En el proyecto se pretende, partiendo de un TRL2 (Concepto Tecnológico Formulado) previo al inicio del proyecto, pasar por un TRL3 (Prueba de concepto experimental) con pruebas en planta piloto empleando la técnicas de imagen espectral, los vehículos autoguiados y modelos machine learning y data analytics predictivos y llegar hasta un grado TRL 4 (Prueba de concepto experimental) en el que se obtendrán prototipos de experimentación que serán empleados para realizar ensayos con plantas en entornos cerrados e incluso en un entorno relevante (TRL 5) con validación de ensayos. Estos prototipos serán demostrativos para que las empresas puedan apreciar sus ventajas y capacidades con la finalidad de que vean viable una posterior transferencia de resultados para la incorporación de tales tecnologías en sus campos y cultivos.
Los resultados esperados devienen como consecuencia de los objetivos específicos descritos anteriormente:
a) Informe de necesidades en materia de optimización de la producción agrícola para los cultivos seleccionados
El primer resultado del proyecto viene determinado por un informe de gran valor que evidencia, tras las sesiones correspondientes con empresas, las necesidades de la industria en el campo objeto de estudio. El informe de necesidades en materia de optimización de la producción agrícola representa la base sobre la que el resto de las iniciativas del proyecto trabajarán y constituye el foco al que el proyecto I+D dará respuesta.
b) Estudio e informe de parámetros de influencia en la producción agrícola, así como de la técnica para su captura y análisis
Como se ha indicado anteriormente, la selección del cultivo objeto de estudio y la explicitación de las necesidades expresadas por las empresas sobre el mismo, pondrá en evidencia los parámetros de influencia que deben ser monitorizados mediante las técnicas y tecnologías desplegadas en el proyecto. Estamos ante un resultado fundamentalmente teórico que analiza aquellos parámetros agronómicos y medioambientales que pueden ser responsables, presentar dependencia o influencia en la variabilidad de los datos. Se tratará de identificar si existen modelos teóricos del cultivo seleccionado.
Tras su estudio, investigación y determinación, el proyecto evaluará las fuentes y orígenes de datos necesarios para su monitorización, distinguiendo entre aquellos que puedan ser obtenidos mediante las tecnologías de visión hiperespectral acopladas a drones o robots autónomos, de aquellas que necesiten ser recuperadas de fuentes externas, servicios cloud, open data o bases de datos específicas, así como las técnicas de IA o data analytics más idóneas para el tratamiento de los datos que globalmente se recojan y que tengan impacto en los factores que influyan en el modelo. Todo ello derivará en la documentación de un informe donde estos importantes aspectos queden recogidos, y constituye un resultado de importancia capital en el desarrollo del proyecto.
c) Demostradores basados en drones sensorizados para la captura de datos procedentes de cultivos de especial relevancia en la Comunitat Valenciana.
Con la determinación de cultivo, necesidades de las empresas, parámetros de influencia y orígenes de datos relacionados con los mismos, dispondremos de la información necesaria para iniciar la actividad investigadora en torno a la implementación de los demostradores basados en drones sensorizados, que tal y como se ha citado, incorporarán la última tecnología fotónica para la visión multiespectral. Esta fase de la investigación deberá resolver las problemáticas derivadas de la implementación del prototipo, dirigidas no sólo a la captura de las señales en las diversas bandas espectrales sino especialmente a la resolución de problemáticas derivadas de la misma, estabilidad del equipo, condiciones meteorológicas y medioambientales, entre otras.
El resultado final consistirá en un demostrativo del equipamiento Dron con tecnología de visión multiespectral, así como de la tecnología necesaria para el almacenamiento provisional de la información capturada en vuelo.
d) Demostradores basados en robots sensorizados que permitan automatizar la toma de datos de muestras de manera rápida y no destructiva sobre plantas y frutos, así como para cultivos con infraestructura de invernadero.
El siguiente resultado es análogo al anterior pero dirigido a la incorporación de la tecnología de visión multiespectral acoplada a robots autónomos, que pretende resolver la problemática derivada de cultivos en los que el vuelo no tripulado resulta inviable, como por ejemplo cultivos en invernadero, o bien en aquellos en los que la tipología de la plantación exija una perspectiva distinta a la proporcionada por los drones. En esta ocasión, como también ocurría en el anterior resultado, la actividad investigadora centrada en el desarrollo del demostrativo, necesitará resolver las cuestiones derivadas del contexto de operación, estabilidad, ruido de fondo, etc… todo ello dirigido a la captura y procesado de señales que dispongan de la calidad necesaria para su tratamiento óptimo.
e) Demostrador de infraestructura y servicios de tecnologías de la información cloud con alta seguridad que garantice la privacidad de los datos, integre todas las fuentes de interés en el análisis del cultivo (tanto procedentes de visión artificial como de fuentes externas) y posibilite el desarrollo de software para la analítica avanzada (descriptiva y predictiva) basada en técnicas de Inteligencia Artificial, en relación a las propiedades del cultivo.
Los resultados anteriores ponen el foco en la captura de señales mediante técnicas de visión hiperespectral acopladas a drones o robots autónomos, sin embargo, es sólo una parte del proyecto I+D. Una vez que la información obtenida reúne las condiciones aptas para su tratamiento, necesitamos analizar, desarrollar conceptualmente e implementar la infraestructura de servicios TIC dirigidos al análisis de la información, que como hemos citado anteriormente, no sólo incluye datos procedentes de visión artificial, sino que opera con un sistema heterogéneo de bases de datos con información relacionada de los cultivos que constituyen un sistema global para el análisis holístico.
La heterogeneidad de las fuentes de información supone un hándicap a la hora desarrollar soluciones integradas de valor, y las tecnologías Big data analytics representan la vía para su resolución. Dentro de este escenario, la infraestructura IT resultado del proyecto presentará las siguientes características:
f) Demostrador de interfaces máquina-humano para el uso de las anteriores tecnologías de una forma más amigable.
La investigación en materia de usabilidad en los interfaces de usuario es uno de los aspectos del proyecto sobre los que se dedicará una atención importante. La complejidad de los datos manejados hace necesario que los interfaces con el usuario sean capaces de eliminar la abstracción y simplificar la interpretación de información de valor.
El estado actual de la técnica permite utilizar nuevas formas de interrelacionarse con la tecnología de una forma más “humana”. Elementos tales como pantallas táctiles, interacción por voz, dispositivos móviles, bots/chatbots, etc, serán evaluados y testados en el presente proyecto para mostrar las capacidades que las tecnologías anteriores pueden ofrecer.
g) Piloto demostrativo de Agricultura de precisión
Los resultados anteriores configuran en conjunto un piloto demostrativo integral que serán desplegado en las instalaciones de AINIA y que servirá para facilitar la transferencia de conocimiento y tecnología a las empresas del sector.
Contacta con nosotros para recibir más información relacionada con el proyecto y sus aplicaciones.