Abstract
Este estudio bibliométrico evaluó la producción científica sobre el uso de la inteligencia artificial (IA) en el estudio de metales pesados en la agricultura, con el objetivo de identificar vacíos y tendencias en las líneas de investigación. Se realizó una búsqueda en Scopus recuperando 127 registros; tras aplicar criterios de inclusión y exclusión, se eliminaron 58 registros y los 69 restantes se analizaron con Bibliometrix y VOSviewer. Se generaron gráficos de evolución temporal, producción por países, co-ocurrencia de palabras clave y análisis temático. Las publicaciones presentan una alta tasa de crecimiento anual (42,86%), con China e India como principales contribuyentes. El análisis reveló líneas emergentes en fertilización, biorremediación y monitoreo inteligente, así como vacíos en toxicología alimentaria, validación de insumos, capacitación rural con IA y uso de interfaces conversacionales como ChatGPT para una agricultura sostenible. Estos hallazgos constituyen una base estratégica para orientar futuras investigaciones interdisciplinarias en el campo agroambiental.
References
V. H. U. Eze et al., “Integrating IoT sensors and machine learning for sustainable precision agroecology: enhancing crop resilience and resource efficiency through data-driven strategies, challenges, and future prospects”, Discov. Agric., vol. 3, no. 1, p. 83, May 2025. doi: 10.1007/s44279-025-00247-y.
H. Zhang, Y. Liu, Y. Wang, Y. Li, and Y. Chen, “Machine learning-based source identification and spatial prediction of heavy metals in soil in a rapid urbanization area, eastern China”, J. Clean. Prod., vol. 273, p. 122858, Nov. 2020. doi: 10.1016/j.jclepro.2020.122858.
L. Shi et al., “Modeling phytoremediation of heavy metal contaminated soils through machine learning”, J. Hazard. Mater., vol. 441, p. 129904, Jan. 2023. doi: 10.1016/j.jhazmat.2022.129904.
R. Cavalcante and R. D. De Souza, “Artificial intelligence in agriculture: Benefits, challenges, and trends”, Appl. Sci., vol. 13, no. 13, p. 7405, Jun. 2023. doi: 10.3390/app13137405.
Y. Gao, Z. Duan, L. Zhang, D. Sun, and X. Li, “The status and research progress of cadmium pollution in rice- (Oryza sativa L.) and wheat- (Triticum aestivum L.) cropping systems in China: a critical review”, Toxics, vol. 10, no. 12, p. 794, Dec. 2022. doi: 10.3390/toxics10120794.
A. Kamilaris and F. X. Prenafeta-Boldú, “Deep learning in agriculture: A survey”, Comput. Electron. Agric., vol. 147, pp. 70-90, Apr. 2018. doi: 10.1016/j.compag.2018.02.016.
Q.-Q. Peng et al., “Bridging the gap: Limitations of machine learning in real-world prediction of heavy metal accumulation in rice in Hunan province”, Agronomy, vol. 15, no. 6, p. 1478, Jun. 2025, doi: 10.3390/agronomy15061478.
S. Neme, “Detección de metales pesados en pesticidas por ICP-MS”, Tesis de Químico, Pontificia Universidad Católica del Perú, Lima, Perú, 2025.
L. Espina-Romero et al., “Which industrial sectors are affected by artificial intelligence? A bibliometric analysis of trends and perspectives”, Sustainability, vol. 15, no. 16, p. 12176, Aug. 2023. doi: 10.3390/su151612176..
C. Krupitzer, “Generative artificial intelligence in the agri-food value chain - overview, potential, and research challenges”, Front. Food. Sci. Technol., vol. 4, p. 1473357, Sep. 2024. doi: 10.3389/frfst.2024.1473357.
E. A. Oliveira et al., “Global scientific production in the pre-Covid-19 Era: An analysis of 53 countries for 22 years”, An. Acad. Bras. Ciênc., vol. 94, no. suppl 3, p. e20201428, Dec. 2022. doi: 10.1590/0001-3765202220201428.
K. Chinnannan, P. Somagattu, H. Yammanuru, U. K Reddy, and P. Nimmakayala, “Health risk assessment of heavy metals in soil and vegetables from major agricultural sites of Ohio and West Virginia”, Biocatal. Agric. Biotechnol., vol. 57, p. 103108, Apr. 2024. doi: 10.1016/j.bcab.2024.103108.
J. A. Ramírez, D. L. Mendoza, and E. J. Asnate, “Competitividad de la industria agroexportadora del arándano en el Perú, 2015-2019”, Revistaalfa, vol. 8, no. 22, pp. 256-272, Jan. 2024. doi: 10.33996/revistaalfa.v8i22.263
M. Mamani et al., “Contenido de metales pesados en los peces en el Perú: una revisión sistémica”, RIIARn, vol. 12, no. 1, pp. 131-141, Abr. 2025, doi: 10.53287/ejdm7553mt10z.
R. Siche and N. Siche, “El modelo de lenguaje basado en inteligencia artificial sensible - ChatGPT: Análisis bibliométrico y posibles usos en la agricultura y pecuaria”, Sci. agropecu., vol. 14, no. 1, pp. 111-116, Mar. 2023. doi: 10.17268/sci.agropecu.2023.010.
G. Gupta and S. Kumar, “Applications of AI in precision agriculture”, Discov Agric, vol. 3, no. 1, p. 61, Apr. 2025. doi: 10.1007/s44279-025-00220-9.
This work is licensed under a Creative Commons Attribution 4.0 International License.