Desarrollo de un Sistema Experto Para Asistir el Cálculo de las Necesidades Necesidades de Fer F ertilización tilización de un Culti C ultivo vo de Banan B anano. o. Juan E ALVAREZ Grupo Grupo de Invest igación igación Sistema S istema Agrí A grícolas colas Tropicales Politécnico Colombiano Jaime Isaza Cadavi Ca davidd Medellín Colombia
[email protected] Juan E GIL Grupo Grupo de Invest igación igación Sistema S istema Agrícolas Agrícolas Tropicales Politécnico Colombiano Jaime Isaza Cadavi Ca davidd Medellín Colombia
[email protected] Henry O SARMIENTO Grupo Grupo de Investig Invest igación ación en e n Control Automát Automático ico y Robótica Politécnico Colombiano Jaime Isaza Cadavi Ca davidd Medellín Colombia
[email protected] Darío CASTAÑEDA Grupo Grupo de Invest igación igación Sistema S istema Agrí A grícolas colas Tropicales Politécnico Colombiano Jaime Isaza Cadavi Ca davidd Medellín Colombia
[email protected]
RESUMEN Se implementó un sistema experto que calcula las condiciones nutricionales óptimas de un cultivo teniendo en cuenta tanto condic condic iones físicofísicoquímicas químicas del suel sue lo como disponibilid dis ponibilidad ad de nutrientes (Fertilizantes) y requerimientos nutricionales del cultivo. Se evaluó también la efectividad del motor de inferencia frente al resultado dado por el experto en la labor de asistencia de fertilización para cultivos de banano (Musa acuminata acuminata AAA).
Palabras Clave: Sistema experto, análisis de suelo, distribución espacial, enlace iónico, relación a la fertilidad, encadenamiento hacia atrás, reglas de producción.
1.
INTRODUCCION
la necesidad Dada productividad de
mundial de mejorar la los cultivos agrícolas, disminuir los costos de producción y reducir el impacto ambiental sobre el medio ambiente por el uso indiscriminado e irracional de agroquímicos, es importante disponer de sistemas inteligentes que permitan optimizar estos aspectos. La nutrición de un cultivo se fundamenta en los contenidos de nutrientes presentes en el suelo y cuantificados a través de los análisis de suelos en los requerimientos del cultivo, los cuales dependen del tipo de planta cultivada y la fase fenológica en la que esté, como también de los contenidos de
nutrientes a nivel foliar estimados en los análisis de los mismos. Dentro de las ventajas del sistema experto (SE) se encuentran la no pérdida de facultades con el paso del tiempo; una vez programado un SE puede duplicar infinidad de veces. El SE puede obtener información de una base de datos y realizar cálculos numéricos mucho más rápido que cualquier ser humano, así mismo está disponible ininterrumpidamente de día y noche, ofreciendo siempre su máximo desempeño. Dentro de los sistemas inteligentes, el sistema experto se propone como un asistente para los técnicos durante la toma de decisión a la hora de realizar un programa de fertilización, usando como caso de estudio el cultivo de banano. El sistema se planeó para que estime las necesidades de fertilizantes a aplicar con base en el cálculo de los contenidos de nutrientes existentes en el suelo, según el reporte del análisis de suelos y los requerimientos de la planta de acuerdo al estado fenológico y producción esperada [2]; todo lo anterior con el fin de optimizar el uso fertilizantes y mejorar los rendimientos. Las metodologías utilizadas fueron encadenamiento hacia atrás y reglas de producción. [3]
2.
M ARCO CONCEPTUAL
A. Agricultura de Precisión La agricultura de precisión es un sistema de producción, adoptado por los agricultores de países de tecnología avanzada denominada por ellos ―precision agriculture ‖, ―precision farming‖, ―Sitespecific crop management ‖ [4]. La agricultura de precisión es una filosofía de manejo de granja en la que los productores son capaces de identificar las variables dentro del campo, e intentar manejar aquellas variables para aumentar la producción o lucro [5].
El termino agricultura de precisión incluye el uso de tecnología actual para el manejo de suelos, cultivos e insumos, de modo que la variables espaciales y temporales son factores que afectan la productividad de esta. [6]
B. Análisis de Suelo El análisis de suelo es un procedimiento que sirve de apoyo técnico en la recomendación de fertilizantes y enmiendas en la mayoría de los cultivos de importancia económica. Un análisis completo incluye las caracterizaciones más determinantes de los elementos mayores y menores. Como análisis adicional pueden ser las determinaciones de azufre disponible, conductividad eléctrica y porcentaje de sodio intercambiable. Estas dos últimas se sugieren cuando se sospecha la presencia de sales o de sodio. [7][8]
C. Sistema Experto Un Sistema Experto (SE), es básicamente un programa de computadora basado en conocimientos y raciocinio que lleva a cabo tareas que generalmente sólo realiza un experto humano [9]. Su comportamiento se basa generalmente en reglas, es decir, se basa en conocimientos previamente definidos, y mediante estos conocimientos los SE son capaces de tomar decisiones. [10] 1) Fragmentos Primordiales de un SE: Los SE están compuestos principalmente por las bases del conocimiento y el motor de inferencia -- Bases del conocimiento: es una base de datos que contiene información y reglas determinadas sobre un tema específico. -- Motor de inferencia: es el camino por el cual el SE recorre buscando las respuestas o resultados. Hay tres métodos con los cuales se puede desarrollar el motor de inferencia tales como: el método de encadenamiento hacia adelante, el método de encadenamiento hacia atrás y el método de reglas de producción. 2) Construcción de SE: Para la construcción del sistema experto es necesario llevar un orden, realizar una planificación, o una metodología concreta. Existen varios tipos de metodologías para la construcción de un SE, las más importantes son la metodología de prototipos y la metodología orientada a objetos.
La metodología de prototipos tiene dos riesgos a la hora de implementarse: --Primero, no existe aplicación similar que pueda servir de guía de orientación. --Segundo, las variables están delimitadas con muy poca precisión. Un método efectivo es la implementación de un prototipo de Sistema Experto que permita llevar a cabo las funciones más importantes de éste, aunque con un esfuerzo de desarrollo considerablemente inferior al de una implementación tradicional. (Tabla 1). Este proceder se define bajo el nombre de ‗Rapid Prototyping‘. Para Sistemas Expertos, el ‗Rapid Prototyping‘ es el procedimiento más
adecuado, pues posibilita una rápida reacción a los deseos en constante cambio tanto por parte de los expertos como parte del usuario. [11] TABLA 1 DIFERENCIAS ENTRE UN SIST EMA EXPERT O Y UN PROGRAMA TRADICIONAL.
Sistema Experto
Programa Tradicional
Conocimiento
En programa e independiente
En programa y circuitos
Tipo de datos
Simbólicos
Numéricos
Resolución
Heurística
Combinatoria
Def. problema
Declarativa
Procedimental
Independiente. No secuencial
Dependiente. Secuencial
Conocimientos
Imprecisos
Precisos
Modificaciones
Frecuentes
Raras
Explicaciones
Sí
No
Satisfactoria
Optima
Sí
No
Control
programar, estableciendo áreas de memoria particionadas para datos y procedimientos, que pueden ser usadas como plantillas para crear copias de módulos conforme se requieran. [12].
3.
Se procedió a realizar una visita técnica con el fin de observar y examinar el manejo agronómico del cultivo de banano, se realizaron entrevistas con los operarios quienes efectúan el mantenimiento en campo del sistema productivo. Con el experto en el área de suelos, se definieron las variables de entrada, que básicamente fueron, los elementos o nutrientes requeridos por la planta (tomados de la literatura), los contenidos de estos en el suelo (obtenidos del análisis de suelos), evaluación del requerimiento de encalado o no de acuerdo al contenido de aluminio activo y pH del suelo y el tipo de cal a aplicar es definida con base en la relación Ca/Mg. La construcción del motor de inferencia fue dividida en cuatro (4) fases:
1) Detección (filtro): Formación del conjunto de conflictos, Reglas pertinentes sobre las variables (pH y densidad aparente) definir las variables y sus rangos. (Tabla 2) TABLA 2 RANGOS DE LOS ELEMENTOS EN EL SUELO
Elemento Fósforo
(mg/kg ) Potasio
Solución Justificación Resolución Comunicación
Área limitada Independiente
Específico En programa
La programación orientada a objetos es un tipo de programación que provee una manera modulada de
DESARROLLO
(Cmol/kg) Calcio
(Cmol/kg) Magnesio
(Cmol/kg)
Bajo
Medio
Alto
<10
10-20
>20
<0,2
0,2-0,5
>0,5
<3
3-6
>6
<1
1-3
>3
Dosis de fertilización de banano de acuerdo con los resultados del análisis de suelos (López y Espinosa, 1995).
