Una nueva inteligencia artificial permite controlar cultivos reduciendo el consumo energético

Un estudio publicado el pasado 23 de agosto en Scientific Reports propone un sistema de aprendizaje federado para redes de sensores inalámbricos en agricultura inteligente con dos objetivos: reducir el consumo de energía y reforzar la protección de los datos. El trabajo parte de un problema conocido en este tipo de explotaciones: cuando se despliegan muchos sensores para vigilar cultivos, riego y variables ambientales, la red debe operar con equipos de recursos limitados y, al mismo tiempo, mover información sensible de forma segura.

La investigación está firmada por B. Chitradevi, S. Senthil Kumar, N. S. Balaji, J. Suganya, B. Marxim Rahula Bharathi, C. Ahamed Saleel, Choon Kit Chan y Yong Xu, vinculados a centros de China, India, Arabia Saudí y Malasia. Los autores sitúan su propuesta en el campo de las redes de sensores inalámbricos, una tecnología ya muy extendida en la agricultura conectada para recoger datos de suelo, humedad, temperatura, riego o estado del cultivo.

La base del sistema es el aprendizaje federado, una técnica con la que cada nodo sensor entrena el modelo en local y solo envía al servidor central las actualizaciones aprendidas. Con ese planteamiento se evita trasladar los datos en bruto, como ocurre en modelos centralizados, y se limita la exposición de la información recogida en la explotación agrícola. Los investigadores sostienen que esa decisión mejora la privacidad y rebaja el gasto energético asociado a la comunicación, uno de los puntos más delicados en redes de campo alimentadas por baterías o con capacidad limitada.

A esa arquitectura los autores añaden una capa de seguridad mediante un esquema de cifrado ligero para proteger las comunicaciones entre los nodos y el servidor. El objetivo es que la red pueda mantener intercambios seguros sin cargar en exceso a los dispositivos, que suelen tener poca capacidad de proceso y de almacenamiento. El estudio subraya que, en este tipo de equipos, reforzar la seguridad no puede hacerse a costa de acortar de forma rápida la autonomía de los sensores.

El trabajo también incorpora una estrategia de selección de nodos basada en la energía disponible. En lugar de hacer participar a todos los sensores en cada fase del aprendizaje, el sistema elige aquellos que, por su estado energético, pueden intervenir de manera más eficiente. Según los autores, esa selección ayuda a prolongar la vida útil de la red y evita que determinados nodos queden agotados antes de tiempo, un problema habitual cuando se busca mantener una monitorización continua en parcelas amplias.

Las pruebas se realizaron en un entorno simulado de agricultura inteligente. En ese escenario, los investigadores afirman que su propuesta obtuvo mejores resultados que otros enfoques en tres apartados: eficiencia energética, velocidad de convergencia del aprendizaje y protección de los datos. El resumen del estudio no aporta cifras concretas sobre el margen de mejora en cada variable, pero sí sostiene que el sistema ofreció un rendimiento superior al de los métodos comparados en la simulación.

El artículo sitúa la aportación en una línea de trabajo centrada en sistemas agrícolas más seguros, más eficientes y con mayor capacidad de decisión distribuida. Entre los conceptos asociados aparecen la inteligencia en el borde de la red, el aprendizaje distribuido, la monitorización ambiental y el uso de dispositivos con recursos limitados, todos ellos habituales en el desarrollo del llamado internet de las cosas aplicado al campo.

La propuesta puede tener una derivada directa para actividades ligadas a las bebidas, aunque el estudio se mueve en el terreno general de la agricultura inteligente. Aplicada a viñedos, una red de este tipo podría servir para vigilar humedad del suelo, temperatura, riego o microclima parcela por parcela sin enviar fuera del sistema todos los datos recogidos por los sensores. Para bodegas y viticultores, esa combinación de menor consumo energético y mayor privacidad puede ser útil en fincas con gran extensión o en explotaciones donde la conectividad y la autonomía de los equipos condicionan la toma de decisiones.

Los autores recibieron financiación de varios programas de investigación de Guangxi, del ASEAN Young Scientist Project y de la Universidad Rey Khalid, entre otras entidades académicas. En su declaración de intereses, señalan que no existen conflictos de interés. El trabajo fue recibido el 26 de septiembre de 2025, aceptado el 31 de julio de 2026 y publicado el pasado 23 de agosto.