Resolución de Premios Cátedra Telefónica 2020 – Convocatoria abierta a Proyectos IoT, BigData, Machine Learning y Blockchain para el Sector Agroganadero

La comisión de evaluación de la convocatoria de la Cátedra Telefónica de la UEx correspondiente la Convocatoria abierta a Proyecto IoT para el sector agroganadero (fecha 24 de septiembre de 2020) ha decidido proponer los siguientes candidatos a dichos premios:

Proyecto: AgroFieldDetect: Sistema robótico guiado por RTK-GPS para identificación en campo de viñedos.

Las modernas tecnologías al servicio de la agricultura permiten que en la actualidad la mayoría de las plantaciones de cultivos se realicen de manera mecánica utilizando tecnología RTK-GPS. De esta forma, desde el momento de la plantación del cultivo, el agricultor puede disponer de un mapa de coordenadas GPS de su parcela con la ubicación exacta de cada una de las hileras de cultivo. Este hecho permite reutilizar estos mapas de coordenadas para facilitar y automatizar tareas posteriores como puede ser la eliminación de malezas o la recolección. A nivel regional, estas tecnologías se están utilizando sobre todo en plantaciones de cultivos de viñedo, almendros y olivar superintensivo que suelen ser recolectados de manera mecánica. A pesar de la mecanización de algunas tareas como la plantación y la recolección quedan otras que están todavía lejos de conseguirse como la poda de viñedos.

Debido a que la plantación con tecnología RTK-GPS favorece en gran medida la navegación autónoma de robots por los cultivos, que aparte del receptor GPS sólo necesitaran algunos dispositivos como cámaras o laser para evitar obstáculos, la automatización de algunas de estas tareas agrícolas que serán realizadas por robots autónomos es hoy en día una realidad abordable.

En este proyecto se pretende el desarrollo de las primeras fases de un robot para la poda automática de viñedos, concretamente el desarrollo de todo lo referente al guiado del robot a través de la parcela y la detección automática mediante técnicas de visión artificial y de detección de objetos de las plantas de viñedo.

En fases posteriores, se propone desarrollar algoritmos que, detectada la planta, decidiesen los sarmientos que hay que eliminar y cortar mediante actuadores colocados a bordo del robot.

Área de Interés: Segmentación semántica, aprendizaje profundo, guiado autónomo de robots e IoT.

Responsable del proyecto: Carlos Javier García Orellana

Equipo integrante del proyecto.

  • Eugenio Abengozar García Moreno
  • Miguel Macías Barro

 

Proyecto: StoreOnMe

Este proyecto pretende proporcionar un sistema alternativo al usado actualmente para el almacenamiento de datos provenientes de sensores situados en explotaciones agrícolas. Estas explotaciones cuentan cada vez con un mayor número de sensores, a veces cada cierto número de plantas, pero no dudados de que en el futuro contarán con más elementos de sensorización y por planta de manera habitual. Por un lado, las explotaciones agrícolas se caracterizan por la heterogeneidad de sus tamaños, así como de opciones de conectividad. Por su situación rural o por la cobertura vegetal, muchas de las explotaciones total o parcialmente no disponen de conectividad a Internet. Por otro lado, la generación de datos masivos hace que los costes de almacenamiento se disparen en el tiempo. Este almacenamiento actualmente se lleva a cabo habitualmente en servidores de terceros (Cloud) o propios (Fog).

Nuestra hipótesis es que debido al aumento del número de sensores en las explotaciones agrícolas y al aumento de la capacidad computacional y de almacenamiento que están teniendo los microcontroladores que llevan los nodos de sensorización, será factible realizar todo el almacenamiento de datos que genera la red en los propios dispositivos (Mist).

Así, se estudiará en primer lugar la viabilidad de este tipo de solución y el tiempo útil estimado de los nodos de almacenamiento en base a casos de uso reales. En segundo lugar, se realizará una implementación prototipo que permitirá almacenar los datos en los propios nodos sensores, de manera no centralizada y con réplica, consiguiendo así niveles de tolerancia a fallos similares a los conseguidos con almacenamiento Cloud. El objetivo de este desarrollo será medir parámetros que sirvan de comparación entre la solución de almacenamiento propuesto y las soluciones Cloud, que son las más habituales en la actualidad. En tercer lugar, se especificarán las ventajas (costes, privacidad, etc.) y desventajas de la hipótesis propuesta en base al estado del arte.

La solución tendrá en cuenta la heterogeneidad de las explotaciones y se podrá usar tanto con independencia del tamaño de la explotación, como de la conectividad disponible. Se parte de una implementación previa que ha permitido establecer la viabilidad de la solución propuesta y algunos parámetros comparativos, pero es una solución de almacenamiento centralizada en cuanto a índices y punto de acceso.

