Uso de Machine Learning para estimar la producción de cultivos frutales: análisis de tendencias y agenda de investigación
Resumen
La estimación precisa de la producción de cultivos frutales es crucial para mejorar
la planificación agrícola, optimizando la cosecha, el almacenamiento y la
distribución, y, en última instancia, gestionando de manera más eficiente la cadena
de suministro agrícola. Este estudio presenta una revisión sistemática sobre el uso
de métodos de inteligencia artificial (IA) y machine learning (ML) en la estimación
de la producción de cultivos frutales. Aplicando la metodología PRISMA, se
identificaron 266 documentos en las bases de datos Scopus y Web of Science, de
los cuales se analizaron 21 tras aplicar criterios de inclusión y exclusión. La
investigación examina qué cultivos frutales utilizan técnicas de machine learning
para la estimación de producción y qué técnicas muestran el mejor desempeño en
la estimación o conteo de cultivos. Se identificaron tendencias emergentes, como la
integración de variables climáticas, el uso de imágenes multiespectrales y la
implementación de sistemas en tiempo real. Se propone una agenda de
investigación para abordar las lagunas existentes, enfocándose en el desarrollo de
soluciones ligeras y escalables para su implementación práctica en la agricultura.
Materias
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia: