AVANCES TECNOLÓGICOS E INNOVACIONES DIGITALES APLICADAS AL CULTIVO DEL TOMATE:

UNA REVISIÓN SISTEMÁTICA DE LA LITERATURA

Visualizações: 40

Autores/as

  • Josevaldo Moreira Universidad del Estado de Mato Grosso https://orcid.org/0009-0007-4896-6612
  • Maria Gláucia Dourado Furquim Instituto Federal de Educación, Ciencia y Tecnología Goiano (IF Goiano)
  • Adriana de Oliveira Dias Universidad del Estado de Mato Grosso
  • Daniela Cabral de Oliveira Universidad de Rio Verde (UniRV)
  • José Carlos de Sousa Júnior Instituto Federal de Educación, Ciencia y Tecnología Goiano (IF Goiano)
  • Vitória Christina Maass Universidad de Rio Verde (UniRV)
  • Danihanne Borges e Silva Instituto Federal de Educación, Ciencia y Tecnología Goiano (IF Goiano)

DOI:

https://doi.org/10.56579/rei.v8i4.3488

Palabras clave:

Agricultura Digital, Estado del Arte, Manufactura Inteligente

Resumen

El presente estudio realizó una revisión sistemática de la literatura sobre los avances tecnológicos e innovaciones digitales aplicadas al cultivo del tomate (Solanum lycopersicum L.), con énfasis en las tecnologías emergentes asociadas a la Agricultura 4.0. Se analizaron dieciocho artículos publicados entre 2016 y 2024 en bases de datos indexadas, destacándose el uso de técnicas como aprendizaje profundo, espectroscopia hiperespectral, teledetección, bioelectroquímica y modelado tridimensional. Los resultados evidencian avances significativos en la automatización de procesos, el monitoreo fisiológico y la detección temprana de enfermedades y trastornos fisiológicos, permitiendo una mayor eficiencia productiva y sostenibilidad. No obstante, se observó una escasez de estudios orientados a la gestión, la viabilidad económica y la adopción tecnológica en diferentes escalas de producción. Se concluye que la integración entre ciencia, tecnología y gestión es fundamental para consolidar la agricultura digital como un motor de innovación y sostenibilidad, reforzando la necesidad de investigaciones interdisciplinarias que asocien los avances técnicos con la eficiencia económica y social de las cadenas productivas.

       

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Josevaldo Moreira, Universidad del Estado de Mato Grosso

Actualmente es estudiante de la carrera de Ciencia de la Computación en la Universidad del Estado de Mato Grosso e integrante del Grupo de Investigación en Procesamiento de Imágenes, Visión por Computadora, Análisis de Datos, Ciencia de Datos, Machine Learning, Deep Learning y Aplicaciones Interactivas. Sus áreas de interés se centran en la Ciencia de la Computación, con énfasis en Inteligencia Artificial, Visión por Computadora y Acceso Remoto.

Maria Gláucia Dourado Furquim, Instituto Federal de Educación, Ciencia y Tecnología Goiano (IF Goiano)

Profesor del Instituto Federal de Educación, Ciencia y Tecnología Goiano – Campus Iporá. Iporá, Goiás, Brasil.

Adriana de Oliveira Dias, Universidad del Estado de Mato Grosso

Es licenciada en Matemáticas por la Universidad Estadual Paulista Júlio de Mesquita Filho (UNESP) (2003), magíster en Matemática Aplicada y Computacional por la Universidad Estadual Paulista Júlio de Mesquita Filho (UNESP) (2006) y doctora en Educación Matemática por la Pontificia Universidad Católica de São Paulo (PUC-SP) (2024). Actualmente es profesora de educación superior en la Universidad del Estado de Mato Grosso. Cuenta con experiencia en el área de Matemáticas, con énfasis en Educación Matemática, desarrollando investigaciones principalmente en los siguientes temas: educación matemática, sistemas dinámicos, tecnologías educativas, enfoque documental de la didáctica y GeoGebra.

