Red inalámbrica de sensores con topología clúster con nodo sumidero en vehículo aéreo no tripulado para la recolección de datos de las variables edafoclimaticas de un cultivo de banano
Wireless sensor network with cluster topology with sink node in unmanned aerial vehicle for data collection of edaphoclimatic variables of a banana plantation
Contenido principal del artículo
En este trabajo se establecen los parámetros para la conectividad de una red inalámbrica de sensores con topología clúster con nodo sumidero en vehículo aéreo no tripulado para la recolección de datos de las variables edafoclimaticas de un cultivo de banano variedad Willams. Para esto se modelan las pérdidas del canal inalámbrico en la plantación a una frecuencia de 900 MHz, con el propósito de estimar la distancia entre los nodos de la red. Además, se estima la altura de sobrevuelo y la distancia de acercamiento del dron al nodo cabeza de clúster, empleando transmisores a 2400 MHz y antenas λ/4 con línea de vista. Se obtiene un modelo de pérdidas con una atenuación promedio del canal de 68.99 dB, un exponente de pérdidas de camino de 4.88 y una desviación estándar de 4.2 dB. Se determina una distancia entre nodos de 71 metros usando una sombra de 4.3 dB para una probabilidad de éxito del 85%. Se establece una altura de sobrevuelo de 40 metros con distancia de acercamiento al nodo cabeza de clúster de 20 metros. Se concluye que es posible implementar este tipo de red en esta plantación usando tecnología XBee para la comunicación entre los nodos de clúster y WiFi para conectar el nodo sumidero y los nodos cabeza de clúster.
Descargas
Detalles del artículo
Asociación de Bananeros del Magdalena y La Guajira (ASBAMA). "Informe de gestión 2019", [En línea]. Disponible en https://www.asbama.com/administrador/img/informes/informes/76.pdf.
B. Peris S. Forero, N. Piraneque, and S. Ramírez, “Parámetros edáficos asociados al daño por Micosphaerella fijiensis Morelet en la Zona Bananera del Magdalena (Colombia)”, Espacios. vol. 39, no. 26, 2018.
M. Elferink and F. Schierhorn, “Global Demand for Food Is Rising. Can We Meet It?”, Harvard Business Review, vol. 7, no. 4, pp 1-4, 2016.
S. Hemming, F. de Zwart, A. Elings, A. Petropoulou, and I. Righini, “Cherry Tomato Production in Intelligent Greenhouses—Sensors and AI for Control of Climate, Irrigation, Crop Yield, and Quality,” Sensors, vol. 20, no. 22, pp. 6430, 2020. doi: 10.3390/s20226430.
M. Manideep, R. Thukaram, and M. Supriya, "Smart Agriculture Farming with Image Capturing Module", in 2019 Global Conference for Advancement in Technology (GCAT), pp. 1-5, 2019
B. Saleh, A. Abouel-Kassem, A. Ezz El-Deen, et al., " Gathering Big Data in Wireless Sensor Networks by Drone ", Sensors, vol. 20, no. 23, pp. 6954., 2019. doi:10.3390/s20236954
F. López-Morales, et al, " Interacción genotipo-ambiente, estabilidad del rendimiento y calidad de grano en maíz Tuxpeño," Revista mexicana de ciencias agrícola vol. 8, no. 5, pp. 1035-1050, 2017.
D. Kandris, C. Nakas, D. Vomvas, and G. Koulouras, “Applications of Wireless Sensor Networks: An Up-to-Date Survey,” Applied System Innovation, vol. 3, no. 1, p. 14, 2020. doi: 10.3390/asi3010014
J. Antunes, L. Brisolara, and P. Ferreira, “UAVs as Data Collectors in the WSNs: Investigating the Effects of Back-and-Forth and Spiral Coverage Paths in the Network Lifetime,” in 2020 X Brazilian Symposium on Computing Systems Engineering (SBESC), pp. 1–8, 2020. doi: 10.1109/SBESC51047.2020.9277860.
M. Krishnan, S. Yun, and Y. Jung, “Dynamic clustering approach with ACO-based mobile sink for data collection in WSNs,” Wireless Networks, vol. 25, no. 8, pp. 4859–4871, 2019, doi: 10.1007/s11276-018-1762-8
S. Smruthi, R. Krishna, and M. Panda, “Low Energy Sensor Data Collection using Unmanned Aerial Vehicles,” in 2019 3rd International Conference on Trends in Electronics and Informatics (ICOEI), pp. 740–745, 2019. doi: 10.1109/ICOEI.2019.8862558.
J. Wang, Y. Gao, C. Zhou, R. Simon Sherratt, and L. Wang, “Optimal Coverage Multi-Path Scheduling Scheme with Multiple Mobile Sinks for WSNs,” Computers, Materials & Continua, vol. 62, no. 2, pp. 695–711, 2020, doi: 10.32604/cmc.2020.08674.
J. Gomez-Rojas, L. Camargo, and R. Montero, “Mobile wireless sensor networks in a smart city”. International Journal on Smart Sensing and Intelligent Systems, vol. 11, no 1, pp. 1-8. doi:10.21307/ijssis-2018-009
X. Fu y X. He, "Energy-balanced data collection with path-constrained mobile sink in wireless sensor networks", AEU - International Journal of Electronics and Communications, vol. 127, pp. 153504, 2020, doi: 10.1016/j.aeue.2020.153504
C. Lima, E. da Silva, and P. Velloso, “Performance Evaluation of 802.11 IoT Devices for Data Collection in the Forest with Drones,” in 2018 IEEE Global Communications Conference (GLOBECOM), pp. 1–7, 2018. doi: 10.1109/GLOCOM.2018.8647220.
O. Gul and A. Erkmen, “Energy-Efficient Cluster-Based Data Collection by a UAV with a Limited-Capacity Battery in Robotic Wireless Sensor Networks,” Sensors, vol. 20, no. 20, p. 5865, 2020, doi: 10.3390/s20205865.
B. Khan, R. Bilal, and R. Young, "Fuzzy-TOPSIS based Cluster Head selection in mobile wireless sensor networks," Journal of Electrical Systems and Information Technology, vol. 5, no. 3, pp. 928–943, 2018, doi: 10.1016/j.jesit.2016.12.004
Digi International Inc, “Digi XBee®-PRO 900HP/XSC RF Modules data sheet,” 2020. https://www.digi.com/resources/documentation/digidocs/pdfs/90002173.pdf
W. Lee, “Estimate of local average power of a mobile radio signal,” IEEE Transactions on Vehicular Technology, vol. 34, no. 1, pp. 22–27. 1985. https://doi.org/10.1109/T-VT.1985.24030
ITU, “Manual: Comprobación técnica del espectro,” Oficina de Radiocomunicaciones, 2011. http://handle.itu.int/11.1002/pub/80399e8b-en
Espressif Systems, “Espressif Systems ESP32 Series data sheet,” 2020. https https://www.espressif.com/sites/default/files/documentation/esp32_datasheet_en.pdf
A. F. Molisch, K. Balakrishnan, C. Chong et al, “IEEE 802.15.4a channel model-final report,” IEEE P802, vol. 15, no. 4, pp. 0662, 2004. doi:10.1.1.119.2038&rep=rep1&type=pdf