AGROALERT AI: Sistema Inteligente de Monitoreo y Alerta Temprana para Cultivos Vulnerables a Inundaciones y Sequías mediante CyberPi

INFORMACIÓN GENERAL
Nombre del Semillero		Sucreinnova
Nivel de Formación		Bachilleres en formación
Programa Académico		Aplicación de la electronica y robotica en proyectos de ciencia, tecnologia e innovación – Tecnoacademias itinerantes.
Título del Proyecto		AGROALERT AI: Sistema Inteligente de Monitoreo y Alerta Temprana para Cultivos Vulnerables a Inundaciones y Sequías mediante CyberPi
Autor (es)		Facilitador:Helmer Ahumada Hernandez Aprendices: (1) Emmanuel de Jesus Castillo(2) Samuel David Ochoa Canchila
Identificación		Facilitador:1102846034 Aprendices: (1) 1142928867(2) 1103510406
Ponente (s)		(1) Emmanuel de Jesus Castillo (2) Samuel David Ochoa Canchila
E-mail de Contacto		hahumada @sena.edu.co
Teléfonos de Contacto
Categoría (seleccionar una)		Propuesta de x Investigacións	Investigación ☐ en Curso		Investigación Terminada	☐
Área de la investigación (Marque solo opción)	una	Ciencias Agrarias ☐ Biológicas y del mar ☐ Ciencias de la Salud ☐ Ciencias exactas y de la tierra ☐ Ciencias humanas ☐		Ciencias sociales Navales y de seguridad Ingeniería Lingüística artes y letras Otra: (Mencione cuál)		☐ ☐ X☐ ☐

1. TÍTULO:

AgroAlert AI: Sistema Inteligente de Monitoreo y Alerta Temprana para Cultivos Vulnerables a Inundaciones y Sequías mediante CyberPi.

2. RESUMEN

AgroAlert AI es un sistema inteligente desarrollado mediante la placa educativa CyberPi, orientado al monitoreo y generación de alertas tempranas en cultivos vulnerables a inundaciones y sequías. El proyecto busca brindar una solución tecnológica educativa y de bajo costo para apoyar a pequeños agricultores y comunidades rurales afectadas por fenómenos climáticos extremos.

El sistema utiliza sensores integrados del CyberPi, conectividad WiFi y programación en Python para recopilar variables ambientales, analizar comportamientos climáticos simulados y emitir alertas visuales y sonoras en tiempo real. Además, permite registrar datos para análisis estadísticos y futuras aplicaciones de inteligencia artificial e Internet de las Cosas (IoT).

La investigación promueve el aprendizaje STEM en estudiantes de educación media, fortaleciendo competencias en programación, electrónica, ciencia de datos y resolución de problemáticas reales del territorio. AgroAlert AI representa una propuesta innovadora con impacto social, ambiental y tecnológico alineada con los objetivos de transformación digital del agro y gestión del riesgo.

2. JUSTIFICACIÓN

El departamento de Sucre y muchas regiones rurales de Colombia enfrentan constantemente problemáticas asociadas a inundaciones, sequías y variaciones climáticas que afectan significativamente la producción agrícola y la estabilidad económica de pequeños productores campesinos. La ausencia de herramientas tecnológicas accesibles dificulta la toma de decisiones oportunas y aumenta las pérdidas en cultivos.

AgroAlert AI surge como una alternativa tecnológica educativa que integra programación, electrónica e IoT mediante el uso de CyberPi para generar sistemas de monitoreo ambiental y alerta temprana aplicados al agro. El proyecto permite acercar tecnologías emergentes a estudiantes de secundaria, fomentando la innovación y el desarrollo de soluciones reales para problemáticas de su entorno.

Desde el componente económico, AgroAlert AI puede contribuir a disminuir pérdidas agrícolas mediante alertas preventivas que permitan actuar oportunamente frente a eventos climáticos extremos. Esto fortalece la economía popular y promueve prácticas agrícolas más eficientes y sostenibles.

