El monitoreo de la calidad del agua es un aspecto crítico para garantizar agua segura y limpia para el consumo humano, los procesos industriales y la vida acuática. El empleo de sensores automáticos basados en el internet de las cosas y algoritmos de aprendizaje de máquina utilizados para el monitoreo de la calidad del agua se ha vuelto cada vez más popular, debido a su facilidad de uso, precisión y rentabilidad. En esta revisión, discutiremos algunos de los sensores comúnmente utilizados para la vigilancia de la calidad del agua, así como sus posibles usos para la gestión y supervisión de acuíferos en América Latina. En la primera parte se discute sobre la contaminación de las fuentes de agua en Latinoamérica y, especialmente, en República Dominicana, donde se brinda una revisión de los diferentes trabajos que evalúan la contaminación en afluentes de agua. Además, se explora como el uso cotidiano de estas fuentes de agua puede afectar a los seres humanos. En la última parte del trabajo se presentan las tecnologías de los sensores y sus diferentes implementaciones, así como los principales retos para su integración al monitoreo de la calidad de agua de las fuentes de agua. Esta revisión demostró que el uso de sensores remotos de calidad de agua, basados en tecnologías de IoT y algoritmos de inteligencia artificial son de gran importancia para el control de la contaminación fisicoquímica en los acuíferos de los países latinoamericanos. Estos sensores constituyen una herramienta clave para el manejo sostenible de los recursos hídricos.

The optimization of agro-industrial products represents a key strategy to enhance their technological quality, stability, and market acceptance. The aim of this study was to evaluate the effect of different proportions of Allium ampeloprasum (elephant garlic, E) and Allium sativum genotypes Roselló 1 (R) and Taiwan 5 (T) on the nutritional, physicochemical, functional, rheological, and sensory properties of garlic paste formulations. Binary mixtures were prepared at E:A. sativum ratios of 25:75, 50:50, and 75:25 for each genotype, together with pastes containing 100% of each garlic material, resulting in nine formulations. The results showed that mixture proportion and A. sativum genotype influenced several product attributes. Among the mixtures, E₂₅T₇₅ showed the highest protein content (4.37%), whereas E₅₀T₅₀ exhibited the highest antioxidant capacity (41.71 ± 0.94 µmol TE 100 g⁻¹). Syneresis was significantly affected by formulation, storage time, and their interaction (p < 0.001), demonstrating formulation-specific changes during the 21-day storage period. Quadratic Scheffé mixture modeling showed a significant positive deviation from additivity for antioxidant capacity in the E + T system (β₁₂ = 19.0, p = 0.019), whereas the E + R system was consistent with additive behavior (β₁₂ = −10.2, p = 0.455). In the sensory analysis, the first two principal components explained 83.5% of the total variability, with Dim1 (49.4%) associated mainly with color and texture and Dim2 (34.1%) with flavor and aroma. Among the mixtures, E₇₅T₂₅ showed the highest mean aroma score (3.57), whereas E₇₅R₂₅ and E₂₅T₇₅ showed the highest mean flavor scores (3.45 and 3.48, respectively). Overall, sensory responses varied according to both mixture proportion and A. sativum genotype, with no single formulation maximizing all evaluated attributes. These findings demonstrate that combining A. ampeloprasum with different A. sativum genotypes generates formulation-specific technological, functional, and sensory responses.