la IA transforma el riego en malasia y ahorra agua al 95%
Malasia ha desarrollado un sistema de riego inteligente que usa inteligencia artificial para ahorrar agua en los cultivos.
El proyecto combina sensores enterrados que miden la humedad del suelo, datos meteorológicos y una red IoT que envía la información a un modelo de IA tipo RNN‑LSTM.
Durante seis meses, los investigadores probaron el sistema y lograron que el 95,49 % de las predicciones estuvieran dentro de un margen del 5 % respecto a los valores reales.
- RMSE: 1,222
- MAE: 0,6374
- R²: 0,6723 (sube a 0,70 con Huber loss)
El modelo ayuda a programar el riego con precisión, evitando tanto el desperdicio de agua como el estrés hídrico de las plantas.
Sin embargo, en episodios de lluvia intensa el sistema tiene dificultades porque la humedad del suelo cambia de forma brusca; los científicos están ajustando el entrenamiento para mejorar este punto.
cómo funciona el riego inteligente con ia
Los sensores se entierran cerca de las raíces y miden la humedad del suelo cada pocos minutos. Esa información viaja por una red IoT y alimenta a una red RNN‑LSTM que predice cómo cambiará la humedad.
Con esas predicciones, los agricultores pueden abrir o cerrar los sistemas de riego justo cuando el suelo lo necesita, sin depender de la intuición o de mediciones superficiales.
cuánto agua ahorra este sistema
El estudio muestra que el 95,49 % de las predicciones estaban dentro de un margen del 5 % respecto a los valores medidos, lo que permite reducir el riego excesivo y evitar el estrés hídrico.
Los indicadores de error (RMSE 1,222, MAE 0,6374) y el coeficiente R² de 0,6723 (mejorado a 0,70 con Huber loss) confirman que el modelo es fiable para ahorrar agua y mejorar el rendimiento de los cultivos.
los retos que quedan por superar
Durante lluvias intensas la humedad del suelo cambia rápidamente y el modelo tiene más dificultad para predecir con precisión.
Los investigadores están ajustando el entrenamiento con funciones de pérdida como Huber loss y planean probar el sistema en más estaciones y parcelas más grandes para cubrir la variabilidad espacial.