En este este proyecto encontrarás el desarrollo de un dispositivo IoT, combinando la red de área amplia de baja potencia (LPWAN) y Raspberry Pi, para conectar a internet toda la granja de camarones, permitiendo monitorear varios parámetros de la calidad del agua y el control remoto de los aireadores para mantener cada piscina en condiciones óptimas.
Después del plátano, el camarón es el segundo producto no petrolero más exportado en Ecuador, siendo la calidad del agua uno de los factores más importantes a tener en cuenta durante su cría.
Esta representa el ambiente en el que se desarrolla el camarón e influye directamente en la salud del animal, afecta su factor de crecimiento y reproducción, siendo una variable crítica tanto para la industria como para el medio ambiente.
“La variable a controlar fue el nivel de oxígeno disuelto en el agua, en vistas de que se ha comprobado su efecto directo en las etapas de crecimiento y reproducción de los camarones.”
Tener un camarón sano es vital para obtener una buena cosecha, siendo importante controlar la temperatura del agua. Estudios han confirmado que, si la temperatura está fuera de un rango permitido, el camarón puede sufrir estrés lo cual le lleva a ser afectado por diferentes enfermedades.
Esta situación perjudicaría el proceso de cría, obligando a descartar individuos al momento de la cosecha. El objetivo de este estudio fue analizar los parámetros óptimos a nivel de calidad de agua para la cría de camarones y establecer un sistema de control y monitoreo remoto para garantizar los valores requeridos.
Trabajos relacionados
Wardhany et al. (2018) se centran en la importancia del control de la salinidad, la temperatura y el pH para la supervivencia de los camarones, estableciendo y evaluando los parámetros y cómo estas variables afectan al crecimiento del producto.
Utilizaron un microcontrolador para recoger datos, enfocándose en mantener los parámetros estables dentro de un rango válido. Además, implementaron un sistema de procesamiento de datos mediante lógica difusa, por medio del cual se crearon categorías para cada parámetro medido.
Otro estudio, realizado por Al Azzani AAH, tuvo como objetivo cambiar el sistema de monitoreo tradicional en las piscinas de camarones, aumentando la eficiencia y reduciendo las necesidades de mano de obra. Para logralo, implementaron un sistema de monitoreo IoT, mediante el uso de Raspberry Pi y Arduino Uno.
Esto permitió controlar y supervisar el sistema de forma remota mediante una aplicación móvil. Los parámetros sometidos a seguimiento fueron la temperatura, el pH, el nivel de oxígeno disuelto en el agua y el NH3.
Adicionalmente, un motor permitió controlar el aireador desde la aplicación móvil. Rerkratn y Kaewpoonsuk (2015) realizaron un estudio en el cual aprovecharon las ventajas de la tecnología LPWAN. Utilizaron la tecnología Zigbee para interconectar todas las piscinas.
Así, a través de sensores conectados a módulos XBee Pro y, a su vez, a un Arduino Uno y empleando LabView, consiguieron controlar la temperatura del agua.
Zainuddin et al. (2019) decidieron controlar el pH, la temperatura y la turbulencia del agua. La información obtenida se procesó en un Arduino, se envió a un módulo XBee y, luego, fue recibida por un tercer módulo, también conectado a Arduino, mostrándola en una pantalla LCD. Además, se utilizó un módulo ESP8266 para cargar los datos a internet, a través de una base de datos.
“Es importante destacar la posibilidad de emplear las tecnologías IoT para grandes áreas de trabajo con redes LPWAN.“
Otros autores, como Sneha y Rakesh (2017), propusieron un sistema de monitoreo y control en tiempo real para piscinas de camarones, mediante un sistema integrado a las piscinas. Consistía en un microcontrolador Arduino Uno, encargado de captar y enviar la información recolectada de todos los sensores a una Raspberry Pi en tiempo real.