En el ámbito social, el proyecto fortalece las capacidades tecnológicas de jóvenes en formación, incentivando el pensamiento científico, la investigación aplicada y el trabajo colaborativo. Asimismo, promueve la apropiación social de la tecnología en comunidades rurales vulnerables.

En cuanto al impacto ambiental, AgroAlert AI fomenta el uso responsable de recursos naturales y el monitoreo preventivo de riesgos climáticos, contribuyendo a estrategias de adaptación al cambio climático y desarrollo sostenible.

Finalmente, el proyecto se encuentra alineado con las líneas estratégicas de SENNOVA, Tecnoacademias y los Objetivos de Desarrollo Sostenible relacionados con innovación, educación de calidad, producción sostenible y acción por el clima.

4. PLANTEAMIENTO DEL PROBLEMA

Las inundaciones y sequías representan una de las principales amenazas para los pequeños agricultores en zonas rurales del departamento de Sucre y otras regiones del Caribe colombiano. La falta de sistemas tecnológicos accesibles para monitorear condiciones ambientales y generar alertas tempranas ocasiona pérdidas económicas, afectaciones sociales y disminución de la productividad agrícola.

Muchos pequeños productores no cuentan con herramientas digitales que les permitan identificar cambios climáticos o condiciones de riesgo en sus cultivos de manera rápida y eficiente. Además, existe una limitada apropiación tecnológica en estudiantes y comunidades rurales para desarrollar soluciones innovadoras orientadas a la gestión del riesgo y agricultura inteligente.

Ante esta problemática, surge la necesidad de desarrollar sistemas educativos y tecnológicos de bajo costo que permitan monitorear variables ambientales y emitir alertas preventivas mediante herramientas accesibles como CyberPi.

Pregunta de Investigación

¿Cómo puede un sistema inteligente basado en CyberPi contribuir al monitoreo y generación de alertas tempranas en cultivos vulnerables a inundaciones y sequías en comunidades rurales?

'5.' OBJETIVOS:

Objetivo General

Desarrollar e implementar un sistema inteligente de monitoreo y alerta temprana mediante CyberPi para apoyar la prevención de riesgos por inundaciones y sequías en cultivos agrícolas.

Objetivos Específicos

• Identificar las principales necesidades de monitoreo ambiental en cultivos vulnerables a inundaciones y sequías.

• Diseñar un sistema electrónico utilizando CyberPi para la recopilación y visualización de variables ambientales.

• Programar funcionalidades de alertas visuales y sonoras utilizando Python y mBlock.

• Implementar mecanismos de conectividad IoT para el envío y análisis de datos ambientales.

• Evaluar el funcionamiento del sistema mediante simulaciones de escenarios climáticos.

• Fortalecer competencias STEM e investigativas en estudiantes de educación media.

6. REFERENTE TEÓRICO:

La construcción del marco teórico de AgroAlert AI se fundamenta en investigaciones relacionadas con agricultura inteligente, Internet de las Cosas (IoT), monitoreo ambiental, gestión del riesgo climático y tecnologías educativas aplicadas al agro.

El uso de tecnologías IoT en agricultura ha permitido optimizar procesos de monitoreo y control ambiental mediante sensores y dispositivos inteligentes. Estas tecnologías facilitan la recopilación de datos en tiempo real y apoyan la toma de decisiones preventivas frente a fenómenos climáticos.

CyberPi, desarrollado por Makeblock, representa una herramienta educativa avanzada que integra programación, sensores, conectividad WiFi y capacidades para proyectos de ciencia de datos e inteligencia artificial, siendo ideal para procesos STEM y proyectos de investigación escolar.

El proyecto también se fundamenta en enfoques de agricultura sostenible y adaptación al cambio climático, promoviendo tecnologías accesibles para pequeños productores rurales.

Referencias Teóricas

Wolfert, S., Ge, L., Verdouw, C., & Bogaardt, M. (2017). Big Data in Smart Farming.

Ray, P. P. (2017). Internet of Things for Smart Agriculture.

Liakos, K., et al. (2018). Machine Learning in Agriculture.

Zhang, Y., Wang, G., & Wang, L. (2019). IoT Technologies for Agriculture.

