Inteligencia artificial y aprendizaje federado para la gestión inteligente de huertos urbanos

• Johanna Moreno-Castellanos ^[1] ; Laura Grande-Pérez ^[1] ; Juan M. Núñez V. ^[1] ; Sara Rodríguez González ^[1]
  1. [1] Universidad de Salamanca

     Universidad de Salamanca

     Salamanca, España

     
• Localización: Inteligencia artificial aplicada al reto demográfico / coord. por Ana Belén Gil González , Laura Grande Pérez, Javier Parra Domínguez , 2026, ISBN 978-84-1091-189-5, págs. 85-90
• Idioma: español
• Títulos paralelos:
  • Artificial intelligence and federated learning for the smart management of urban gardens
• Enlaces
  • Texto completo
• Resumen
  • español

    La seguridad y la soberanía alimentarias en contextos urbanos vulnerablesenfrenta limitaciones asociadas a la escasez de recursos, la variabilidad climática y la falta deconectividad. Este trabajo propone una arquitectura inteligente basada en aprendizaje federado(Federated Learning) y edge computing para la gestión eficiente de huertos urbanos distribuidos.La solución integra sensores IoT que recopilan variables ambientales como temperatura,humedad y luminosidad, permitiendo que cada nodo entrene modelos locales para optimizar laproductividad y el uso de recursos hídricos sin compartir datos crudos. Mediante un servidorfederador, los modelos locales se agregan utilizando técnicas como FedAvg, generando unmodelo global robusto y escalable. La incorporación de inteligencia artificial en el borde reducela latencia, el consumo de red y mejora la resiliencia ante fallos de conectividad. Los resultadosevidencian una mejora en la toma de decisiones, la optimización del riego y la identificaciónde patrones de consumo, contribuyendo al desarrollo sostenible de la agricultura urbana y a laprotección de la privacidad de los datos

  • English

    Food security and sovereignty in vulnerable urban contexts face limitationsassociated with resource scarcity, climate variability, and lack of connectivity. This workproposes an intelligent architecture based on federated learning and edge computing for theefficient management of distributed urban gardens. The solution integrates IoT sensors thatcollect environmental variables such as temperature, humidity, and light, allowing each nodeto train local models to optimize productivity and water resource use without sharing raw data.Through a federating server, local models are aggregated using techniques such as FedAvg,generating a robust and scalable global model. The incorporation of artificial intelligence atthe edge reduces latency and network consumption and improves resilience to connectivityfailures. The results show an improvement in decision-making, irrigation optimization, andthe identification of consumption patterns, contributing to the sustainable development ofurban agriculture and the protection of data privacy