Los datos se procesaban y activaban algún actuador si era necesario. Además, este sistema contó con la ventaja de las tecnologías IoT, responsables del envío y almacenamiento de datos en internet, que permitían controlar el sistema a través de un dispositivo móvil, la aplicación Telegram, o incluso utilizar un sistema de alertas por SMS.
En esta investigación, se fusionaron las tecnologías y las metodologías antes mencionadas para vigilar y controlar el sistema. El objetivo fue desarrollar un dispositivo IoT, combinando la red de área amplia de baja potencia (LPWAN) -un control basado en la histéresis-, para monitorear varios parámetros de la calidad del agua.
Una Raspberry Pi para cada piscina aseguró la escalabilidad del experimento. Así, acoplando el sistema a un Atmega328p y un Xbee, se conectó toda la granja a internet, permitiendo el control remoto.
Metodología Experimental
Una vez recopilada la información necesaria, se eligieron los sensores y actuadores adecuados. La variable a controlar fue el nivel de oxígeno disuelto en el agua, en vistas de su efecto directo en las etapas de crecimiento y reproducción de los camarones.
Se eligió un motor DC Z2D30-24A, para oxigenar el agua cuando sus niveles fueran inferiores a los requeridos.
Se instalaron cuatro sensores y un modelo de actuador, y se utilizó un modelo de topología mixta de estrella/árbol para el dispositivo final y el coordinador.
Los Dispositivos Finales (ED, por sus siglas en inglés) se conectaron entre nodos en forma de árbol, y la información se distribuyó desde el coordinador a partir de un punto central hacia los nodos de la red, donde se encontraban los sensores y actuadores de cada ED.
El coordinador recibe la información de cada ED y la carga en la base de datos. Este tipo de topología se seleccionó considerando su eficiencia y simplicidad, con la ventaja de poder seguir operando en caso de que un nodo fallara (Tabla 1).
Se seleccionó la topología de red y se programaron los dispositivos finales y el coordinador. Se eligió un ATMEGA328p como Dispositivo Final (ED), junto a un XBee, y una Raspberry Pi 3 utilizado como coordinador.
El pseudocódigo indica los pasos para crear el programa de lectura del ED. Se recolectaron los valores de cada sensor empleando un ADC con un microcontrolador Atmega328. El sistema contó con 8 canales de entrada, los cuales se utilizaron para leer los datos dentro del rango de tensión de referencia.
Al mismo tiempo, permitió el control ON/OFF para los actuadores cuando fuera necesario. Además, se consideró la comunicación en serie mediante tramas para enviar información desde los ED al coordinador. Esa información era enviada y recibida por el coordinador, que realizó las conversiones para transformar un valor de 0 a 5, a las unidades que cada sensor podía leer.
Una vez que llegaban las tramas de los ED al coordinador, se comparó el valor recibido del sensor de oxígeno. De ser inferior a 7 mg/L, se activa el control ON/OFF mediante una trama que, a su vez, activa un transistor, el cual suministra la energía necesaria para que el actuador funcione hasta que el sensor de oxígeno arroja un valor de 10 mg/L. En ese momento, el coordinador envía otra señal para apagar el motor.
El circuito propuesto funcionó a 24V, valor necesario para que el actuador se active y funcione correctamente. Consistió en unos reguladores de voltaje, que modificaban el valor de 24V a 12V de forma escalada, para poder emplear cualquier tipo de actuadores adicionales. El voltaje principal utilizado por la Raspberry Pi y el Atmega328p fue de 5V, y envía un pulso de señal a un optoacoplador.
El optoacoplador actuó como un interruptor. La base del transistor se conectó a la salida del optoacoplador para ayudar a la conmutación de 24V. El emisor y el colector se enchufaron directamente a la fuente de alimentación, de forma que se activaran al recibir la señal del Atmega328p, permitiendo el funcionamiento de los actuadores.
