Resumen

El cultivo hidropónico de plantas requiere que la concentración de nutrientes en la solución suministrada se mantenga a un nivel constante. Por ejemplo, la concentración de iones fosfato afecta directamente al crecimiento de los cultivos, lo que hace necesario el desarrollo de técnicas cómodas y rápidas para la cuantificación in situ del fosfato. En este trabajo desarrollamos un nuevo método colorimétrico de bajo coste para la cuantificación rápida de fosfato in situ basado en una modificación del método colorimétrico convencional de molibdeno. Específicamente, la solución nutritiva tratada con ácido ascórbico y molibdato fue analizada por el método colorimétrico después de 10 minutos de incubación, y se propuso un protocolo de cuantificación de fosfato. Para verificar este protocolo, se utilizaron 50 muestras de solución nutritiva con concentraciones de 0-200 ppm para desarrollar un modelo y realizar un experimento de validación, y se desarrollaron y validaron los modelos PLSR (Regresión por Mínimos Cuadrados Parciales) y PCR (Regresión por Componentes Principales) utilizando un método de validación cruzada y espectros de transmisión de muestras. El modelo PLSR, que emplea un preprocesamiento de suavizado a una separación de longitudes de onda de 5 nm, mostró el mejor rendimiento de predicción y mostró un error de ~10% dentro del rango de medición durante la verificación. Además, un modelo basado en una red neuronal artificial alcanzó R2=0,93 para el conjunto de entrenamiento y R2=0,86 para el conjunto de validación. Por último, desarrollamos un software fácil de usar para la cuantificación de iones fosfato mediante el método presentado y realizamos una prueba de demostración.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:cuantificación de fosfato en el sitio, método colorimétrico, regresión de mínimos cuadrados parciales, cultivo hidropónico de plantas, regresión de componentes principales, red neuronal artificial, mejor rendimiento de predicción, espaciado de longitudes de onda de nm, muestras de solución nutritiva, concentración de iones fosfato.
• Keywords:site phosphate quantitation, colorimetric method, partial least squares regression, hydroponic plant culturing, principal component regression, artificial neural network, best prediction performance, nm wavelength spacing, nutrient solution samples, phosphate ion concentration