FAO. (2021). Digital Technologies in Agriculture and Rural Areas.

Makeblock Education. CyberPi Official Documentation.

UNESCO. (2020). STEM Education for Sustainable Development.

Sharma, P., & Sharma, H. (2018). Smart Farming Technologies.

Maxwell, L., & Marshall, D. (2017). Precision Agriculture and Environmental Sustainability.

Naciones Unidas. Objetivos de Desarrollo Sostenible 2030.

7. METODOLOGÍA:

La metodología utilizada en AgroAlert AI combina investigación aplicada, aprendizaje basado en proyectos y desarrollo tecnológico participativo.

Tipo de Investigación

La investigación se desarrollará bajo un enfoque de investigación-acción participativa, donde estudiantes y facilitadores diseñarán soluciones tecnológicas aplicadas a problemáticas reales del entorno rural.

1. Identificación de la problemática

Se realizarán consultas y análisis sobre afectaciones causadas por inundaciones y sequías en comunidades rurales y cultivos agrícolas.

2. Diseño del sistema

Los estudiantes diseñarán el prototipo utilizando CyberPi, integrando sensores, interfaces visuales y módulos de conectividad.

3. Desarrollo del prototipo

Se programará el sistema mediante Python y mBlock para:

monitoreo ambiental

visualización de datos

generación de alertas

registro de información

4. Simulación de escenarios

Se recrearán escenarios de inundación y sequía mediante maquetas y simulaciones controladas para evaluar el comportamiento del sistema.

5. Implementación de conectividad IoT

Se desarrollarán mecanismos de transmisión de datos mediante WiFi para monitoreo remoto.

6. Evaluación del sistema

Se analizará:

precisión de alertas

tiempos de respuesta

funcionamiento del prototipo

facilidad de uso

7. Socialización del proyecto

Los resultados serán presentados en:

ferias tecnológicas

encuentros de semilleros

eventos STEM

muestras institucionales

8. RESULTADOS ESPERADOS o RESULTADOS:

Desarrollo de un prototipo funcional basado en CyberPi para monitoreo ambiental.

Generación de alertas tempranas visuales y sonoras ante riesgos climáticos.

Implementación de un sistema IoT educativo para recopilación de datos.

Fortalecimiento de competencias en programación, electrónica y ciencia de datos.

Participación activa de estudiantes en procesos de investigación aplicada.

Sensibilización sobre gestión del riesgo climático y agricultura sostenible.

Creación de una maqueta interactiva para demostraciones en ferias científicas y tecnológicas.

9. CONCLUSIONES:

AgroAlert AI representa una experiencia educativa e investigativa que integra tecnologías emergentes con problemáticas reales del territorio. El proyecto demuestra cómo herramientas educativas como CyberPi pueden convertirse en soluciones innovadoras para el monitoreo ambiental y la prevención de riesgos en el sector agrícola.

La participación activa de estudiantes en el diseño, programación e implementación del sistema fortalece competencias STEM, pensamiento crítico y capacidades investigativas. Asimismo, el proyecto promueve la apropiación tecnológica y el desarrollo de soluciones sostenibles para comunidades rurales vulnerables.

AgroAlert AI evidencia el potencial de la educación tecnológica para generar impacto social, ambiental y económico mediante proyectos contextualizados y orientados al desarrollo territorial.

10. BIBLIOGRAFÍA:

• Wolfert, S., Ge, L., Verdouw, C., & Bogaardt, M. Big Data in Smart Farming.

• Ray, P. P. Internet of Things for Smart Agriculture.

• Liakos, K., et al. Machine Learning in Agriculture.

• FAO. Digital Technologies in Agriculture and Rural Areas.

• UNESCO. STEM Education for Sustainable Development.

• Makeblock Education. CyberPi Official Documentation.

• Sharma, P., & Sharma, H. Smart Farming Technologies.

• Maxwell, L., & Marshall, D. Precision Agriculture and Environmental Sustainability.

• Naciones Unidas. Objetivos de Desarrollo Sostenible 2030.

Zhang, Y., Wang, G., & Wang, L. IoT Technologies for Agriculture.