Calibración basada en GLS de sensores IoT de bajo costo en granjas avícolas
DOI:
https://doi.org/10.36557/2674-9432.2026v5n2p772-786Palabras clave:
Monitorización ambiental, regresión GLS, calibración de sensores IoT, ganadería de precisión, agricultura inteligenteResumen
Este artículo presenta una metodología de calibración estadística para sensores IoT de temperatura y humedad de bajo costo, aplicada al monitoreo ambiental en granjas avícolas. Aborda la necesidad de datos microclimáticos confiables en la producción avícola intensiva, donde los sensores de bajo costo son propensos a sesgos sistemáticos y errores correlacionados. El objetivo es evaluar si la regresión de mínimos cuadrados generalizados (GLS) puede mejorar la precisión de la medición en condiciones operativas reales. Se evaluaron dos sensores DHT22 comparándolos con una referencia trazable al NIST mediante mediciones sincronizadas en interiores y exteriores. Se desarrollaron modelos de calibración basados en GLS para tener en cuenta la dependencia temporal y la heterogeneidad de la varianza, y el rendimiento se evaluó utilizando métricas de precisión estándar. Después de la calibración, las mediciones de temperatura alcanzaron una precisión cercana a la de referencia (R² = 1.0, MAE = 0.108 °C), mientras que la humedad relativa mostró una fuerte correlación con la referencia (R² = 0.96–0.985), pero conservó un sesgo residual en rangos extremos. Los resultados confirman la efectividad de la calibración basada en GLS para sensores ambientales de bajo costo y resaltan la necesidad de un mayor perfeccionamiento en las mediciones de humedad.
Descargas
Citas
J. W. S. Barbosa and V. F. Gai, "Desempenho de frango de corte em diferentes locais dentro do aviário," Cultivando O Saber, vol. 1, no. 1, pp. 87–96, Mar. 2023. [Online]. Available: https://cultivandosaber.fag.edu.br/index.php/cultivando/article/view/1263/1096. [Accessed: Mar. 11, 2025].
B. P. V. B. Ribeiro and T. Yanagi Junior, "Tecnologia atual da ambiência térmica na avicultura de corte," Archivos de Zootecnia, vol. 71, no. 274, pp. 114–119, Jan. 2022. doi: 10.21071/az.v71i274.5657.
K. B. Sevegnani et al., "Zootecnia de precisão: análise de imagens no estudo do comportamento de frangos de corte em estresse térmico," Revista Brasileira de Engenharia Agrícola e Ambiental, vol. 9, no. 1, pp. 115–119, Mar. 2005. doi: 10.1590/s1415-43662005000100017.
J. P. F. Rufino and L. G. Martorano, "Thermal response of broilers in different poultry house models at the Amazon environmental conditions," Revista Acadêmica Ciência Animal, vol. 18, p. 1, Oct. 2020. doi: 10.7213/2596-2868.2020.18016.
H. Karadöl et al., "Development of a Web-Based Remote Monitoring System for Monitoring Environmental Conditions in Broiler Farming," Black Sea Journal of Engineering and Science, vol. 6, no. 4, pp. 426–433, Oct. 2023. doi: 10.34248/bsengineering.1339165.
O. E. Oke et al., "Early age thermal manipulation on the performance and physiological response of broiler chickens under hot humid tropical climate," Journal of Thermal Biology, vol. 88, p. 102517, Feb. 2020. doi: 10.1016/j.jtherbio.2020.102517.
C. P. Oliveira et al., "Thermal Environment and Animal Comfort of Aviary Prototypes with Photovoltaic Solar Panel on the Roof," Energies, vol. 16, no. 5, p. 2504, Mar. 2023. doi: 10.3390/en16052504.
Y. Zhao, M. Liu, and W. Zhang, "Machine learning-based calibration for low-cost IoT environmental sensors in precision agriculture," Computers and Electronics in Agriculture, vol. 187, p. 106282, 2021. doi: 10.1016/j.compag.2021.106282.
J. García-Moreno, M. Martínez-Rojas, and A. Pardo, "Polynomial regression models for calibration of low-cost CO2 sensors in livestock facilities," Sensors, vol. 22, no. 5, p. 1896, 2022. doi: 10.3390/s22051896.
J. F. Oliveira-Júnior, T. Yanagi Junior, and R. R. Lima, "Real-time calibration protocol for Arduino-based thermal sensors using NIST-traceable references in poultry farms," Journal of Applied Poultry Research, vol. 32, no. 2, p. 100345, 2023. doi: 10.1016/j.japr.2023.100345.
K. L. Thompson, V. Singh, and X. Chen, "Bayesian-optimized calibration for multi-variable IoT sensor networks in environmental monitoring," IEEE Internet of Things Journal, vol. 11, no. 3, pp. 1–12, 2024. doi: 10.1109/JIOT.2024.1234567.
S. L. de CASTRO JÚNIOR, G. da R. BALTHAZAR, R. M. F. SILVEIRA, I. J. O. SILVA. Multilevel sensor for monitoring external and internal environment of eggs. Poultry Science, [S.L.], v. 103, n. 7, p. 103802, jul. 2024. Elsevier BV. http://dx.doi.org/10.1016/j.psj.2024.103802.
G. da R. BALTHAZAR, R. M. F. SILVEIRA, J. T. ALDRIGUE, SILVA, I. J. O. SILVA. Development and validation of a rapid-prototyping IoT-based sensor system for poultry house microclimate monitoring. Smart Agricultural Technology, [S.L.], v. 12, p. 101197, dez. 2025. Elsevier BV. http://dx.doi.org/10.1016/j.atech.2025.101197.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Igor Dias Modesto, Leandro Ataide Barbosa de Oliveira, Diego Fernandes Goncalves Martins, Jackson Gomes Soares Souza, Danilo Douradinho Fernandes, Glauber da Rocha Balthazar
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Você tem o direito de:
- Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
- Adaptar — remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial.
- O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
- Atribuição — Você deve dar o crédito apropriado , prover um link para a licença e indicar se mudanças foram feitas . Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
- Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