El pH: es una medida de la acidez o basisidad de una sustancia y se encuentra en los rangos de 1 a 14. La Densidad aparente se define como la relación
entre la masa de suelo y el volumen total de este, es decir se tiene en cuenta tanto el volumen ocupado por el suelo como el volumen del espacio poroso.
calcule las cantidades de potasio, calcio, fósforo, y magnesio en presentación de nutrientes en forma de oxido fosfórico (P 2O5), oxido de potasio (K 2O), oxido de calcio (CaO), oxido de magnesio (MgO).
2) Selección (Qué reglas?): Estrategias de control (Figura 1) Base de conocimiento (Figura 1)
Notación: w = pH z = calcular CaCO 3 t = calcular nutrientes P(w) = el pH Q(z,t) = calcular CaCO 3 y calcular nutrientes ( P(w) >= 5.5) Q(z,t)
Regla 3: Diagnostico del pH Descripción: Si la variable pH es menor a 5.5 entonces prosiga con el Diagnostico Relación Calcio Magnesio. Notación: Fig. 1. Bases del Conocimiento, diagrama orientada a la programación de objetos.
Regla 1: Validación de las variables Descripción: Todas las variables deben estar en el rango pertinentes, se deben pasar todas las variables a una solo unidad de medida, las que se encuentran partes por millón (Ppm) y en Centimoles (Cmol) se transforman a gramo del producto químico sobre kilogramo de suelo. Notación: x = variables
y = estandarizado
P(x) = las variables P(x,y) = estandarizar las variables P(x)
P(x,y)
Regla 2 : Diagnostico de l pH Descripción: Si la variable pH es mayor e igual a 5.5 entonces calcule las cantidades Carbonato de Calcio (CaCO 3) como mineral y
w = pH k = Relación (Ca/Mg) P(w) = el pH P(w,k) = pasa a Relación (Ca/Mg) ( P(w) < 5.5)
P(w,k)
Regla 4: Diagnostico Relación Calcio Magnesio Descripción: Si las variables Calcio y Magnesio tiene una relación mayor o igual a 1.6 entonces calcule las cantidades Carbonato de Calcio (CaCO3) como mineral y calcule las cantidades de potasio, calcio, fósforo, y magnesio en presentación de nutrientes en forma de oxido fosfórico (P 2O5), oxido de potasio (K 2O), oxido de calcio (CaO), oxido de magnesio (MgO). .
Notación:
k = Relación (Ca/Mg) z = calcular CaCO 3 t = calcular nutrientes
P(k) = la Relación (Ca/Mg) Q(z,t) = calcular CaCO 3 y calcular nutrientes (P(k) <= 1.6)
Q(z,t)
Regla 5: Diagnostico Relación Calcio Magnesio Descripción: Si las variables Calcio y Magnesio tiene una relación menor a 1.6 entonces calcule las cantidades carbonato de magnesio (MgCO3) o sulfato de magnesio (MgSO 4) como mineral y calcule las cantidades de potasio, calcio, fósforo, y magnesio en presentación de nutrientes en forma de oxido fosfórico (P 2O5), oxido de potasio (K2O), oxido de calcio (CaO), oxido de magnesio (MgO).
4) Vuelta al punto 1: parar si el problema está resuelto Si no se ha encontrado una solución y no hay reglas aplicables se presenta el fracaso. [13] ESTRATEGIAS
INICIO
VALIDACIÓN DE LAS VARIABLES
R1
R2 Diagnosticar pH
R3
Notación: R4
k = Relación (Ca/Mg) m = calcular (MgSO 4 v MgCO3)
Relación (Calcio/Magnesio)
R5
t = calcular nutrientes P(k) = la Relación(Ca/Mg) Q(m,t) = calcular MgSO 4 v MgCO3 y calcular nutrientes (P(k) <= 1.6) Q(m,t)
3) Aplicación: El motor de inferencia ha sido diseñado para cuantificar a través de los análisis de suelos, en los requerimientos del cultivo, que dependen del tipo de planta cultivada y de la fase fenológica en la que esté: igualmente de los contenidos de nutrientes a nivel foliar estimados en estos análisis. La Figura (2) muestra el motor de inferencia utilizado para cuantificar los requerimientos del cultivo. El ejecutar acciones para resolver el problema (objetivo) a partir de un conjunto inicial de hechos y eventualmente a través de una interacción con el usuario y/o la deducción de nuevos hechos, es lo que podríamos definir como motor de inferencia .
