The Internet of Things (IoT) opens opportunities to monitor, optimize, and automate
processes into the Agricultural Value Chains (AVC). However, challenges
remain in terms of energy consumption. In this thesis, we assessed the impact of
environmental variables in AVC based on the most influential variables. We developed
an adaptive sampling period method to save IoT device energy and to maintain
the ideal sensing quality based on these variables, particularly for temperature and
humidity monitoring. The evaluation on real scenarios (Coffee Value chain) shows
that the suggested adaptive algorithm can reduce the current consumption up to
11% compared with a traditional fixed-rate approach, while preserving the accuracy
of the data.
El Internet de las cosas (IoT) abre oportunidades para monitorear, optimizar y automatizar
procesos en las cadenas de valor agrícolas (AVC). Sin embargo, persisten
desafíos en términos de consumo de energía. En esta tesis, evaluamos el impacto
de las variables ambientales en AVC en función de las variables más influyentes.
Desarrollamos un método de período de muestreo adaptativo para ahorrar energía
del dispositivo IoT y mantener la calidad de detección ideal en función de estas variables,
particularmente para el monitoreo de temperatura y humedad. La evaluación
en escenarios reales (cadena de valor del café) muestra que el algoritmo adaptativo
sugerido puede reducir el consumo actual hasta en un 11% en comparación con un
enfoque tradicional de tasa fija, al tiempo que preserva la precisión de los datos.
Excepto si se señala otra cosa, la licencia del ítem se describe como https://creativecommons.org/licenses/by-nc-nd/4.0/