Los sistemas de acuaponía están revolucionando la forma en que producimos alimentos. La integración de tecnologías avanzadas como la Internet de las cosas (IoT), la energía solar y la inteligencia artificial (IA), viene permitiendo la integración de sistemas acuaponicos inteligentes, estos sistemas ofrecen un enfoque sostenible y eficiente para la acuicultura y la agricultura. Sin embargo, evaluar el rendimiento y la eficacia de estos sistemas sigue siendo un desafío complejo.
Una reciente revisión sistemática de la literatura (SLR) realizada por científicos de la Cape Peninsula University of Technology y de la University of Pretoria, publicada en la revista Artificial Intelligence Review, profundizó en las aplicaciones, tecnologías y métodos de evaluación empleados en la acuaponía inteligente.
Aplicaciones y tecnologías
La SLR analizó 105 estudios primarios provenientes de publicaciones revisadas por pares en IEEE Xplore, Scopus, SpringerLink y Science Direct. Los hallazgos revelaron que, si bien el monitoreo y control de los sistemas de acuaponía se han explorado ampliamente (73 %), las predicciones de acuaponía han sido poco exploradas (27 %).
Las tecnologías de IoT se han utilizado para crear prototipos de sistemas de acuaponía y recopilar datos, mientras que el aprendizaje automático y el aprendizaje profundo se han empleado para la predicción, la detección de anomalías y la toma de decisiones inteligente.
Tecnologías clave que impulsan la acuaponía inteligente
- Internet de las cosas (IoT): esta tecnología permite el monitoreo en tiempo real de varios parámetros como la temperatura del agua, el pH y los niveles de nutrientes. Al recopilar y analizar datos, los dispositivos de IoT ayudan a optimizar el rendimiento del sistema.
- Aprendizaje automático/aprendizaje profundo: estas técnicas de IA se utilizan para predecir el comportamiento del sistema, detectar anomalías y tomar decisiones inteligentes. Por ejemplo, pueden pronosticar el rendimiento de los cultivos, optimizar el uso de los recursos e identificar posibles problemas antes de que se agraven.
La necesidad de una evaluación integral
El SLR destacó la importancia de contar con métodos de evaluación sólidos para los sistemas de acuaponía inteligentes. Si bien algunos estudios han incorporado la evaluación, muchos carecen de un enfoque integral. La retroalimentación de los expertos y las aportaciones de los usuarios son esenciales para evaluar la usabilidad y el impacto práctico de estos sistemas.
Hallazgos del estudio
El estudio analizó las áreas de aplicación de las soluciones de acuaponía, centrándose en el monitoreo, control y predicción. Los hallazgos muestran que:
- Monitoreo y control: la mayoría de los estudios (56 %) se centraron en el monitoreo y control de varios parámetros ambientales de acuaponía, como la calidad del agua, los niveles de nutrientes, la temperatura y la salud de los peces. Se utilizaron datos en tiempo real para automatizar las intervenciones, asegurando un crecimiento óptimo de las plantas y los peces.
- Predicción: el veintisiete por ciento de los estudios se centraron en la predicción, utilizando datos históricos o externos para predecir parámetros específicos como el crecimiento de las plantas y los peces, la calidad del agua y la biomasa de la fruta. Se utilizaron técnicas de regresión y clasificación para la predicción.
- Tecnologías digitales: las tecnologías de IoT se utilizaron para crear la mayoría de los sistemas acuapónicos prototipo (66 %), mientras que los algoritmos ML y DL se utilizaron para la predicción, la detección de anomalías y la toma de decisiones inteligente (17 %).
- Fortalezas y debilidades: El análisis reveló fortalezas en el monitoreo integral del sistema, el avance tecnológico, las diversas aplicaciones y la identificación de colaboraciones. Sin embargo, las debilidades incluyeron un enfoque a corto plazo, una variabilidad ambiental limitada y un enfoque estrecho en regiones específicas.
Futuras direcciones de investigación
Para aprovechar al máximo el potencial de la acuaponía inteligente, la investigación futura debería centrarse en:
- Estudios a largo plazo: realizar experimentos a largo plazo para evaluar el rendimiento y la sostenibilidad a largo plazo de los sistemas de acuaponía inteligentes.
- Aplicaciones en el mundo real: probar estos sistemas en diversas condiciones ambientales para evaluar su adaptabilidad y solidez.
- Análisis predictivo: desarrollar modelos predictivos avanzados para optimizar el uso de los recursos, mejorar el rendimiento y mejorar la eficiencia general del sistema.
- Diseño centrado en el usuario: involucrar a las partes interesadas y a los usuarios finales en el proceso de diseño y desarrollo para garantizar que los sistemas satisfagan sus necesidades y expectativas.
Al abordar estas áreas, los investigadores pueden contribuir al avance de la acuaponía inteligente y su adopción generalizada como una solución sustentable para la producción de alimentos.
Conclusión
La revisión sistemática de la literatura proporciona nuevos conocimientos sobre las aplicaciones, las tecnologías y los métodos de evaluación utilizados en la acuaponía inteligente. Los hallazgos resaltan la necesidad de métodos de evaluación más integrales y la importancia de abordar las limitaciones de los estudios existentes.
Al explorar el potencial de la acuaponía inteligente, podemos desbloquear nuevas oportunidades para la producción de alimentos sostenibles y contribuir a un futuro con mayor seguridad alimentaria.
El acceso abierto fue financiado por University of Pretoria y Cape Peninsula University of Technology.
Contacto
Olawande Daramola
Department of Informatics, University of Pretoria
Pretoria, South Africa
Email: wande.daramola@up.ac.za
Referencia (acceso abierto)
Anila, M., Daramola, O. Applications, technologies, and evaluation methods in smart aquaponics: a systematic literature review. Artif Intell Rev 58, 25 (2025). https://doi.org/10.1007/s10462-024-11003-x