Por último, se utilizó un regulador de 3.3V para alimentar el XBee Pro para la comunicación con la red LPWAN.
Resultados
Se crearon diferentes configuraciones con la finalidad de compararlas y obtener la mejor, basada en la relación costo/beneficio. Se obtuvieron los consumos medios de cada componente y se calculó el gasto energético.
Una Raspberry Pi 3 a 3.3 V requirió una corriente de 25mA cuando estaba en reposo y 250 mA cuando realizaba un proceso. También se necesitaron 16mA adicionales para cada GPIO.
Asimismo, un XBee Pro S2, necesitaba de 35mA a 3.3V para recibir tramas, y 232mA de media para enviarlas. Un ATMEGA328p, funcionando a 3.3V, con una corriente de sólo 1.5mA (Tabla 2).
Discusión y Conclusiones
Las mejores configuraciones en términos de gasto por concepto de consumo de energía por unidad de tiempo, fueron aquellas que emplearon un único dispositivo final por piscina. Esto ahorró el proceso de envío de tramas a cada XBee utilizado, lo que requería mucha energía, en comparación con otros.
A través de este análisis, se determinó que el segundo factor más importante era el tiempo de inactividad en cada sensor. La mejor configuración posible mostró un consumo total de energía de 21,04 W después de 120 segundos, seguido de un consumo de energía de 21.18 W. Mientras, una tercera configuración mostró un consumo de energía de 40.11 W y, la última, de 43.,98 W (Figura 1).
A partir de los valores obtenidos, es posible seleccionar una configuración en función de la medición y del requerimiento de eficiencia energética. En este caso, las variables medidas no mostraron cambios significativos. Sin embargo, es importante estudiar la mejor configuración en términos de eficacia y eficiencia, para poder construir un modelo estándar, que se pueda utilizar en cualquier aplicación.
“Utilizando una base de datos, es posible acceder a una respuesta remota en función de la información obtenida, permitiendo el monitoreo y el control a distancia.”
En base a las configuraciones iniciales y a los resultados obtenidos, se recomienda la configuración de 21.18W de consumo de energía, ya que cesa más rápido que la configuración de menor consumo de energía, sin llegar a los valores de requerimiento energético reportados por las demás configuraciones estudiadas.
Por último, se debe considerar un trabajo futuro para realizar un diseño de PCB, así como centrarse en la importancia de las nuevas tecnologías de microcontroladores, como un ESP32, que facilitan el trabajo en red en comparación con un ATMEGA328p.
También, es importante destacar la posibilidad de emplear las tecnologías IoT para grandes áreas de trabajo con redes LPWAN. Utilizando una base de datos, es posible acceder a una respuesta remota en función de la información obtenida, permitiendo el monitoreo y el control a distancia.
Esta es una versión resumida desarrollada por el equipo editorial de Panorama Acuícola Magazine del artículo “RASPBERRY PI-BASED IOT FOR SHRIMP FARMS REAL-TIME REMOTE MONITORING WITH AUTOMATED SYSTEM” escrito por JESÚS CAPELO – Escuela Superior Politécnica del Litoral, ERICK RUIZ – Escuela Superior Politécnica del Litoral, VÍCTOR ASANZA – Escuela Superior Politécnica del Litoral – SDAS Research Group, Morocco, TONNY TOSCANO-QUIROGA – Escuela Superior Politécnica del Litoral, NADIA N. SÁNCHEZ-POZO – SDAS Research Group, Morocco, LEANDRO L. LORENTE-LEYVA- SDAS Research Group, Morocco AND DIEGO HERNAN PELUFFO-ORDÓÑEZ – SDAS Research Group, Morocco – MSDA Mohammed VI Polytechnic University.
La versión original fue publicada en OCTUBRE de 2021, a través INTERNATIONAL CONFERENCE ON APPLIED ELECTRONICS.
Se puede acceder a la versión completa a través de https://ieeexplore.ieee.org/document/9542907
