Una vez reunida la Comisión Evaluadora para resolver la convocatoria de la Cátedra Telefónica de la UEx a los mejores TFM y TFG de la UEx relacionados nuevas tecnologías (IoT, Big data, Machine Learning o Blockchain) orientadas al sector agroganadero desarrollados en la UEx en el curso académico 2020/2021. (Convocatoria de fecha 19 de noviembre de 2021.)
Una vez valorados los proyectos presentados, la comisión evaluadora propone la adjudicación de los premios los siguientes proyectos:
Javier Alonso Díaz. “Lenguaje específico de dominio sobre trazabilidad con generación de código sobre Blockchain”.
La trazabilidad, consiste en un conjunto de medidas, acciones y procedimientos que permiten registrar e identificar cada producto desde su origen hasta su destino final. La trazabilidad a nivel mundial, tiene una tendencia creciente y con la ayuda de las nuevas tecnologías, como IoT, podemos obtener de manera automática un gran conjunto de datos para definir una trazabilidad completa sobre cualquier producto o servicio, como sería un sistema de trazabilidad en la industria cárnica o la procedencia de piensos ecológicos en el sector agroganadero.
El diseño de una buena trazabilidad, es uno de los mayores retos a los que cualquier sector productivo debe enfrentarse, teniendo en cuenta que la sociedad cada vez demanda más y más información sobre los productos y servicios que adquieren. Para dar un punto de confianza sobre dicha información, nos apoyamos sobre una red Blockchain.
Blockchain es un sistema de información distribuido y descentralizado el cual mantiene un completo registro sobre todas las transacciones que se realizan, las cuales se almacenan en un libro contable, además cada transacción es no manipulable, por lo cual los usuarios pueden confiar sobre la integridad de los datos.
En este proyecto se ha desarrollado un lenguaje específico de dominio (DSL) que permita la descripción de la trazabilidad de productos y servicios y permita la generación del código asociado sobre una plataforma Blockchain, una API para consultar y añadir datos sobre la red Blockchain y una aplicación web para trabajar y consultar dicha API de una manera más sencilla.
Miguel Macías Barro. “Estudio dela viabilidad de un sistema de inteligencia artificial para la detección de zonas de interés en viñedos”
Este trabajo tiene como objetivo evaluar la posibilidad de detectar cada uno de los sarmientos presentes y su punto de corte en una imagen de viñedos, como primera fase para la construcción de un sistema automático para la poda. Para su consecución hemos planteado los siguientes objetivos específicos:
- Creación de una base de datos de imágenes con fotos de cepas en espalderas cuando estén aptas para la poda. Las fotos se tomarán a finales de diciembre o incluso principios de enero, una vez que las hojas se han caído totalmente, quedando los sarmientos totalmente al descubierto, pudiendo ser apreciados con claridad.
- Selección en cada una de las imágenes tomadas en el apartado anterior de los objetos que se quieren localizar o detectar.
- Diseño y entrenamiento de detectores de objetos basados en aprendizaje profundo para la correcta detección de la parte conveniente del sarmiento que queremos detectar, para realizar el corte.
- Valoración de los resultados obtenidos de cara a una posible aplicación real. Este hecho no solo requiere la obtención de unos buenos resultados de clasificación sino la capacidad del detector para funcionar en tiempo real con el hardware a bordo del robot.
La primera fase del proyecto AgroFieldDetect que aborda este Trabajo Fin de Grado ha desarrollado un software para evaluar la posible identificación del inicio de los sarmientos en los viñedos como punto de corte para la poda. Este software emplea los algoritmos más novedosos de inteligencia artificial, detección de objetos y “Deep-learning” y ha sido entrenado a partir de una base de datos de imágenes de elaboración propia.
Juan José Rodríguez Magro. “VisualINSPEC: Sistema para el escandallo automático de productos agroalimentarios. Prueba de concepto con la aceituna verde de mesa.”
Este Trabajo Fin de Grado tiene como objetivo principal automatizar el proceso de escandallo de la aceituna verde de mesa a partir de técnicas de visión artificial y de detección de objetos en imágenes. Partiendo de este objetivo se cumplen los siguientes subobjetivos:
- Diseñar una base de datos de imágenes que aglutina fotografías de muestras de aceitunas en las que deben seleccionarse, a través de una máscara, todas las aceitunas presentes en la imagen.
- Diseñar y optimizar un detector de objetos para la correcta detección, localización y clasificación de los prototipos.
- Ejecutar el clasificador final en un dispositivo económico (Raspberry Pi).