Daniela Cabral de Oliveira, Universidad de Rio Verde (UniRV)

Es licenciada en Sistemas de Información por la Universidad Estadual de Goiás (2006), posee un MBA en Gestión Estratégica de Negocios por la Universidad Estadual de Goiás (2012), una maestría en Ingeniería Mecánica por la Universidad Estadual Paulista Júlio de Mesquita Filho (UNESP) (2017) y un doctorado en Ingeniería Mecánica por la Universidad Estadual Paulista Júlio de Mesquita Filho (UNESP) (2019). Realizó un posdoctorado en Ingeniería Mecánica en la Universidad Estadual Paulista (UNESP), Campus Ilha Solteira (2020), y un posdoctorado en Tecnología de Alimentos en el Instituto Federal Goiano, Campus Rio Verde.

Tiene experiencia en el área de Ciencias de la Computación, con énfasis en Inteligencia Artificial, desarrollando investigaciones principalmente en los siguientes temas: inteligencia artificial, aprendizaje automático y algoritmos inmunológicos artificiales (algoritmos de selección negativa y selección clonal). Es investigadora del Grupo de Investigación Sisplexos – Sistemas Complejos, en la línea de investigación de Inteligencia Computacional de la Universidad Estadual Paulista (UNESP), y del GIPEEX – Grupo Interdisciplinario de Investigación, Enseñanza y Extensión del Instituto Federal Goiano (IF Goiano).

José Carlos de Sousa Júnior, Instituto Federal de Educación, Ciencia y Tecnología Goiano (IF Goiano)

Es licenciado en Administración de Empresas con habilitación en Agronegocios por la Universidad Estadual de Goiás (UEG) (2006). Obtuvo el título de Técnico en Contabilidad en el Instituto Federal Goiano (IF Goiano) (2008), una especialización en Marketing y Gestión Estratégica por la Universidad Cândido Mendes (UCAM) (2014), una maestría en Desarrollo Rural Sostenible por la Universidad Estadual de Goiás (UEG) (2021) y un doctorado en Agronegocios por la Universidad Federal de Goiás (UFG) (2026).

Actualmente es Profesor Titular con régimen de Dedicación Exclusiva en el Instituto Federal de Educación, Ciencia y Tecnología Goiano (IF Goiano), Campus Iporá, donde imparte clases en los programas de Agronomía, Tecnología en Gestión del Agronegocio, Técnico en Desarrollo de Sistemas (integrado a la educación secundaria), Técnico en Secretariado y Técnico en Administración Institucional en la modalidad de educación a distancia (EaD).

Entre 2015 y 2019 se desempeñó como Gerente de Extensión del IF Goiano – Campus Iporá. Es miembro de la Unidad de Transferencia de Tecnología (UTT) del Centro de Excelencia en Bioinsumos (CEBIO) del IF Goiano – Campus Iporá y miembro del GIPEEX – Grupo Interdisciplinario de Investigación, Enseñanza y Extensión.

Vitória Christina Maass, Universidad de Rio Verde (UniRV)

Es estudiante de pregrado de Ingeniería de Software en la Universidad de Rio Verde – Campus Rio Verde (UniRV). Se desempeñó como Aprendiz Administrativa en las áreas de Recursos Humanos e Ingeniería de Cargill Agrícola S.A. en Rio Verde. Participa como integrante voluntaria en proyectos interinstitucionales de investigación y extensión. Es miembro del GIPEEX – Grupo Interdisciplinario de Investigación, Enseñanza y Extensión.

Danihanne Borges e Silva, Instituto Federal de Educación, Ciencia y Tecnología Goiano (IF Goiano)

Es licenciada en Enfermería por la FMB – Faculdade Montes Belos. Posee un posgrado (Máster) en Marketing, Estrategia e Innovación Digital por UniAraguaia, Campus Goiânia, Goiás. Actualmente cursa la licenciatura en Agronomía en el Instituto Federal de Educación, Ciencia y Tecnología Goiano (IF Goiano), Campus Iporá, Goiás.

