Resolución de Premios Cátedra Telefónica 2021 – Convocatoria abierta a Proyectos IoT, Big Data, Machine Learning y Blockchain para la Transformación Digital del Sector Agroganadero

La comisión de evaluación de la Cátedra Telefónica de la UEx correspondiente a la Convocatoria abierta de Proyectos IoT, BigData, Machine Learning y Blockchain para la Transformación Digital del Sector Agroganadero (fecha 21 de octubre de 2021) ha decidido proponer los siguientes candidatos a dichos premios:

Proyecto: SmartOpenPark

SmartOpenPark puede considerarse una pequeña extensión del proyecto SmartPoliTech, iniciativa de la Escuela Politécnica de Cáceres (EPCC) que desde el año 2011 ha invertido más de 500.000€ en la definición de un “laboratorio vivo” a través de la sensorización, monitorización y modelación de variables ambientales de los edificios del centro.

El objetivo básico de este proyecto es ampliar las capacidades de monitorización de variables a las zonas ajardinadas aledañas a la EPCC. Con lo que podríamos ayudar a valorizar una zona de parque de ribera con alto valor natural.

Para ello deberemos:

  • Elegir un conjunto de observables relevantes para medir el “estado de la naturaleza del parque”. Estas variables pueden incluir variables ambientales (temperatura, presión o humedad), meteorológicas (viento, lluvia, o irradiancia solar), biológicas (cantidad y tipos de especies animales o vegetales) o químicas (electroconductividad, pH, o composición de la tierra o el agua del arroyo).
  • Definir los componentes (motas de sensorización) individuales que servirán para un despliegue básico de sensores inalámbricos en el entorno. Elegiremos los más asequibles en cuanto a precio y tecnología (sencillez de uso), reutilizando muchos materiales disponibles sobrantes del despliegue principal de SmartPoliTech y dispositivos donados por SmartOpenLab, el fablab de la EPCC. Ampliaremos en la medida de lo posible la red de cámaras y sonómetros para tratar de medir la variedad de especies animales y cuantificar su evolución temporal.
  • Integrar los datos producidos por los sensores en la red de datos del proyecto SmartPoliTech. Integraremos datos con cierto tamaño, como capturas de audio y video. Lo cual supondrá un reto tanto de programación de los dispositivos para muestrear y almacenar solo los datos relevantes, como para la implementación del protocolo de comunicación con el servidor para evitar la sobrecargas de red y el alto consumo.
  • Observar el desempeño de los componentes desplegados a lo largo del tiempo. Cuestión que excederá los límites temporales de este proyecto pero que se tendrá en cuenta en el proceso de diseño. Se evaluará al menos la fiabilidad de los sistemas implementados al final del proyecto.

En cuanto a los resultados del proyecto, se espera poder mostrar datos ambientales en tiempo real utilizando protocolos de comunicación y tecnologías accesibles. Lo cual puede ser un caso de éxito aplicable a centenares de explotaciones agroganaderas en la región, o a la monitorización de espacios naturales protegidos. Puede ser útil también para la comunidad ecologista y ornitológica global.

 

Área de Interés: IoT,   Agricultura Digital

Responsable del proyecto: Antonio Gordillo Guerrero

Equipo integrante del proyecto:

  • Álvaro García Domínguez
  • José Antonio Parejo González
  • Antonio Pablos Gato

 

Proyecto:  AgroLogistics: Sistema de control de centros logísticos agrícolas

Aunque el sector agroganadero extremeño está experimentando importantes avances en cuanto a la incorporación de las nuevas tecnologías a sus procesos, aún hoy, muchos de ellos siguen realizándose de forma manual, utilizando técnicas rudimentarias. Esto, en general, se traduce en un menor rendimiento de las explotaciones. Particularmente preocupante, no sólo por las implicaciones económicas que tiene, sino también por las de carácter ético, es el desperdicio de alimentos o el encarecimiento de los mismos derivado de una mala planificación y gestión logística.

Muchos de los centros logísticos encargados del almacenamiento, procesamiento, envasado y distribución de productos agrícolas se encuentran con que, en determinadas épocas del año y en función de cómo hayan ido las cosechas de los distintos productos que se cultivan en su zona, deben gestionar grandes volúmenes de productos en pocos días, no siendo capaces de atender adecuadamente ni a los productores ni a los clientes. En esos momentos, contar con una buena infraestructura de planificación y comunicación, podría resultar clave para garantizar una gestión óptima de la producción y minimizar las pérdidas.

