Titulo:
Nombre del proponente:
Email de contacto:
Descripción de la propuesta:
Adjuntos:
Marcas:
Nombre del autor:
Apellido del autor:



Titulo: Identificación de aves en plantaciones de frutales
Área: Agricultura Inteligente
Nombre del proponente: Facundo Benavides
Email de contacto: fbenavid@fing.edu.uy
Descripción de la propuesta:

Intro

El daño causado por pájaros en los diferentes cultivos es un problema relevante en la agricultura a nivel mundial. En Uruguay los mismos afectan desde cultivos de secano como la soja y el girasol hasta frutales como el durazno, manzanos, perales y uva. La principal especie plaga en frutales es la cotorra (Myiopsitta monachus). Debido a la prohibición de algunas herramientas para el control de estas y aumento significativo de la población, viticultores y fruticultores enfrentan serios problemas todos los años con pérdidas de producción durante algunas semanas previas a la cosecha de los frutos. Algunos productores hacen el uso de mallas anti pájaros lo que genera altos costos con mano de obra para la instalación y posterior retirada de las mallas en el momento de la cosecha. Además del costo de estas mallas. Algunos métodos de control como lo de sonido (parlantes en los montes), láseres, cometas, hilos, CDs, entre otros ya vienen siendo utilizados, pero los mismos no han cumplido las expectativas de los productores con respecto a la eficacia, la confiabilidad y el costo. Actualmente se está estudiando el uso de diversas tecnologías que se complementan entre ellas, como el uso de detección automática de especies invasoras mediante cámaras, uso de drones y sonidos para disuasión de los pájaros.

Objetivos
  • Relevar lo hecho hasta el momento en torno a detección automática de aves en plantaciones.
  • Implementar un prototipo en simulador

Adjuntos:
Marcas:


Titulo: Identificación automática de fallas en aerogeneradores
Área: Inspección de infraestructura civil
Nombre del proponente: Facundo Benavides
Email de contacto: fbenavid@fing.edu.uy
Descripción de la propuesta:

En la última década el crecimiento de los aprovechamientos eólicos en el Uruguay ha sido
explosivo, instalándose decenas de parques eólicos que aportan una porción muy significativa de la
matriz eléctrica nacional. Sin embargo, en el futuro cercano la atención del sector podría volcarse
hacia la operación y mantenimiento de los parques actualmente en funcionamiento, con vida útil
esperada del orden de 20 años.
En este contexto el desarrollo de capacidades locales para la inspección del estado de las palas de
los aerogeneradores cobra especial relevancia. En tal sentido, existe una reciente pero muy prolífica
bibliografía que soporta la factibilidad y conveniencia de cambiar los métodos tradicionales de
inspección (o incluso aquellos no tan tradicionales basados en vehículos aéreos teleoperados) por
soluciones basadas en sistemas autónomos de vehículos aéreos no tripulados y procesamiento
automático de la información registrada. Algunas de las principales motivaciones estriban en que en
comparación con otras modalidades, el sistema autónomo de inspección y el procesamiento
automático de las imágenes, en conjunto, podrían reduccir drásticamente los riesgos para la vida
humana, reduccir costos (reducción de tiempos de inspección, aumento de la vida útil de los
equipos, reducción de costos de reparación) y aumentar la eficacia en la detección de anomalías de
forma prematura.
El presente proyecto se propone desarrollar un sistema de detección de daños en palas de
aerogeneradores a partir del procesamiento automático de imágenes.

Adjuntos:
Marcas:


Titulo: Gestión de datos cíberfísicos aplicados a la Agricultura Inteligente
Área: Agricultura Inteligente
Nombre del proponente: Facundo Benavides
Email de contacto: fbenavid@fing.edu.uy
Descripción de la propuesta:
La agricultura es uno de los pilares de la subsistencia del ser humano; no solamente produce la materia prima necesaria para la alimentación de la población mundial, sino que en ciertos países y regiones es además un importante motor de la economía.
Históricamente, la agricultura ha sufrido importantes cambios tecnológicos y socioeconómicos. Desde sus comienzos, cuando se comenzó a domesticar animales y cultivar vegetales, pasando por la invención de la máquina de vapor y el motor a combustión, hasta nuestros días,  el hombre ha sido capaz de modificar las formas en qué desarrolla esta actividad, introduciendo tecnología para aumentar la productividad.

A una creciente presión por producir más alimentos (provocada por el constante crecimiento de la población mundial), se le suman actualmente, la escasez de nuevas áreas productivas propicias para el cultivo y los peligros próximos que se ciernen sobre las reservas de aguas disponibles [1,2].

En la actualidad, a través de lo que se denomina como “Agricultura inteligente”, la cual se apoya fuertemente en las nuevas tecnologías de la información, vehículos no tripulados, dispositivos IoT y técnicas de almacenamiento masivo e IA, se busca una producción  más eficiente y amigable con el medioambiente.

En tal sentido, existe un énfasis en la necesidad de contar con más y mejores datos tanto de las plantas (crecimiento, enfermedades, déficit hídrico) como del entorno donde crecen (suelos, condiciones climáticas reinantes, sistemas hídricos, etc). Allí la incorporación de tecnología por medio de equipamiento sensorial que aumente la precisión y la frecuencia de muestreo de los datos que se obtienen ha sido una constante. Complementariamente, se requiere mejorar la previsión sobre la productividad esperada al momento de la cosecha para apoyar la toma de decisiones durante o al final del proceso. Estas pueden ser tanto correctivas -riego o aplicación de agroquímicos (fertilizantes o plaguicidas) de forma selectiva (minimizando costos e impacto ambiental), como de inversión/ahorro de capital pensando en las futuras siembras. En este caso son cruciales los sistemas de adquisición y almacenamiento de datos y las técnicas de extracción de información utilizados [3,4,5].

El presente proyecto se plantea el relevamiento del estado del arte en la materia y la construcción de mapas de índices de vegetación como aplicación práctica.

  1. FAO, World Food and Agriculture – Statistical Yearbook 2021, Technical Report, Food and Agriculture Organization, 2021. URL: https://doi.org/10.4060/cb4477en, Último acceso: 2022/05/03.

  2. FAO, The State of the World’s Land and Water Resources for Food and Agriculture – Systems at breaking point. Synthesis report 2021., Technical Report, Food and Agriculture Organization, 2021. URL: https://doi.org/10.4060/cb7654en, Último acceso: 2022/05/03.

  3. G. Giray, C. Catal, Design of a data management reference architecture for sustainable agriculture, Sustainability 13 (2021) 7309.

  4. S. Wolfert, L. Ge, C. Verdouw, M.-J. Bogaardt, Big data in smart farming–a review, Agricultural systems 153 (2017) 69–80.

  5. V. Saiz-Rubio, F. Rovira-Más, From smart farming towards agriculture 5.0: A review on crop data management, Agronomy 10 (2020) 207.


Adjuntos:
Marcas: