I. (2020). An automatic object-based method for optimal thresholding in UAV imagery applied to precision agriculture. Remote Sensing. (Verifica volumen y DOI antes del envío).
Zhang, C., & Kovacs, J. M. (2012). The application of small unmanned aerial systems for precision agriculture: A review. Precision Agriculture, 13(6), 693–712. https://doi.org/10.1007/s11119-012-9274-5
Zualkernan, I., Abuhani, D. A., Hussain, M. H., Khan, J., & ElMohandes, M. (2023). Machine learning for precision agriculture using imagery from unmanned aerial vehicles (UAVs): A survey. Drones, 7(6), 382. https://doi.org/10.3390/drones7060382
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
