AI Anomaly Detection: Transforming Industry Operations
2024-12-09
La gestión eficiente de los campos de cultivo es crucial para garantizar la seguridad alimentaria y la sostenibilidad ambiental. La agricultura se enfrenta a numerosos desafíos, como la escasez de agua, el cambio climático y la presión por aumentar la productividad. El riego automatizado y la gestión de cultivos asistida por IA ofrecen soluciones prometedoras para abordar estos problemas. El riego automatizado desempeña un papel fundamental en la optimización del uso del agua, uno de los recursos más importantes en la agricultura. Los sistemas de riego inteligentes permiten aplicar la cantidad justa de agua en el momento adecuado, lo que se traduce en ahorro de agua, mayor eficiencia, mejor rendimiento de los cultivos, reducción de costes, y mayor sostenibilidad.
Tupl participa en un Proyecto de innovación con inteligencia artificial para la gestión automática y riego inteligente de zonas verdes cuyo objetivo principal es mejorar la gestión y el mantenimiento de áreas verdes mediante la implementación de tecnologías avanzadas de sensorización, comunicación e inteligencia artificial. El proceso de implantación lo lleva a cabo un consorcio de empresas que aúna a la UMA, INNOVA IRV, Smart City Cluster, Cordis SUITE, y Tupl, que proporciona su plataforma, TuplOS, para facilitar y mejorar el análisis de datos del campo y el plan de actuación del agricultor.
Para el desarrollo de este proyecto de innovación con Inteligencia Artificial para la gestión automática y riego inteligente de zonas verdes, se ha creado el mencionado consorcio entre la UMA, Cordis SUITE, INNOVA IRV, Tupl, y, como líder del proyecto, Smart City Cluster. El proyecto “Sistema IA para gestión automática de zonas verdes” ha sido financiado dentro de la línea de Proyectos de Tecnologías Digitales de la Convocatoria de Ayudas a las Agrupaciones Empresariales Innovadoras 2023 (AEI) promovida por el Ministerio de Industria, Turismo y Comercio del Gobierno de España, con fondos del programa Next Generation EU, a través del Plan de Recuperación, Transformación y Resiliencia.
El sistema desarrollado para la primera fase del proyecto permitirá la monitorización y control en tiempo real de áreas agrícolas y espacios urbanos, como parques y jardines, optimizando el uso de recursos y asegurando un manejo más sostenible y eficiente del riego de los mismos. Una de las claves del sistema es la utilización de técnicas 'no-code', que permiten a cualquier persona crear aplicaciones y webs sin necesidad de conocimientos de programación, para desarrollar modelos de inteligencia artificial. De esta manera, se busca facilitar la digitalización de empresas y agricultores, quienes podrán crear sus propios modelos de IA adaptados a sus cultivos y áreas específicas.
¿Cuáles son los desafíos a los que se enfrentan los agricultores con la gestión tradicional de las zonas verdes?
La agricultura es un sistema más complejo de lo que parece; no se trata solo de sembrar y cosechar. Cada cultivo tiene un proceso, unas necesidades y unos análisis diferentes. Esto conlleva varios desafíos para el agricultor, además de todos los factores externos que pueden tener consecuencias tanto positivas como negativas para el campo. Algunos de los retos habituales a los que se enfrenta la gestión tradicional del campo son los siguientes:
La implementación de tecnologías de IA y ML en los sistemas agrícolas presenta un nuevo desafío para los agricultores; existe una desconfianza hacia lo desconocido, un temor al "descontrol" que puede producirse al confiar todo su trabajo a un sistema intangible y automatizado. Sin embargo, esta desconfianza está disminuyendo con el tiempo.
