Análisis del rendimiento del café basado en técnicas de aprendizaje automático

Abstract

Antecedentes: la agricultura cumple un papel fundamental en América Latina y el Caribe, impactando no solamente la producción de los países, sino también el empleo, las exportaciones y, en general, la vida de millones de personas. En Colombia, el cultivo de café ha construido un tejido social de extremo valor en las zonas rurales del país, siendo la principal fuente de ingresos para más de la cuarta parte de la población rural. No obstante, enfrenta diversos retos, como los crecientes costos de producción, la degradación del suelo, la escasez de agua y el cambio climático, que terminan incidiendo en las tasas de rendimiento del cultivo. En consecuencia, el desarrollo de nuevas herramientas tecnológicas, pueden traer consigo el aumento del bienestar de los caficultores, mejorando las condiciones socioeconómicas de las familias rurales, evitando costos innecesarios y mejorando la productividad de sus cultivos. Objetivo: analizar el rendimiento del cultivo del café a partir de métodos de aprendizaje automático. Métodos: se propone una herramienta de apoyo para que los caficultores mejoren las tasas de rendimiento de su cultivo. Mediante un algoritmo de aprendizaje automático se estima el rendimiento potencial del cultivo de café con seis meses de anticipación a la cosecha. Dicha estimación, además de ser presentada a los agricultores, es utilizada como insumo principal para un sistema de recomendaciones que sugiere buenas prácticas de manejo del cultivo encaminadas a mitigar condiciones climáticas adversas e incrementar el rendimiento del cultivo. Resultados: un conjunto de datos que comprende registros históricos meteorológicos y de rendimiento del cultivo de café en Colombia. Un conjunto de modelos que permiten la estimación de la producción y rendimiento del cultivo de café en Colombia. Un sistema de recomendaciones basado en contenido para la sugerencia de actividades de manejo del cultivo de café. Finalmente, un prototipo orientado al usuario que condensa los productos anteriores.

Background: Agriculture has played a fundamental role in Latin America and the Caribbean since it has impacted not only the production of many countries but also employment, exports and the lives of millions of people in general. In Colombia, coffee growing has built an extremely valuable social fabric in the rural areas of the country being the main source of incomes for more than a quarter of the rural population. However, it faces some challenges such as: the rising production costs, land degradation, water shortage and climate changes which influence the crop yield rates. Consequently, the development of new technological tools might bring about the increase in coffee growers' welfare, improving their socioeconomic conditions, avoiding unnecessary costs and making the crop productivity better. Objective: To analyze the yield of coffee growing using automatic learning methods. Methods: A support tool is proposed to help the coffee growers improve their crop yield rates. The potential yield of coffee growing is estimated by an automatic learning algorithm six months in advance of harvest. This estimate, in addition to being presented to farmers, is used as the main input for a recommender system suggesting good crop management practices aimed at mitigating adverse climatic conditions and increasing crop yield. Results: A data set that comprises historical meteorological and yield records of coffee growing in Colombia. A set of models that allow the estimation of the production and yield of coffee growing in Colombia. A content-based recommendation system for suggestions for coffee crop management activities. Finally, a user-oriented prototype that joins the previous products.