Inteligencia artificial y redes 5G en la agricultura de precisión: Una nueva era para el monitoreo de cultivos

Tania Beatriz León Arias; Carlos Alberto Cabanillas Agreda; Ronnie Ríos Rengifo

Autores/as

Tania Beatriz León Arias Facultad de Ciencias Agropecuarias, Universidad Nacional de Trujillo, Av. Juan Pablo II s/n – Ciudad Universitaria, Trujillo, Perú. https://orcid.org/0009-0005-1960-1708
Carlos Alberto Cabanillas Agreda Facultad de Ciencias Agropecuarias, Universidad Nacional de Trujillo, Av. Juan Pablo II s/n – Ciudad Universitaria, Trujillo, Perú. https://orcid.org/0000-0003-4269-949X
Ronnie Ríos Rengifo Facultad de Ciencias Agropecuarias, Universidad Nacional de Trujillo, Av. Juan Pablo II s/n – Ciudad Universitaria, Trujillo, Perú. https://orcid.org/0009-0003-9884-4825

Palabras clave:

inteligencia artificial, redes 5G, agricultura de precisión, monitoreo de cultivos, agricultura sostenible

Resumen

La integración de la inteligencia artificial (IA) y las redes 5G en la agricultura de precisión está transformando las prácticas agrícolas tradicionales mediante el uso de tecnologías avanzadas orientadas a optimizar la eficiencia productiva y la sostenibilidad ambiental. Este artículo analiza el papel conjunto de la IA y el 5G en el monitoreo de cultivos en tiempo real, así como en la gestión eficiente de recursos agrícolas, como el agua y los fertilizantes. Se desarrolló una revisión sistemática de la literatura y un análisis bibliométrico de 575 estudios publicados entre 2018 y 2024 en inglés y español, con el fin de identificar tendencias de investigación y vacíos de conocimiento en este campo emergente. Los resultados evidencian un alto potencial de estas tecnologías para la modernización del sector agrícola; sin embargo, su implementación enfrenta desafíos asociados a la adopción tecnológica, la seguridad de los datos y las limitaciones de infraestructura. Se concluye que es necesario fortalecer la investigación interdisciplinaria para consolidar el uso de la IA y las redes 5G en la agricultura sostenible.

DOI: http://dx.doi.org/10.17268/rebiol.2025.45.01.05

Citas

Abugattás, J., Barletti, B., Astucuri, J. V., Beltrán, C., Paredes, M., Pantoja, Ó. N., Guevara, M., Torres, D., Chancafe, J., & Dinegro, A. (2021). Inteligencia artificial: Desafíos y oportunidades para el Perú.

Ariss, A., Ennejjai, I., Lamjid, A., Mabrouki, J., Kharmoum, N., & Ziti, S. (2024). IoT-enabled smart greenhouse for robotic enhancement of tomato production: Leveraging 5G and edge computing for advanced data-driven automation, precision irrigation, and scalable zoning principles. International Journal of Interactive Mobile Technologies (iJIM), 18(21), 88–116. https://doi.org/10.3991/ijim.v18i21.50829

Awais, M., Alharthi, A. H. S. A., Kumar, A., Cholakkal, H., & Anwer, R. M. (2024). AgroGPT: Efficient agricultural vision-language model with expert tuning (arXiv:2410.08405). https://arxiv.org/abs/2410.08405

Chereches, I. A., Gaspar, F., & Danci, I. A. (2024). Designing and calibration of a low-cost multi-point soil moisture monitoring system for precision agriculture. INMATEH Agricultural Engineering, 245–254. https://doi.org/10.35633/inmateh-72-23

Dhanasekar, S. (2025). A comprehensive review on current issues and advancements of Internet of Things in precision agriculture. Computer Science Review, 55, 100694. https://doi.org/10.1016/j.cosrev.2024.100694

Fernández, F. R. (2021). Inteligencia artificial y agricultura: Nuevos retos en el sector agrario.

