Distribució òptima d' una zona de cultiu mitjançant tècniques d' intel·ligència artificial

Abstract

[CA] L’objectiu principal d’aquest treball ha estat el disseny i la implementació d’una aplicació que optimitza la planificació agrícola, determinant la quantitat més òptima de cada cultiu i la seva assignació a la parcel·la de manera que s’obtinga un benefici econòmic elevat i al mateix temps, un consum hídric més baix. Per aconseguir aquest objectiu, s’han plantejat diversos subobjectius que inclouen la recopilació de dades rellevants sobre els cultius, la investigació de tècniques d’intel·ligència artificial aplicables, la modelització del problema i la personalització de l’aplicació segons les necessitats de l’usuari. En el decurs del treball, s’ha aconseguit crear un algoritme genètic que s’adapta a les necessitats específiques de la planificació agrícola. Aquest algoritme no només considera variables com les necessitats hídriques i les condicions climàtiques, sinó que també ofereix una flexibilitat que permet als usuaris adaptar el model als seus requisits particulars, com ara les dimensions de la terra o el tipus de cultius que desitgen plantar. A més, s’- ha utilitzat una arquitectura MVC (Model-Vista-Controlador) que facilita la interacció de l’usuari a través d’una interfície web. Des d’aquesta interfície, els usuaris poden modificar les dades i activar l’algoritme genètic per obtenir solucions òptimes. Així, aquesta aplicació representa un solució a través de la intel·ligència artificial per a la resolució de problemes complexos en el sector agrícola. A més, també obri la porta a futures investigacions i aplicacions que poden enriquir encara més aquest camp.

[ES] El objetivo principal de este trabajo ha sido el diseño y la implementación de una aplicación que optimiza la planificación agrícola, determinando la cantidad más óptima de cada cultivo y su asignación en la parcela para obtener un alto beneficio económico y, al mismo tiempo, un menor consumo de agua. Para lograr este objetivo, se han planteado varios subobjetivos que incluyen la recopilación de datos relevantes sobre los cultivos, la investigación de técnicas de inteligencia artificial aplicables, la modelización del problema y la personalización de la aplicación según las necesidades del usuario. Durante el desarrollo del trabajo, se ha logrado crear un algoritmo genético que se adapta a las necesidades específicas de la planificación agrícola. Este algoritmo no solo considera variables como las necesidades hídricas y las condiciones climáticas, sino que también ofrece una flexibilidad que permite a los usuarios adaptar el modelo a sus requisitos particulares, como las dimensiones del terreno o el tipo de cultivos que desean plantar. Además, se ha utilizado una arquitectura MVC (Modelo-Vista-Controlador) que facilita la interacción del usuario a través de una interfaz web. Desde esta interfaz, los usuarios pueden modificar los datos y activar el algoritmo genético para obtener soluciones óptimas. Así, esta aplicación representa una solución a través de la inteligencia artificial para la resolución de problemas complejos en el sector agrícola. Además, también abre la puerta a futuras investigaciones y aplicaciones que pueden enriquecer aún más este campo.

[EN] The main objective of this work has been the design and implementation of an application that optimizes agricultural planning, determining the most optimal amount of each crop and its allocation in the field to achieve high economic benefits while minimizing water consumption. To achieve this goal, several sub-objectives have been set, including the collection of relevant data on crops, the investigation of applicable artificial intelligence techniques, problem modeling, and application customization according to user needs. During the course of the work, a genetic algorithm has been successfully created that adapts to the specific needs of agricultural planning. This algorithm not only considers variables such as water needs and climatic conditions but also offers flexibility that allows users to adapt the model to their particular requirements, such as land dimensions or the type of crops they wish to plant. Additionally, an MVC (Model-View-Controller) architecture has been used that facilitates user interaction through a web interface. From this interface, users can modify the data and activate the genetic algorithm to obtain optimal solutions. Thus, this application represents a solution through artificial intelligence for solving complex problems in the agricultural sector. Moreover, it also opens the door to future research and applications that can further enrich this field.