Preliminary results of irrigation management for mango using LSTM neural networks and IoT

• José Fernando Noguera-Polania ^[1] ; Aldo de Jesús Daconte-Blanco ^[1] ; José David Moreu-Ceballos ^[1] ; Camilo José Linero-Ospino ^[1] ; Ronald Steward Munera-Luque ^[1] ; Pablo César Guevara-Barbosa ^[2]
  1. [1] Universidad Cooperativa de Colombia

     Universidad Cooperativa de Colombia

     Colombia

     
  2. [2] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
• Localización: Revista Facultad de Ingeniería: Universidad de Antioquia, ISSN-e 2422-2844, ISSN 0120-6230, Nº. 115, 2025, págs. 44-53
• Idioma: inglés
• Títulos paralelos:
  • Resultados preliminares de gestión de riego para mango con redes neuronales LSTM e IoT
• Enlaces
  • Texto completo
• Resumen
  • español

    El mango (Mangifera indica L.) es un fruto tropical ampliamente comercializado en varios continentes y el cultivo de mango en Colombia se ve afectado por la variabilidad climática regional. Para mejorar el desarrollo del fruto y minimizar los impactos ambientales y económicos, se requiere un riego eficiente y tecnologías de manejo del agua adecuadas. En este estudio, se desarrolló un sistema de pronóstico de tendencias basado en una red neuronal LSTM y tecnologías como ThingsBoard, LoRA y MQTT. El objetivo fue mejorar las prácticas de riego en el cultivo de mango mediante decisiones informadas, basadas en el monitoreo y la predicción de las variables de potencial mátrico y evapotranspiración. Este artículo describe el desarrollo y aplicación de dicho sistema en el manejo del riego del cultivo de mango. Los resultados validaron la efectividad del sistema propuesto para el cultivo de mango, con índices de RMSE de 1.56 y 0.0019, y coeficientes de determinación (R2) de 0.9989 y 0,9971 para el potencial mátrico y la evapotranspiración, respectivamente. Estos hallazgos respaldan la mejora de las condiciones de crecimiento y la promoción de prácticas sostenibles. Aunque se reconoce la limitación de datos, la eficacia del sistema en la predicción y la gestión de riego ofrece un potencial significativo para maximizar la productividad y reducir los impactos ambientales y económicos asociados a una gestión inadecuada del agua.

  • English

    Mango cultivation in Colombia faces the impact of regional climate variability. To improve fruit development and minimize environmental and economic effects, it is necessary to implement efficient irrigation and appropriate water management technologies. In this study, we developed a trend forecasting system based on an LSTM neural network and technologies such as ThingsBoard, LoRA, and MQTT. The aim was to improve mango irrigation practices through informed decisions based on monitoring and predicting matric potential and evapotranspiration variables. This article describes the development and application of the system for mango irrigation management. Results validate the effectiveness of the proposed system for mango cultivation, with RMSE indices of 1.56 and 0.0019 and determination coefficients (R2) of 0.9989 and 0.9971 for matric potential and evapotranspiration, respectively. These findings support enhancing growth conditions and promoting sustainable practices. Despite data availability limitations, the system's efficacy in prediction and irrigation management demonstrates significant potential to maximize productivity and reduce the environmental and economic impacts of inadequate water management.