LoRa es una tecnología inalámbrica de bajo consumo de potencia y largo alcance empleada en redes de área amplia. Además de LoRa, en el mercado existen otras tecnologías inalámbricas para transmisión de datos con diversas cualidades. Sin embargo, la tecnología LoRa se puede explotar en diferentes aplicaciones tales como redes de sensores inalámbricas (WSN, por sus siglas en inglés), rastreo y localización. Esto debido a su gran ventaja de soportar un gran número de dispositivos de comunicación. La tecnología LoRa está basada en la técnica de modulación Chirp Spread Spectrum (CSS, por sus siglas en inglés), esto le proporciona robustez ante el ruido y otros fenómenos de degradación de canal. En el presente trabajo se presenta el desempeño de la tecnología LoRa en ambientes interiores y semi-interiores con una conexión punto a punto para estimar la distancia basado en el indicador de la intensidad de la señal recibida (RSSI, por sus siglas en inglés). Las mediciones de RSSI realizadas, la estimación de las funciones logarítmicas para calcular las distancias y los errores, son presentados en este documento. Finalmente, se puede concluir que los resultados obtenidos son satisfactorios, con un margen de error aceptable para ambientes interiores y semi-interiores.

No abstract

El análisis de firmas espectrales es uno de los métodos de diagnóstico más utilizados para identificar enfermedades en las plantas. Con este fin, se deben considerar diferentes técnicas de adquisición de información para detectar los diferentes niveles de una enfermedades o plaga en particular, como en el caso de las enfermedades fúngicas. En este estudio, se consideraron plantas cucúrbitas en las cuales se identificaron tres etapas de niveles de una enfermedad fúngica que son las hojas en la etapa de germinación del hongo, hojas con primeros síntomas y hojas enfermas. Se utilizó una base de datos con firmas espectrales de hojas de calabacita. A continuación, se propone el análisis de frecuencia de las características espectrales utilizando la transformada de Fourier para extraer características de los coeficientes obtenidos y partir de bloques de clasificación con máquinas de vectores de soporte para la estimación del nivel de daño. Se demostraron precisiones de clasificación del 98.3%. Por lo tanto, este método se puede utilizar para diagnosticar el grado de daño en diferentes cultivos.