García Torres, I. A., Castillo León, R. E., Navas Espín, W. R., & Veintimilla Andrade, J. G. (2024). El uso de la inteligencia artificial en un invernadero. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 910–930. https://doi.org/10.37811/cl_rcm.v8i4.12331

Henríquez Fierro, E., & Zepeda González, M. I. (2004). Elaboración de un artículo científico de investigación. Ciencia y Enfermería, 10(1). https://doi.org/10.4067/S0717-95532004000100003

Hernández-Salazar, C. A., González-Estrada, O. A., & González-Silva, G. (2024). Integración de la inteligencia artificial y la agricultura de precisión en cultivos de café. Revista UIS Ingenierías, 23(4). https://doi.org/10.18273/revuin.v23n4-2024012

Jiménez, F. (2024). Technology applications in the agricultural industry: 5G and artificial intelligence for precision agriculture in Cartago, Costa Rica. https://repositorio.ulacit.ac.cr/bitstream/handle/20.500.14230/11312/

Kumar, A., Singh, S. R., Yadav, M. C., Bhuj, B. D., Dhar, S., Pruthi, N. K., Rizwan, M., Jyoti, K., Thapa, R. S., Mishra, K., Rajput, A., & Singh, A. (2022). Artificial intelligence, Internet of Things (IoT) and smart agriculture for sustainable farming: A review. Sustainability, 11(11).

Maraveas, C., Rajarajan, M., Arvanitis, K. G., & Vatsanidou, A. (2024). Cybersecurity threats and mitigation measures in agriculture 4.0 and 5.0. Smart Agricultural Technology, 9, 100616. https://doi.org/10.1016/j.atech.2024.100616

Nguyen-Tan, T., & Le-Trung, Q. (2024). A novel 5G PMN-driven approach for AI-powered irrigation and crop health monitoring. IEEE Access, 12, 125211–125222. https://doi.org/10.1109/ACCESS.2024.3452719

Nieberding, F., Huisman, J. A., Huebner, C., Schilling, B., Weuthen, A., & Bogena, H. R. (2023). Evaluation of three soil moisture profile sensors using laboratory and field experiments. Sensors, 23(14), 6581. https://doi.org/10.3390/s23146581

O’Grady, M. J., Langton, D., & O’Hare, G. M. P. (2019). Edge computing: A tractable model for smart agriculture? Artificial Intelligence in Agriculture, 3, 42–51. https://doi.org/10.1016/j.aiia.2019.12.001

Omar de León. (2023). Redes 5G en América Latina: Desarrollo y potencialidades. CEPAL. https://repositorio.cepal.org/server/api/core/bitstreams/434ab732-7b7a-4ac1-9445-e043ce7a7c19/content

Padrón, G. G. S., & Brito, J. F. A. (2022). Propuesta de servicio 5G para la agricultura inteligente en Cuba.

Rahman, S. T., Vasker, N., Ahammed, A. K., & Hasan, M. (2024). Advancing cucumber disease detection in agriculture through machine vision and drone technology (arXiv:2409.12350). https://doi.org/10.48550/ARXIV.2409.12350

Saddami, K., Nurdin, Y., Zahramita, M., & Safiruz, M. S. (s. f.). Advancing green AI: Efficient and accurate lightweight CNNs for rice leaf disease identification.

Sánchez, C. M. (s. f.). Profesor/a responsable de la asignatura.

Székely, S., O’Driscoll, F., Iheme, L., Kypuros, D., Pang, V., & Shmigelsky, G. (2024). Smart architecture framework with 5G private networks and AI for sustainable agriculture. In 2024 6th Global Power, Energy and Communication Conference (GPECOM) (pp. 730–735). https://doi.org/10.1109/GPECOM61896.2024.10582768

Tang, R., Aridas, N. K., Talip, M. S. A., & Tang, J. (2024). Design of vegetable pest identification system based on improved AlexNet algorithm and 5G communication. ACS Agricultural Science & Technology, 4(2), 214–222. https://doi.org/10.1021/acsagscitech.3c00303

Tang, Y., Dananjayan, S., Hou, C., Guo, Q., Luo, S., & He, Y. (2021). A survey on the 5G network and its impact on agriculture: Challenges and opportunities. Computers and Electronics in Agriculture, 180, 105895. https://doi.org/10.1016/j.compag.2020.105895

Tovar-Quiroz, A. D. (2023). Agricultura 4.0: Uso de tecnologías de precisión y aplicación para pequeños productores. Informador Técnico, 87(2). https://doi.org/10.23850/22565035.5536

Van Hilten, M., & Wolfert, S. (2022). 5G in agri-food—A review on current status, opportunities and challenges. Computers and Electronics in Agriculture, 201, 107291. https://doi.org/10.1016/j.compag.2022.107291

Zhivkov, T., Sklar, E. I., Botting, D., & Pearson, S. (2023). 5G on the farm: Evaluating wireless network capabilities and needs for agricultural robotics. Machines, 11(12), 1064. https://doi.org/10.3390/machines11121064

Zhang, J., Trautman, D., Liu, Y., Bi, C., Chen, W., Ou, L., & Goebel, R. (2024). Achieving the rewards of smart agriculture. Agronomy, 14(3), 452. https://doi.org/10.3390/agronomy14030452