Áreas de interés que cubre: Almacenamiento de datos de sensores, almacenamiento distribuido, almacenamiento descentralizado, explotaciones agrarias, mist computing, nodos de bajas capacidades (low-end devices).

Área de Interés: Almacenamiento de datos de sensores, almacenamiento distribuido, almacenamiento descentralizado, explotaciones agrarias, mist computing, nodos de bajas capacidades (low-end devices)

Responsable del proyecto: Marino Linaje Trigueros

Equipo integrante del proyecto.

  • Javier León González

 

Proyecto: VisualINSPEC: Sistema para el escandallo automático de productos agroalimentarios. Prueba de concepto con la aceituna verde de mesa.

Según define la RAE (Real Academia Española), el escandallo, o también llamado hoja de materia prima o ficha de rendimiento, es la “determinación de coste o de venta de una mercancía con relación a los factores que lo integran”. Por ello, el primer proceso que se lleva a cabo cuando un agricultor entrega uno de sus productos a las empresas elaboradoras suele ser la toma de una muestra aleatoria a partir de la cual se fijará el precio del producto entregado. En la mayoría de los casos, este precio irá en función de la cantidad de productos defectuosos o que no cumplen determinados criterios de calidad, por lo que la fiabilidad, la confidencialidad y la automatización del proceso son de suma importancia.

En este proyecto queremos centrarnos en el escandallo de aceitunas verdes de mesa, un sector con un impacto económico muy importante dentro de nuestra región, aunque el sistema, una vez construido, puede ser aplicado a cualquier producto simplemente reentrenando el sistema con las imágenes de interés.

En el sector de la aceituna verde de mesa, este proceso se ha realizado tradicionalmente de forma manual por personal especializado y compete dos fases:

  • Inspección visual para el conteo y cálculo de porcentajes de aceitunas defectuosas.
  • Conteo del número de aceitunas que entran en un kilogramo para estimar el calibre medio de las aceitunas.

Este proyecto pretende la automatización de este proceso a partir de técnicas de visión artificial y de detección de objetos en imágenes. Así, el sistema construido debe ser capaz, a partir de una imagen de la muestra tomada del producto, establecer el tamaño medio de las aceitunas de la muestra y el porcentaje de productos defectuosos en función del estado de madurez de estos o de los defectos de color, forma, epidermis o firmeza de pulpa.

El sistema construido será de bajo coste; se ejecutará sobre una Raspberry Pi y se controlará y accederá remotamente desde un navegador que se ejecutará en cualquier dispositivo a través de Node-RED.

En una segunda fase, el sistema podría utilizarse para la selección y eliminación de aceitunas defectuosas una vez elaboradas, proceso que actualmente, se realiza de forma manual.

Área de Interés: Detección de objetos, aprendizaje profundo, análisis de imágenes, escandallo de productos agroalimentarios.

Responsable del proyecto: Héctor Sánchez de Santamaría

Equipo integrante del proyecto.

  • Miguel Macías Macías
  • Juan José Rodríguez Magro

 

Proyecto:  PREIGNEO – Sistema de detección de riesgo de incendios

La deforestación causada por incendios es un problema muy perjudicial, puesto que afecta gravemente a la fauna y flora del lugar y colabora en el recrudecimiento del cambio climático. En España este problema se agrava en algunas regiones debido a sus condiciones climáticas, como pueden ser Galicia o Extremadura, la comunidad que nos concierne y sobre la que se desarrollará este proyecto, a pesar de poder extrapolarse a otras que lo requieran.

El objetivo de este proyecto es desarrollar un sistema de monitorización de recintos, mediante teledetección con imágenes de satélite, para poder realizar un seguimiento de aquellas zonas más proclives a sufrir incendios. El estudio se focalizará en recintos declarados como abandonados por la Junta de Extremadura, que presenten altos índices de vegetación (como el NDVI), lo que conlleva un alto grado de maleza y pastizal susceptible de prender con facilidad. Con ello se busca detectar aquellas zonas que deben ser trabajadas y mantenidas para reducir el riesgo de incendio.

Área de Interés: Monitorización, Agricultura digital, Teledetección.

Responsable del proyecto: Adolfo Lozano Tello

Equipo integrante del proyecto.

  • Julio Acedo Durán
  • Marcos Fernández Sellers

La obtención final de los premios por parte de los beneficiarios está vinculada al cumplimiento de los requisitos y obligaciones establecidos en la convocatoria.

No hay comentarios aún... ¡Se el primero en dejar una respuesta!