| Sumario: | En los últimos años, la incorporación de tecnología al agro ha permitido el desarrollo de distinto tipo de sistemas de adquisición de datos compuestos por una fusión de datos de sensores. Entre otros, se pueden mencionar sensores de campo inalámbricos de bajo costo, drones cuadricópteros y de ala fija con cámaras multi-espectrales, robots de tierra, estaciones meteorológicas, satélites y otros. La Provincia de Mendoza, Argentina es el principal productor de vinos en el país. Es por este motivo que se deben proveer soluciones a los productores de vinos de la región para contribuir a la economía provincial. Particularmente, una de las necesidades de los productores de la región es contar con un proceso adecuado de estimación de cosecha de uva. Tradicionalmente, la metodología más precisa y rápida para la estimación de cosecha en uvas está dada por el recuento de racimos por planta y la estimación del peso. La extrapolación del resultado unitario a todas las plantas determina el valor de producción proyectado. También se utiliza la estimación visual directa pero es muy subjetiva. Este proceso implica la utilización de recursos humanos, materiales y tiempo que, por su propia escasez, limitan el propio proceso, obteniendo resultados no satisfactorios, sobre todo para la industria vitivinícola. A modo de ejemplo, puede mencionarse el pronóstico del INV para la cosecha de 2015. El primer pronóstico para dicho año fue de 26850000 qq y el segundo 26542000 qq. Finalmente, la cosecha a nivel nacional fue de 23978606 qq. Como puede observarse en dicho ejemplo la diferencia para el primer pronóstico respecto al resultado final fue de aprox. 12% , mientras que el segundo fue de 10,6%.Mediante este proyecto buscamos incorporar tecnología en el proceso de estimación de cosecha de uva en la provincia de Mendoza. Una de las formas en que este problema podría resolverse es mediante el uso de robots terrestres, los cuales puedan contar con cámaras de distinto tipo. Estas cámaras pueden capturar imágenes de los racimos las cuales pueden ser procesadas mediante algoritmos computacionales de aprendizaje automático. Dicho análisis se puede realizar en entornos de computación distribuida como clústeres o Cloud Computing. Los resultados del procesamiento de este algoritmo permitirá identificar variables que indiquen la tendencia en el volumen de cosecha.
|
|---|
Biblioteca Digital de Vanguardia