Cada colaborador contribuye al proyecto utilizando las tecnologías que domina y siguiendo un plan establecido. Para la primera fase del proyecto, se requería una plataforma integradora de múltiples soluciones que permitiera generar rápidamente casos de uso sin necesidad de codificación. Por eso, AI Agro Unifier, basado en TuplOS, era la opción adecuada. Tupl Agro ha aportado tres aspectos clave a este proyecto:
Al inicio del proyecto, era crucial encontrar una plataforma integradora de casos de uso con una interfaz de usuario fácil de manejar para los agricultores. Después de analizar y evaluar el mercado, se seleccionó AI Agro Unifier, una solución integral de automatización basada en la plataforma TuplOS de Tupl gracias a su capacidad de automatizar procesos ofreciendo un servicio completo que cumplía todos los requisitos del proyecto. Estos requisitos incluían la capacidad de integrarse con diversas fuentes de datos, personalizar la plataforma para diferentes casos de uso y aplicarla de manera interconectada para lograr el resultado final: el riego inteligente. Nuestra plataforma de MLOps, TuplOS, ha sido diseñada para permitir el diseño y la personalización de casos de uso según las preferencias del cliente. Mediante su versátil tecnología sin necesidad de programación es ideal para personas sin experiencia en programación, y claramente, es la tecnología idónea para impulsar la primera fase del proyecto.
En esta primera fase, se crearon una serie de componentes para capturar datos provenientes de diversas fuentes, como satélites, estaciones climáticas, sensores y PLCs (en nuestro proyecto, los de la empresa Cordis). AI Agro Unifier desempeña un papel fundamental en este proyecto al automatizar tres procesos esenciales: la ingesta de este tipo de datos, el procesamiento de los datos recopilados y la posterior comunicación de los datos.
La creación de “procesos” de control, como el Proceso de Fincas, Proceso de Dispositivos, Proceso Climático y Proceso de Tratamientos, es también una funcionalidad esencial desarrollada con TuplOS. Estos procesos permiten visualizar los datos de cada integración, alertar de los modelos y crear un Proceso General que facilita la realización de cálculos globales con los datos de todos los procesos.
Además, a través de TuplOS se ha desarrollado un módulo de visión artificial para la detección de la salud de las hojas: este módulo funciona mediante el envío de una foto por parte del agricultor a través de WhatsApp. La foto es recibida, procesada y analizada, y se devuelve un resultado sobre la salud de la hoja.
Por ejemplo, si el sistema recibe una foto y reconoce que la hoja está dañada y necesita tratamiento, el Proceso General puede alertar al usuario de que no es posible realizar el tratamiento debido a que la temperatura es superior a 30º, lo cual sería contraproducente. Este nivel de integración y análisis avanzado asegura que los agricultores puedan tomar decisiones informadas y precisas, optimizando así el manejo de sus cultivos.
TuplOS es la columna vertebral de este proyecto, ya que permite realizar todas estas tareas de manera sencilla. Solo se requiere la lógica de aplicación, el conocimiento y la comprensión de cómo utilizarlo.
Como ya hemos mencionado, el campo es más complejo de lo que parece, y además de experiencia, se requiere la habilidad de relacionar datos y aplicar lógica. Por ejemplo, al comprender las necesidades climáticas específicas de cada cultivo y reconocer si las condiciones climáticas son adversas para él, somos capaces de detectar, cuantificar, medir y actuar; al final, la acción es lo más importante y para ello se necesita conocimiento. Por lo tanto, para este proyecto, se realizó un estudio exhaustivo para identificar todas las necesidades agronómicas y vegetativas de cada cultivo, así como el impacto del clima en cada fase fenológica y, sobre todo, la dependencia del agua. Este estudio nos permitió definir cada uno de los KPIs, es decir, identificar qué problema específico proviene de qué sensor, qué dato climático y en qué finca. De esta manera, podemos tomar medidas efectivas basadas en datos concretos. Esta es la lógica que hemos desarrollado y aplicado en nuestro enfoque.
Cada caso de uso implica un estudio distinto, un análisis complejo y un procesamiento único. Por lo tanto, tratamos cada caso de manera individual en nuestra plataforma.
