Agro IA

Agro IA logo

Inspiración Querétaro se encuentra en una encrucijada hídrica. Como una de las regiones con mayor estrés hídrico en México, nuestra entidad enfrenta un agotamiento acelerado de sus acuíferos y una demanda que supera constantemente la disponibilidad natural. En este escenario, la agricultura, que consume la mayor parte de este recurso, no puede permitirse seguir operando bajo métodos tradicionales de ensayo y error. Cada litro de agua desperdiciado hoy es una limitante para el crecimiento de mañana.

Observamos que muchos productores locales riegan basándose en calendarios fijos o percepciones visuales, no por falta de voluntad, sino por falta de datos. La idea de Agro IA surgió al entender que el verdadero problema no es solo gastar menos agua, sino utilizarla con máxima eficiencia. Queríamos eliminar la incertidumbre y dotar al agricultor de una herramienta que le permitiera saber exactamente cuándo, cuánto y dónde regar. Nos inspiramos en la logística de precisión que vemos en apps de uso diario y decidimos aplicarla al campo queretano para convertir al productor en un gestor inteligente de su recurso más valioso.

Qué hace Agro IA Agro IA es una plataforma de gestión estratégica que transforma la incertidumbre del suelo en decisiones basadas en evidencia. A través de una interfaz interactiva, el sistema permite a los usuarios visualizar sus parcelas no como extensiones de tierra uniformes, sino como zonas de riego dinámicas con necesidades diferenciadas.

Nuestra solución no se limita a un ahorro pasivo; busca la eficiencia operativa. El sistema monitorea constantemente la humedad y las variables climáticas, alertando al agricultor de forma quirúrgica sobre qué zonas requieren hidratación inmediata. Esto evita el riego excesivo en áreas saturadas y la deshidratación en puntos críticos. Al centralizar la administración de múltiples terrenos en una interfaz intuitiva, permitimos que cualquier productor optimice su ciclo de riego, asegurando la salud de sus cultivos mientras protege la estabilidad hídrica de nuestra región. Con Agro IA, la tecnología se convierte en el puente hacia una agricultura que respeta los límites de nuestro entorno.

Qué hace Agro IA Agro IA convierte los datos de sensores de humedad y clima en decisiones estratégicas visuales. La aplicación permite a los usuarios registrar parcelas y visualizar zonas de riego mediante polígonos dinámicos sobre la infraestructura de Azure Maps.

El sistema integra un flujo de trabajo donde el backend en Node.js recibe telemetría en tiempo real, procesa los estados de hidratación del suelo y alerta al usuario sobre necesidades específicas de riego por zona. Al utilizar Azure Maps, el sistema ofrece una precisión geoespacial superior, permitiendo ubicar activos y sensores con margen de error mínimo, facilitando la administración de múltiples clientes o terrenos desde una sola interfaz centralizada. Todo el sistema está diseñado para operar con latencia mínima, garantizando que el agricultor reciba información crítica cuando más la necesita.

Cómo lo construimos La arquitectura de Agro IA se diseñó bajo un esquema de desacoplamiento modular para garantizar la escalabilidad:

Frontend Móvil y Capa Geoespacial. Desarrollado en React Native con el motor de Expo. Utilizamos el SDK de Azure Maps para la renderización de capas cartográficas. A diferencia de soluciones convencionales, implementamos una lógica de polígonos para delimitar áreas de riego, permitiendo que el usuario interactúe con el mapa para consultar estados de sensores específicos mediante marcadores personalizados.
Backend y Procesamiento. La API se construyó sobre Node.js y Express. Implementamos un pipeline de autenticación y gestión de datos que se comunica de forma asíncrona con la base de datos. El servidor fue configurado y probado en un entorno Zorin OS, optimizando el rendimiento de los procesos de red y la gestión de peticiones concurrentes.
Persistencia de Datos. Utilizamos MongoDB Atlas en la nube. Diseñamos un esquema de documentos flexible que permite almacenar no solo perfiles de usuario, sino también arreglos complejos de coordenadas GeoJSON para los polígonos de las parcelas y series temporales para las lecturas de los sensores.
Gestión de Configuración. Implementamos un sistema de variables de entorno mediante react-native-dotenv y archivos .env. Esto permitió separar las claves sensibles de Azure y las cadenas de conexión de MongoDB del código fuente, facilitando la transición entre entornos de desarrollo local y despliegue final.

Desafíos enfrentados Conectividad y Redes Locales. Durante el desarrollo en el entorno del hackathon, la comunicación entre el dispositivo móvil y la laptop (servidor) fue inestable debido a la saturación de las bandas WiFi. La solución técnica fue configurar la laptop como un punto de acceso (hotspot) dedicado y estandarizar el direccionamiento IP en el frontend, eliminando la dependencia de la infraestructura de red externa.

Sincronización de Coordenadas. Integrar Azure Maps requirió una normalización estricta de los datos geográficos. Los sistemas de mapeo a menudo difieren en el orden de longitud y latitud en sus arreglos. Tuvimos que desarrollar una capa de transformación de datos para asegurar que los polígonos de las zonas de riego se proyectaran correctamente sin distorsiones métricas.

Persistencia Asíncrona. Garantizar que las lecturas de los sensores no bloquearan la interfaz de usuario requirió una implementación cuidadosa de Hooks en React (useEffect/useState) combinada con llamadas asíncronas al backend, evitando cuellos de botella en la renderización del mapa.

Logros de los que estamos orgullosos Logramos una integración funcional punta a punta: desde la captura de datos en el backend hasta la representación visual de polígonos en Azure Maps.

El sistema es capaz de gestionar múltiples usuarios y parcelas de forma independiente gracias a la arquitectura de MongoDB Atlas.

Implementamos una práctica de seguridad profesional mediante la gestión de variables de entorno, protegiendo la infraestructura de la nube desde el primer día de desarrollo.

El proyecto se consolidó como una herramienta operativa real, desarrollada íntegramente sobre herramientas de código abierto en Zorin OS.

Qué aprendimos La importancia de la infraestructura geoespacial. Descubrimos que la visualización de datos es tan importante como el dato mismo. Azure Maps nos proporcionó una precisión que no habríamos logrado con mapas convencionales, permitiendo una gestión empresarial del campo.

Modularidad como patrón de supervivencia. Aprendimos que separar la lógica de autenticación de la lógica de telemetría en el backend permite depurar el sistema mucho más rápido bajo presión. La arquitectura modular fue lo que permitió que el equipo trabajara en paralelo sin conflictos de código.

Qué sigue para Agro IA El siguiente paso es la integración física de hardware mediante microcontroladores (ESP32/Arduino) para enviar datos reales de campo a nuestra API.

A nivel de software, planeamos:

Análisis Predictivo: Implementar modelos de aprendizaje automático para predecir necesidades de riego basadas en el historial climático de Azure Weather Services.

Modo Offline: Permitir la persistencia local de mapas para zonas rurales donde la conectividad 4G/5G sea deficiente.

Certificación de Accesibilidad: Validar la interfaz bajo estándares de usabilidad para asegurar que cualquier productor, independientemente de su nivel de alfabetización digital, pueda operar la herramienta con éxito.