El proyecto AgroLogistics desarrollará un sistema que, teniendo en cuenta el contexto que acabamos de describir, facilitará la planificación y gestión de la logística agrícola para todos los actores involucrados en ella, esto es: los centros logísticos, los agricultores que les llevan su producción y los clientes, generalmente mayoristas, que la compran. Este sistema permitirá planificar y agendar la entrega y recogida de productos agrícolas, teniendo en cuenta la oferta (cantidad de los distintos productos que tienen disponibles los agricultores en cada época del año), la demanda (cantidad de productos requerida por los compradores) y la capacidad del centro logístico para almacenar además de, eventualmente, procesar, envasar y distribuir dichos productos. En base a esta planificación, se podrá realizar una estimación de cómo va evolucionar el stock de los distintos productos en el centro logístico. Esta estimación, permitirá al sistema recomendar a los agricultores las mejores ventanas temporales para recoger sus cosechas, evitando así que se produzcan mermas por la acumulación excesiva de determinados productos en los almacenes. Además, el sistema analizará los patrones temporales de afluencia de vehículos a los centros logísticos y podrá recomendar reajustes en la agenda a fin de prevenir la formación de colas. Esto sin duda redundará en entregas más ágiles (con menores tiempos de espera) y también en una mejora de la calidad del aire.

 

Área de Interés: Internet de las Cosas (Internet of Things), Big Data y Machine Learning

Responsable del proyecto: Cristina Vicente Chicote

Equipo integrante del proyecto:

  • José Ramón Lozano Pinilla
  • Lorenzo Gabriel Ceballos Bru

 

Proyecto:  Smart Greenhouse

A lo largo de los últimos años hemos observado un gran cambio en las explotaciones agrarias debido a los problemas derivados del cambio climático. Los problemas derivados son múltiples y se desconoce su alcance a corto y medio plazo. Uno de los más importantes es la desertificación. Según el Ministerio para la Transición Ecológica, el 80% de España está en riesgo de convertirse en un desierto, sobre todo la parte sur del país [2]. La manera de luchar contra este problema es apostar por los cultivos en suelos que no provoquen aridez, como por ejemplo, el uso de invernaderos.

Actualmente asistimos a grandes cambios en la forma en la que se desarrollan las aplicaciones de software. La continua evolución del hardware y las comunicaciones han favorecido la creación de una infraestructura especialmente propicia para el desarrollo e implantación de aplicaciones heterogéneas y distribuidas.

En este sentido, el IoT se presenta como una apuesta firme de la Unión Europea dentro del plan Horizonte-Europa hacia el desarrollo de espacios sociales de eficiencia que permitan medir y tomar decisiones en tiempo real, reducir el consumo de recursos disponibles y aprovecharlos mejor.

Pero todos estos datos por sí solos no aportan valor a los agentes involucrados en la agricultura.

Por todo ello, se presenta “Smart Greenhouse”, con el que se pretende incentivar el uso de invernaderos aprovechando las ventajas técnicas y económicas de la agricultura de precisión en la producción agrícola con el uso de los datos tomados con tecnología IoT. Con esta tecnología se pretende un enfoque más concreto en la problemática de la desertificación y en la producción del sector agropecuario de la Comunidad autónoma de Extremadura.

Área de Interés: Internet de las Cosas (Internet of Things)

Responsable del proyecto: Enrigue Moguel Márquez

Equipo integrante del proyecto:

  • Gloria Díaz González
  • Maria Victoria Morales Millanes

 

Proyecto:  AgroFieldDetect2. Sistema robotizado para poda 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 GPS RTK. 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 GPS-RTK favorece en gran medida la navegación autónoma de robots por los cultivos, que aparte del receptor GPS sólo necesitarán 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.

Este proyecto es una continuación del desarrollado con el mismo nombre en la edición de 2020 en el que se pretendía 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 esta convocatoria queremos abordar, lo que en el año anterior consideramos trabajo futuro, el desarrollo de algoritmos que, detectados los sarmientos, decidiesen cuales hay que eliminar y posteriormente cortarlos mediante actuadores colocados a bordo del robot.

 

Área de Interés: Detección de objetos, segmentación semántica, aprendizaje profundo, guiado-

Responsable del proyecto: Miguel Macías Macías

Equipo integrante del proyecto:

  • Carlos García Orellana
  • Eugenio Abengozar García Moreno

 

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

 

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.