       

Citas

ALI, L. M.; EL-SAEID, R. H.; ABDEL-HARITH, M. Utilizing laser spectrochemical analytical methods for assessing the ripening progress of tomato. Journal of Food Measurement and Characterization, v. 16, n. 5, p. 3054–3061, 2022. DOI: 10.1007/s11694-022-01407-0.

ANIM-AYEKO, A. O.; SCHILLACI, C.; LIPANI, A. Automatic blight disease detection in potato (Solanum tuberosum L.) and tomato (Solanum lycopersicum L.) plants using deep learning. Smart Agricultural Technology, v. 4, 100178, 2023. DOI: 10.1016/j.atech.2023.100178.

BARDIN, L. Análise de conteúdo. São Paulo: Edições 70, 2016.

BESMA, Z.; KHASKHOUSSY, K.; ZOUARI, M.; SOUGUIR, D.; KHAMMERI, Y.; MOUSSA, M.; HACHICHA, M. Smart control of soil water and salt content for improving irrigation management of tomato crop field: Kairouan area. Environmental Monitoring and Assessment, v. 195, 1408, 2023. DOI: 10.1007/s10661-023-12019-6.

BORGES, S. R. S.; SILVA, P. P.; ARAÚJO, F. S.; SOUZA, F. F. J.; NASCIMENTO, W. M. Tomato seed image analysis during the maturation. Journal of Seed Science, v. 41, n. 1, p. 22–31, 2019. DOI: 10.1590/2317-1545v41n1191888.

CRONIN, P.; RYAN, F.; COUGHLAN, M. Undertaking a literature review: a step-by-step approach. British Journal of Nursing, v. 17, n. 1, p. 38–43, 2008. DOI: 10.12968/bjon.2008.17.1.28059.

DALLA VALLE, P. R.; FERREIRA, J. L. Análise de conteúdo na perspectiva de Bardin: contribuições e limitações para a pesquisa qualitativa em educação. Educação em Revista, Belo Horizonte, v. 41, e49377, 2025. DOI: 10.1590/0102-469849377.

DAS, P.; SAHA, K. Artificial intelligence in agriculture. In: SINGH, Y. V. (ed.). Sustainable Agriculture: Advances and Applications. New Delhi: Integrated Publications, 2022. p. 121–147. DOI: 10.22271/int.book.199.

DOTAN, T.; JOG, A.; KADAN-JAMAL, K.; AVNI, A.; SHACHAM-DIAMAND, Y. In vivo plant bio-electrochemical sensor using redox cycling. Biosensors, v. 13, n. 2, p. 219–233, 2023. DOI: 10.3390/bios13020219.

EASTWOOD, C.; KLERKX, L.; NETTLE, R. Dynamics and distribution of public and private research and extension roles for technological innovation and diffusion. Agricultural Systems, v. 155, p. 153–165, 2017. DOI: 10.1016/j.agsy.2017.04.010.

FANG, S.-L.; CHENG, Y.-J.; TU, Y.-K.; YAO, M.-H.; KUO, B.-J. Exploring efficient methods for using multiple spectral reflectance indices to establish a prediction model for early drought stress detection in greenhouse tomato. Horticulturae, v. 9, n. 12, 2023. DOI: 10.3390/horticulturae9121317.

FERENTINOS, K. P. Deep learning models for plant disease detection and diagnosis. Computers and Electronics in Agriculture, v. 145, p. 311–318, 2018. DOI: 10.1016/j.compag.2018.01.009.

FILIPPI, A. C. G.; GUARNIERI, P. Revisão sistemática da literatura: aplicações e desafios metodológicos. Gestão & Produção, v. 27, n. 3, 2020. DOI: 10.1590/0104-530X5374-20.

FILIPPI, A. C. G.; GUARNIERI, P.; CUNHA, C. A. da. Condomínios rurais: revisão sistemática da literatura internacional. Estudos Sociedade e Agricultura, v. 27, n. 3, p. 525-546, out. 2019.

FUENTES, A.; YOON, S.; KIM, S. C.; PARK, D. S. A robust deep-learning-based detector for real-time tomato plant diseases and pests recognition. Sensors, v. 17, n. 9, p. 2022, 2017. DOI: 10.3390/s17092022.

FURQUIM, M. G. D.; NASCIMENTO, A. R.; SOUZA, C. B. Panorama geral da tomaticultura no Estado de Goiás: uma análise descritiva a partir de levantamento bibliográfico. Research, Society and Development, v. 9, n. 7, 2020. DOI: 10.33448/rsd-v9i7.4310.

FURQUIM, M. G. D.; NASCIMENTO, A. R.; SOUZA, C. B.; CORCIOLI, G. Preço no atacado e área para produção: o caso do tomate de mesa no Estado de Goiás. Informe GEPEC, v. 27, n. 1, p. 58–77, 2023. DOI: 10.48075/igepec.v27i1.29527.

GHOLIPOUR, Y.; ERRA-BALSELLS, R.; NONAMI, H. Blossom end rot tomato fruit diagnosis for in situ cell analyses with real time pico-pressure probe ionization mass spectrometry. Environmental Control in Biology, v. 55, n. 1, p. 41–51, 2017. DOI: 10.2525/ecb.55.41.

LIAKOS, K. G.; BUSATO, P.; MOSHOU, D.; PEARSON, S.; BOCHTIS, D. Machine learning in agriculture: a review. Sensors, v. 18, n. 8, p. 2674, 2018. DOI: 10.3390/s18082674.

MACHADO-MOLINA, M.; GARCÍA-PEREIRA, A.; MACHADO-GARCÍA, N. Proposal of color index ranges according to ripeness stages in fruits. Revista Ciencias Técnicas Agropecuarias, v. 28, n. 4, p. 19–27, 2019. DOI: 10.1016/j.rcta.2019.04.019.

MASSRUHÁ, S. M. F. S.; LEITE, M. A. S. Agricultura digital: inovação e sustentabilidade no campo. Embrapa Informação Tecnológica, v. 1, n. 1, p. 1–120, 2021. DOI: 10.13140/RG.2.2.98765.43210.

MORENO, H.; GÓMEZ, A.; RIBEIRO, Á.; ANDÚJAR, D. DeepFake weeds: integration of neural networks and stable diffusion for weed detection in tomato crops. Revista de Ciências Agrárias, v. 47, n. 2, p. 45–58, 2024. DOI: 10.1016/j.rca.2024.02.005.

MUFIDAH, Z.; JORDY, A. R.; FIL’AINI, R.; TELAUMBANUA, M.; FATIKHUNNADA, A. Design of environmental conditions of transportation simulation instruments on tomato (Solanum lycopersicum). Jurnal Keteknikan Pertanian Tropis dan Biosistem, v. 11, n. 1, p. 92–104, 2023. DOI: 10.21776/ub.jkptb.2023.011.01.09.

ORTIZ, J. C. M.; CARVAJAL, L. M. H.; FERNANDEZ, V. B. Detection of significant wavelengths for identifying and classifying Fusarium oxysporum during the incubation period and water stress in Solanum lycopersicum plants using reflectance spectroscopy. Journal of Plant Protection Research, v. 59, n. 2, p. 244–254, 2019. DOI: 10.24425/jppr.2019.129290.

PERWEEN, K.; ALFAGHAM, A. T.; DEBNATH, S.; BUKHARI, N. A.; WEI, D.-Q.; ALSHAIKH, N. A.; ALWADAI, A. S. Enriching drought resistance in Solanum lycopersicum using abscisic acid as drought enhancer derived from Lygodium japonicum: a computational approach. Frontiers in Plant Science, v. 14, 1106857, 2023. DOI: 10.3389/fpls.2023.1106857.

ROSE, D. C.; CHILVERS, J. Agriculture 4.0: broadening responsible innovation in an era of smart farming. Frontiers in Sustainable Food Systems, v. 2, 87, 2018. DOI: 10.3389/fsufs.2018.00087.

SAHA, K. K.; WELTZIEN, C.; BOOKHAGEN, B.; ZUDE-SASSE, M. Chlorophyll content estimation and ripeness detection in tomato fruit based on NDVI from dual wavelength LiDAR point cloud data. Journal of Food Engineering, v. 383, 112218, 2024. DOI: 10.1016/j.jfoodeng.2024.112218.

