Descripción general del flujo de trabajo

Esta es una plantilla de flujo de trabajo basada en N8N para el monitoreo de la salud de cultivos mediante imágenes de drones. El flujo recibe imágenes aéreas de campos agrícolas capturadas por drones y utiliza inteligencia artificial (IA) para realizar un análisis inteligente, logrando así un monitoreo y registro automatizados del estado de salud de los cultivos. El sistema integra almacenamiento en bases de datos vectoriales, respuestas inteligentes basadas en IA y funciones de registro de datos, brindando soporte técnico para la agricultura de precisión.

Funcionalidades principales

1. Análisis inteligente de imágenes

• Recibe datos de imágenes de campos agrícolas obtenidas por drones.
• Utiliza tecnología de IA para analizar el estado de salud de los cultivos.
• Construye una base de conocimiento que permite consultas inteligentes.

2. Almacenamiento vectorizado

• Convierte los resultados del análisis en datos vectoriales.
• Almacena los vectores en una base de datos vectorial de Supabase.
• Permite búsquedas semánticas eficientes.

3. Sistema de diálogo inteligente

• Preguntas y respuestas inteligentes basadas en el modelo Anthropic Claude.
• Incluye memoria contextual para mantener la coherencia en las conversaciones.
• Permite consultar datos históricos de análisis previos.

Análisis detallado de nodos

Nodo de entrada

Nombre del nodo	Tipo	Descripción de la función
Webhook	n8n-nodes-base.webhook	Endpoint POST /drone_image_crop_health que recibe datos de imágenes de drones

Nodos de procesamiento de datos

Nombre del nodo	Tipo	Descripción de la función
Splitter	textSplitterCharacterTextSplitter	Divide textos largos en fragmentos de 400 caracteres con una superposición de 40 caracteres
Embeddings	embeddingsOpenAi	Genera incrustaciones vectoriales de texto usando OpenAI

Nodos de almacenamiento

Nombre del nodo	Tipo	Descripción de la función
Insert	vectorStoreSupabase	Inserta datos vectoriales en el índice drone_image_crop_health de la base de datos Supabase
Query	vectorStoreSupabase	Consulta información relevante desde la base de datos vectorial

Nodos de inteligencia artificial

Nombre del nodo	Tipo	Descripción de la función
Tool	toolVectorStore	Herramienta de almacenamiento vectorial para uso del agente de IA
Memory	memoryBufferWindow	Caché de memoria de conversación que mantiene la continuidad contextual
Chat	lmChatAnthropic	Modelo de lenguaje Anthropic Claude
Agent	agent	Agente inteligente de IA que integra herramientas y memoria

Nodo de salida

Nombre del nodo	Tipo	Descripción de la función
Sheet	googleSheets	Añade los resultados del procesamiento a una hoja de cálculo de Google Sheets como registro

Nodo auxiliar

Nombre del nodo	Tipo	Descripción de la función
Sticky	stickyNote	Nota adhesiva con instrucciones del flujo de trabajo, titulada "Drone Image Crop Health"

Diagrama del flujo de datos

[Recepción de datos por Webhook]
        ↓
    ┌───┴───┐
    ↓       ↓
[División de texto] [Caché de memoria]
    ↓           ↓
[Incrustación vectorial] ↓
    ↓           ↓
    ├→[Almacenamiento en Supabase]
    ↓           ↓
[Consulta en base vectorial] ↓
    ↓           ↓
[Creación de herramienta] ↓
    ↓           ↓
    └→[Agente de IA]←[Modelo Claude]
           ↓
    [Registro en Google Sheets]

Pila tecnológica

Servicios utilizados

1. API de OpenAI – Vectorización de texto
2. Supabase – Almacenamiento en base de datos vectorial
3. Anthropic Claude – Modelo de diálogo con IA
4. Google Sheets – Registro de datos en hojas de cálculo

Configuración de parámetros clave

• División de texto: tamaño de fragmento de 400 caracteres, superposición de 40 caracteres
• Nombre del índice vectorial: drone_image_crop_health
• Método de activación: solicitud POST mediante Webhook
• Orden de ejecución: versión v1

Casos de uso

Usos principales

1. Monitoreo agrícola de precisión – Análisis en tiempo real del crecimiento de los cultivos
2. Alerta temprana contra plagas y enfermedades – Detección precoz de problemas en la salud de los cultivos
3. Predicción de rendimientos – Estimación de cosechas basada en datos de salud vegetal
4. Toma de decisiones en gestión agrícola – Recomendaciones de cultivo respaldadas por datos

Valor empresarial

• Mejora la eficiencia en la producción agrícola
• Reduce costos asociados a inspecciones manuales
• Habilita una gestión agrícola basada en datos
• Construye una base de conocimiento agrícola

Requisitos de implementación

Credenciales API necesarias

1. Clave API de OpenAI
2. Credenciales de base de datos de Supabase
3. Clave API de Anthropic
4. Autenticación OAuth2 para Google Sheets

Preparación previa

1. Crear una tabla de base de datos vectorial en Supabase
2. Configurar el ID del documento de Google Sheets
3. Establecer el endpoint del Webhook
4. Inicializar el índice vectorial

Recomendaciones de ampliación

1. Incorporar reconocimiento de imágenes – Integrar modelos de visión por computadora para procesar directamente las imágenes
2. Sistema de alertas en tiempo real – Añadir detección de anomalías y funcionalidad de notificaciones
3. Visualización de datos – Crear paneles para mostrar los resultados del análisis
4. Fusión de datos multifuente – Integrar datos adicionales como clima, tipo de suelo, etc.
5. Procesamiento por lotes – Permitir el análisis simultáneo de múltiples imágenes

Resumen

Esta plantilla de flujo de trabajo demuestra cómo aplicar tecnologías modernas de IA al ámbito agrícola. Mediante la captura de imágenes por drones, almacenamiento vectorial, análisis inteligente y registro automático, se construye un sistema integral para monitorear la salud de los cultivos. Este sistema no solo procesa datos en tiempo real, sino que también ofrece servicios de consulta inteligente mediante una interfaz de diálogo con IA, proporcionando un sólido respaldo tecnológico para la agricultura de precisión.