3.a Caso de Uso de Riego Inteligente:
En el caso del riego, hemos establecido una sincronización con dispositivos IoT como tensiómetros, estaciones climáticas y satélites para obtener información diaria en tiempo real sobre el estado del cultivo. Esta información nos permite generar recomendaciones de riego personalizadas según las necesidades específicas de cada cultivo. Utilizamos modelos en nuestra plataforma para parametrizar los datos recibidos de estos dispositivos IoT y generamos alertas basadas en estos parámetros.
Estas alertas se envían al agricultor a través de un sistema de comunicación, como WhatsApp, para informarle sobre el estado del riego en su finca y proporcionar recomendaciones.
3.b- Caso de Uso de Visión Artificial con AI Agro Unifier
La plataforma de AI Agro Unifier utilizada en este proyecto, es un todo en uno. Compite a la altura de un ERP ya que tiene la capacidad de recaudar, almacenar, ordenar, analizar, y distribuir datos recabados previamente, de los cuales algunos datos (satelital, meteorológico, temperatura, humedad…) son obtenidos sin necesidad de un tercero.
Para este proyecto se ha desarrollado un caso de uso especifico, el cual tiene la siguiente funcionalidad:
Desarrollamos el sistema de AI Agro Unifier, basado en TuplOS, en el que el agricultor puede enviar una foto de una hoja a través de WhatsApp. Nuestra solución analiza la imagen utilizando visión artificial y técnicas de ML para determinar si la hoja está sana o enferma. Este módulo de visión artificial, que detecta la salud de las hojas, tiene el potencial de aplicarse a todos los casos de uso. Actualmente, estamos en la fase de reconocimiento de la salud de las hojas, y el próximo paso será identificar la plaga o enfermedad específica.
El mayor beneficio de esta tecnología es su facilidad de uso y utilidad en cualquier caso de uso.
En Tupl Agro, estamos asociando este análisis con las fases fenológicas del cultivo. Por ejemplo, si el agricultor envía una foto en marzo, sabemos que estamos en la fase de crecimiento, es decir, cuando aparece la flor. Durante esta fase, analizamos cuáles son las plagas o enfermedades más comunes que pueden afectar la flor. Basándonos en estos datos parametrizados, cuando recibamos una foto de una hoja enferma, la IA podrá identificar las posibles causas según la fase fenológica en la que se encuentre el cultivo.
A su vez, los “procesos” creados previamente en el panel de control de AI Agro Unifier, agrupan toda la información obtenida de una finca, proporcionando una visión integral y detallada de lo que está ocurriendo. Estos procesos funcionan como un 'master and commander', ofreciendo una visión general de todos los aspectos relevantes de la finca.
En la interfaz de usuario de AI Agro Unifier, puedes observar todos los datos unificados, ya sean satelitales, meteorológicos o específicos de tu finca. Por ejemplo, podrás ver cuántas alertas se han generado para cada finca. Este análisis de toda la explotación se presenta en un panel de control (o dashboard) que muestra toda la información relevante y el estado de todas las fincas gestionadas.
Desde la interfaz de usuario, puedes profundizar en cada vista y explorar los detalles específicos de cada finca o producto.
El proyecto ofrece una amplia gama de beneficios para la gestión de campos de cultivo y la agricultura en general:
1. Optimización del uso del agua:
2. Aumento de la productividad:
3. Reducción de costes:
4. Mayor eficiencia y control:
5. Sostenibilidad ambiental:
6. Escalabilidad y adaptabilidad:
7. Acceso a la información y la tecnología:
La segunda fase del proyecto, que aún está en desarrollo, automatizaría la orden de riego en las fincas sin necesidad de la supervisión constante del agricultor, confiando en su programa de IA. Esto aseguraría que siempre se actúa a tiempo, protegiéndose así de las consecuencias negativas de la falta de riego o el retraso en el mismo. El agricultor recibiría alertas y notificaciones sobre la necesidad de riego. Si el riego es imperativo y no se hace a tiempo, habría consecuencias negativas en la producción de aguacates, mangos, fresas, etc. La solución de automatización asegura que, independientemente de la disponibilidad del agricultor, las necesidades de riego se atiendan oportunamente, garantizando la salud y productividad de los cultivos.
Si bien actualmente existe una desconfianza por parte del agricultor debido a varias causas - como la falta de conocimiento y comprensión, la percepción de pérdida de control, junto con la ausencia de ejemplos tangibles - es fundamental asegurar una primera fase con resultados óptimos, precisos y tangibles, donde el agricultor pueda observar que el funcionamiento de la IA en su finca es eficiente y efectivo para aumentar su confianza en la IA y que los agricultores finalmente se sientan cómodos delegando todo el proceso de automatización del riego.
Convocatoria: Ayudas AEI 2023
Nº Expediente: AEI-010500-2023-207
Duración del proyecto: 1/6/2023-17/4/2024.
Presupuesto del proyecto: 415.335 €.
Subvención concedida: 315.867 €.
Smart City Cluster
Coordinador y gestor del proyecto.
INNOVA IRV
Ha evaluado las distintas opciones de plataformas robóticas terrestre para la mejor adaptación al terreno de cultivo de aguacates. Además, diseñó la arquitectura de datos del proyecto, permitiendo el almacenamiento, gestión y análisis eficiente de los datos recogidos, incluyendo el desarrollo de APIs para su acceso y análisis.
Universidad de Málaga (UMA)
Aporta un dron dotado de una cámara multiespectral y una plataforma robótica terrestre con un LIDAR 3D. Estos dispositivos hardware tienen la capacidad de obtener datos del terreno con una alta precisión. La resolución de las cámaras del dron permite capturar imágenes con una distancia de muestreo del suelo (Ground Sampling Distance, GSD) de hasta 2cm/píxel, dependiendo de la altura del vuelo. El LIDAR, por su parte, captura la estructura del entorno y permite realizar una reconstrucción del mismo. Juntos son capaces de construir un mapa de alta precisión de la finca.
Cordis SUITE
Proporcionan un PLC que traduce los datos recabados por el tensiómetro, actuando como intermediario entre los dispositivos IoT y Tupl. Facilita la recolección de datos de todo tipo de tensiómetros y permitiría la comunicación con la máquina de riego en la fase dos. El objetivo final de Cordis es tener la capacidad de conectarse a cualquier tipo de dispositivo y señal de comunicación para traducir la información.
Trops
Agradecemos su participación en el proyecto, ya que nos facilitaron los datos de los cultivos, recabados por sus tensiómetros, para analizarlos y obtener resultados y conclusiones. Esto nos ayudó a crear los modelos. Aunque Trops ya no forma parte del proyecto, su colaboración fue crucial para recolectar estos datos relevantes y avanzar en la resolución del proyecto.
El proyecto utiliza inteligencia artificial (IA) para mejorar la gestión automática y el riego inteligente de zonas verdes, enfrentando desafíos como la escasez de agua y el cambio climático. Desarrollado por un consorcio de organizaciones, se enfoca en sistemas de riego automatizado y gestión agrícola mediante IA y técnicas "no-code", facilitando a los agricultores la creación de modelos personalizados.
El proyecto ha mostrado avances significativos con la plataforma TuplOS, que integra diversas fuentes de datos y automatiza procesos clave, como la ingesta, el procesamiento y la comunicación de datos. Además, TuplOS incorpora un módulo de visión artificial que permite a los agricultores evaluar la salud de las hojas de sus cultivos mediante imágenes enviadas por WhatsApp. Esto es parte de un esfuerzo más amplio para digitalizar y optimizar la gestión agrícola, mejorar la eficiencia en el uso del agua, aumentar la productividad, reducir costos y fomentar la sostenibilidad ambiental.
El futuro del estudio se encuentra en la segunda fase, que buscará automatizar completamente el riego sin la supervisión constante del agricultor, abordando la desconfianza inicial de los agricultores mediante la demostración de resultados precisos y efectivos en la fase inicial.
Este proyecto representa un avance significativo hacia una agricultura más inteligente, eficiente y sostenible, utilizando tecnologías avanzadas para enfrentar los desafíos actuales y futuros del sector agrícola.
