Microinvernadero inteligente autónomo: análisis del consumo energético con y sin NodeMCU ESP8266 para IoT Autores: Dmytro Zubov - University of Central Asia, Bishkek (KG) Eran Edirisinghe - University of Central Asia, Bishkek (KG) Sam Goundar - University of Central Asia, Bishkek (KG) Azamat Azarov - University of Central Asia, Bishkek (KG) Andrey Kupin - Kryvyi Rih National University (UA) Deepak Kumar Jain - Dalian University of Technology (CN) Aruuke Sanzharbekova - University of Central Asia, Bishkek (KG) Resumen Este estudio presenta los resultados de la primera etapa del proyecto “COMMON Initiative: Climate-Smart Agriculture Demonstration Plot” de la University of Central Asia, centrado en el desarrollo de un microinvernadero inteligente autónomo con equipamiento IoT de bajo coste —dos placas NodeMCU ESP8266, cuatro relés de 3 V y sensores DS18B20/DHT11/LDR/YL-69— y en el análisis de su consumo energético en relación con el componente IoT. El experimento, realizado con ocho especies vegetales comúnmente cultivadas —eneldo, fresa de jardín, lechuga, alhelí, albahaca, perejil, acedera y espinaca— en dos microinvernaderos idénticos de 30 × 26 × 20 cm cada uno, situados a una altitud de 800 m en Bishkek, República Kirguisa, demostró que el consumo energético es menor cuando se utiliza equipamiento IoT, ya que se minimiza el uso de luces de crecimiento vegetal y calentadores. Las observaciones indican que seis plantas —excepto la albahaca y la fresa de jardín— crecieron más rápidamente en el microinvernadero inteligente. El algoritmo de control emplea una histéresis de una entrada con una zona neutra para regular automáticamente la iluminación y la temperatura dentro del microinvernadero. El cambio porcentual entre las dos series temporales —con y sin equipamiento IoT— varió entre −0,92 % y −5,78 % durante el experimento. Los datos sobre la temperatura y la humedad del suelo en el interior, así como sobre la temperatura, la humedad y la intensidad luminosa en el exterior del microinvernadero, se proporcionan al experto humano para apoyar el proceso de toma de decisiones relacionado con el riego de las plantas. En la segunda etapa de este proyecto se empleará un algoritmo de aprendizaje automático con el fin de reducir aún más el consumo energético.