SNYDER, H. Literature review as a research methodology: an overview and guidelines. Journal of Business Research, v. 104, p. 333–339, 2019. DOI: 10.1016/j.jbusres.2019.07.039.

SOUSA JÚNIOR, J. C.; SOUZA, C. B.; BARREIRA, S.; ROCHA, F. R. T. Produção científica sobre apicultura numa perspectiva multidisciplinar: uma revisão sistemática de literatura. Revista Brasileira de Meio Ambiente, v. 27, n. 2, p. 133–144, 2024. DOI: 10.34024/rbma.2024.v27.133144.

TOMASZEWSKI, M.; NALEPA, J.; MOLISZEWSKA, E.; RUSZCZAK, B.; SMYKAŁA, K. Early detection of Solanum lycopersicum diseases from temporally aggregated hyperspectral measurements using machine learning. Scientific Reports, v. 13, 7671, 2023. DOI: 10.1038/s41598-023-34079-x.

TORRES-CEPERO, R.; MARTÍNEZ-RODRÍGUEZ, A.; ROSÁRIO, A. Model and software for the regulation of an inclined belt sorter for agricultural products. Revista Ciencias Técnicas Agropecuarias, v. 30, n. 3, p. 45–55, 2021.

VIDAL, E. I. O.; FUKUSHIMA, F. B. A arte e a ciência de escrever um artigo científico de revisão. Cadernos de Saúde Pública, v. 37, n. 4, 2021. DOI: 10.1590/0102-311X00063121.

WOLFERT, S.; GE, L.; VERDOUW, C.; BOGAARDT, M.-J. Big data in smart farming: a review. Agricultural Systems, v. 153, p. 69–80, 2017. DOI: 10.1016/j.agsy.2017.01.023.

XU, M.; DAVID, J. M.; KIM, S. H. The fourth industrial revolution: opportunities and challenges. International Journal of Financial Research, v. 9, n. 2, p. 90–95, 2018. DOI: 10.5430/ijfr.v9n2p90.

XIANG, Y.; CHEN, Q.; SU, Z.; ZHANG, L.; CHEN, Z.; ZHOU, G.; YAO, Z.; XUAN, Q.; CHENG, Y. Non-destructive estimation of soluble solids content and firmness in cherry tomatoes using hyperspectral imaging and deep learning. Postharvest Biology and Technology, v. 194, 112122, 2022. DOI: 10.1016/j.postharvbio.2022.112122.

ZAVALA DE PAZ, J. P.; BUCIO CASTILLO, F. J.; ANAYA RIVERA, E. K.; ISAZA BOHORQUEZ, C. A.; CASTILLO VELÁSQUEZ, F. A.; RIZZO SIERRA, J. A. Estimating volume of the tomato fruit by 3D reconstruction technique. Computación y Sistemas, v. 25, n. 4, p. 813–820, 2021. DOI: 10.13053/CyS-25-4-4043.

Descargas

Publicado

2026-07-27

Cómo citar

Moreira, J., Furquim, M. G. D., Dias, A. de O., Oliveira, D. C. de, Sousa Júnior, J. C. de, Maass, V. C., & Silva, D. B. e. (2026). AVANCES TECNOLÓGICOS E INNOVACIONES DIGITALES APLICADAS AL CULTIVO DEL TOMATE:: UNA REVISIÓN SISTEMÁTICA DE LA LITERATURA. Revista De Estudios Interdisciplinarios, 8(4), 01–19. https://doi.org/10.56579/rei.v8i4.3488

Número

Vol. 8 Núm. 4 (2026): REVISTA DE ESTUDIOS INTERDISCIPLINARIOS

Sección

ARTÍCULOS

Licencia

Derechos de autor 2026 Revista de Estudios Interdisciplinarios

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

La Revista de Estudios Interdisciplinares adopta la Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0), que permite compartir y adaptar el trabajo, incluso con fines comerciales, siempre que se otorgue la atribución adecuada y se reconozca la publicación original en esta revista.

Métrica