Implementación de Gating Adaptativo, Routing Dinámico y Cross-Expert Attention en Agricultura de Precisión: Un Caso de Estudio sobre cultivo del limón en el Perú

Cortez Vásquez, Augusto Parcemon; Estela Estela, Adán Humberto; Espinoza Dominguez, Robert; Li Chan, Augusto · https://revistas.urp.edu.pe/index.php/Perfiles_Ingenieria/article/view/5394 (2026) · DOI: 10.31381/perfilesingenieria.v22i24.7951

Resumen

El limón es uno de los principales cultivos en el Perú,  que requiere muchos cuidados adecuados, especialmente en los primeros años. El cuidado frente a las plagas y enfermedades influyen significativamente en la vida útil del cultivo. Sin embargo, presenta una serie de problemas que tienen que ser abordados desde un punto de vista tecnológico. En este artículo se presenta la agricultura de precisión como uno de  los sectores con mayor potencial para aplicar   técnicas avanzadas de machine learning. La mezcla de expertos constituye una arquitectura revolucionaria en el campo del aprendizaje automático permite escalar significativamente la capacidad de los modelos sin un aumento proporcional en el costo computacional. Esta arquitectura divide el modelo en múltiples “expertos” especializados y utiliza una red de enrutamiento (gating network)   para determinar cuáles expertos deben procesar  cada entrada especifica. El resultado es un modelo que puede alcanzar un rendimiento superior manteniendo la eficiencia computacional mediante la inferencia. En este artículo presentamos un caso práctico donde se implementaron exitosamente tres técnicas de deep learning de vanguardia: Gating Adaptativo, Routing Dinámico y Cross-Expert Attention, para optimizar la gestión de cultivos de limón en el departamento de Piura en el norte del Perú.

Instituciones: Universidad Ricardo Palma