FIN
Fig. 2. Diagrama de bloques par a el motor de Inferencia del sistema experto.
4. CONCLUSIÓN El motor de inferencia es el conocimiento plasmada en forma de diagramas de flujo, en casos de uso tomados como soporte para realizar las pruebas frente al experto y se obtuvo una aceptación sobre la modelación expuesta. En los trabajos interdisciplinarios se pueden generar soluciones no convencionales, unificando tecnología de diferentes áreas para un mismo fin. Todo sistema real, lineal e invariante en el tiempo es posible controlar algunas variables, así sea un sistema natural y/o creado por el hombre, así mismo se controla la cantidad de fertilizante para aumentar la productividad del cultivo teniendo en cuenta el análisis de suelo. Tomando como ejemplo un modelo de control, el sistema experto hace la función de un controlador
más el comparador y la referencia; el sistema vegetal hace la función del sistema, el análisis del suelo seria el sensor. RECONOCIMIENTO
[9]
[10]
Los autores expresan sus agradecimientos a la asociación de bananeros de Colombia, por el apoyo logístico durante la captura de información en campo, a los integrantes de la línea de investigación manejo de sistemas agrícolas, al grupo de investigación en control automático y robótica del Politécnico Colombiano Jaime Isaza Cadavid REFERENCIAS [1] KEENAN, CH. W. y J. H. WOOD. 1971. Química general universitaria. Compañía Editorial Continental S. A México. 951 p. [2] Twiford, I. 1967. Banana nutrition: a review of principles and practice. J. Sci. Fd. Agric. 18: 177-183. [3] CRIADO Briz José Mario. Introducción a los Sistemas Expertos. URL(www.ingenieroseninformatica.org/recurso s/tutoriales/sist_exp/index.php). 2000. [4] MANZATTO. CVBHERING, S.B.; SIMOES, M. Agricultura de precição: propostas e açoes da embrapa solos. Embrapa solos 1999 disponible en internet htt://www.cnpsembrapa.br/search/perqs/proj0/pr oj01.html [5] BATCHELOR, B.; WHIGHAM, K.; DEWITT, J., ET AL Precision agriculture: introduction to precision agriculture. Lowa Cooperative Extension, 1997. 4p. disponible en internet http://www.extensioniastate.edu/pages/precision ag/prec-ag.pdf em 18 agos. 1999. [6] EMBRAPA. Tecnologia em mecanizaçã no Brasil: equipamentos e sistemas para o futuro. In: SEMINARI TELEMATICO PARA PROSPECÇÃO DE DEMANDAS EM PESQUISA S DESENVOLVIMIENTO EM MECANIZAÇÃO AGRICOLA NO BRASIL, 1997, Sete lagoas-MG.disponible en internet http://www.bases.cnptia.br/cria/gip/gigap/semin ario.doc em 15 oct 1999. [7] Producción de banano orgánico y/o ambientalmente amigable Memorias del taller internacional realizado en la EARTH, Guácimo, Costa Rica — 27-29 de Julio de 1998. [8] López, A., y J. Espinosa. 1995. Manual de nutrición y fertilización del banano. INPOFOS. p. 43
[11]
[12]
[13]
PARSAYE Kamran, Mark Chignell, Setrag Khoshafian y Harry Wong. Intelligent Databases. Editorial Wiley. Primera Edición. New York, 1989. Expert systems and optimization Kusiak, A.Software Engineering, IEEE Transactions on Volume 15, Issue 8, Aug. 1989 Page(s):1017 – 1020 Amador H., Luis; Inteligencia Artificial Y Sistemas Expertos; Publicación Cordoba: Universidad de Cordoba, 1997, ISBN 8478013466 TELLO Ernest. Object Oriented Programming for Artificial Intelligence. Addison Wesley. Primera edición. New York, 1989. W. F. Clocksin y C. S. Mellish. Programming in Prolog: Using the ISO Standard . Springer, 2003 (primera edición de 1981).
