Modelo Inteligente Para Invernaderos (MIPCI)

Inspiration

El proyecto Modelo Inteligente Para Invernaderos (MIPCI) nació de la necesidad de optimizar el monitoreo en invernaderos. La idea surgió sobre la automatización del cuidado de cultivos. Queríamos desarrollar un sistema que permitiera a los agricultores mejorar sus cosechas mediante datos precisos y toma de decisiones basada en inteligencia artificial.

What it does

MIPCI recopila datos de sensores ambientales como temperatura, humedad, calidad del aire, velocidad del viento y presión atmosférica. Estos datos se procesan para predecir condiciones climáticas dentro del invernadero y ajustar automáticamente factores como riego o ventilación, mejorando la eficiencia y reduciendo desperdicios mas enfocado al agua.

How we built it

Utilizamos un ESP32 como microcontrolador principal, conectado a sensores clave como:

Sensor de humedad del suelo (capacitivo)
Sensor de temperatura DS18B20
Los datos se envían a un servidor donde se almacenan y analizan con modelos de predicción. Además, integramos una Orange Pi como punto de acceso para permitir la conectividad entre dispositivos sin depender de una red externa.
Tambien aprovechamos las nuevas tecnologias como Github copilot y gemini IA, con lenguajes de programación como python y node.js para crear una api y API meteorologicas. ## Challenges we ran into Ajustar el consumo energético para asegurar la autonomía del sistema.
Integrar múltiples sensores sin interferencias en la lectura de datos.
Desarrollar un algoritmo eficiente para la predicción climática en invernaderos.
El manejo de Github copilot y como implementar la IA gemini en php ya que es un ambiente muy amigable con nuestro orange pi ## Accomplishments that we're proud of Conseguimos una solución modular y escalable.
Logramos integrar múltiples sensores y consolidar sus datos en un solo sistema y con la amplia gama que ofrece node.js logramos mandar los datos de manera segura a nuestro servidor.
Desarrollamos un prototipo funcional con conectividad inalámbrica y tambien que no dependa de ella al 70%. Logramos implementar Gemini, al no conocer mucho sobre el tema fue muy interesante como funciona y lograr implementar la herramienta en un php. ## What we learned Profundizamos en el uso de ESP32 y la comunicación con sensores ambientales. Mejoramos nuestras habilidades en análisis de datos y predicción climática.
Entendimos la importancia de la inteligencia artificial de como nos puede ayudar a crear de una manera mas rapida y eficiente tambien implementarlar en nuestro proyecto. ## What's next for Modelo Inteligente Para Invernaderos (MIPCI) Implementar mas sensores para agregar una predicción climatica y complementaral con nuestro sistema de monitoreo inteligente Explorar la integración con sistemas de riego y ventilación automatizados.
Optimizar el hardware para reducir costos y mejorar la accesibilidad del sistema.