24 Jul Cenit aplica Inteligencia Artificial en el sector agroalimentario. SCAPI
SCAPI es un proyecto de investigación industrial cuyo objetivo es el diseño y la construcción de un sistema de sensores. A través de la monitorización no invasiva, a gran escala, de forma continua y con una precisión a nivel de planta individual y de fruto, permite medir la evolución y calidad de los cultivos para la recogida óptima. Este proyecto implica una innovación relevante de la cadena de valor hortícola de invernaderos, centrada en la recopilación (mediante sensores) y posterior tratamiento (mediante Inteligencia Artificial y un DSS), de una amplia gama de información de interés para el cultivo de tomate en rama, que es aplicable en el futuro a otros cultivos.
La plataforma SCAPI va a permitir conseguir varios objetivos agronómicos, como son: incrementar la calidad del cultivo, determinar el momento óptimo de maduración, y monitorizar y estimar la producción.
Financiado por el Ministerio de Industria, Comercio y Turismo dentro del programa de apoyo a las AEI
SCAPI (Sensor Agronómico Complejo para Agricultura de Precisión en Invernaderos, ref.: AEI-010500-2021b-21) es una iniciativa financiada por el Ministerio de Industria, Comercio y Turismo (MINCOTUR), como parte del Plan de Recuperación, Transformación y Resiliencia, con los fondos Next Generation EU de la Unión Europea. Dentro del programa de apoyo a las AEI (Agrupaciones Empresariales Innovadoras) para contribuir a la mejora de la competitividad de la industria española. OnTech Innovation coordina este proyecto.
Cenit pertenece al mayor clúster tecnológico y biotecnológico andaluz: OnTech Innovation que tiene como fin principal la representación y fortalecimiento del tejido TIC y BioTIC de Andalucía mediante la prestación de servicios a sus empresas asociadas.
Cenit aplica la Inteligencia Artificial en SCAPI
El proyecto SCAPI recurre a varias innovaciones tecnológicas, como son los sensores IoT, el procesamiento de imágenes basado en cámaras hiperespectrales, modelos de Inteligencia Artificial y sistemas de analítica avanzada para la toma de decisión. Con el objetivo de proporcionar a los diferentes agentes de la cadena de valor de la industria agroalimentaria una solución digital que les permita determinar, con un grado de precisión no conocido hasta ahora, la evolución y los factores determinantes en la calidad de sus cosechas.
Cenit se encarga del diseño e implementación de los algoritmos de predicción (Modelo Inteligente) de SCAPI.
El grado Brix se considera una medida de gran valor para determinar la calidad del producto y por ello se centra el estudio en la predicción de esta información sin necesidad de su evaluación en laboratorio. El punto de partida es la selección de la variedad de tomate y la determinación del rango del espectro electromagnético que mejor permita identificar el grado Brix de los frutos de dicha variedad.
Sistema de predicción de Inteligencia Artificial
El sistema de predicción del nivel Brix en racimos de tomates se lleva a cabo tanto con imágenes hiperespectrales como con imágenes visibles. A partir de una nueva imagen tomada por el sistema de adquisición, el sistema es capaz de detectar automáticamente qué racimos aparecen en la imagen a través de un modelo de detección de objetos. Posteriormente, la imagen se recorta tantas veces como racimos aparecen en ella. Cada imagen hiperespectral recortada, con un único racimo, se envía al modelo de predicción del nivel Brix para obtener una estimación de dicho nivel de los frutos del racimo. Este modelo de detección de objetos se ha obtenido a partir de realizar un fine-tunning sobre un modelo YOLO-SMALL que fue originalmente entrenado con el dataset COCO 2017.
Creación y entrenamiento de los modelos de Inteligencia Artificial
El modelo de predicción del nivel Brix de los tomates de un racimo ha sido entrenado usando imágenes hiperespectrales. Como la cantidad de información contenida en este tipo de imágenes es demasiado grande como para que pueda ser procesada en un tiempo razonable durante el entrenamiento del modelo, ha sido necesario aplicar técnicas de reducción de la dimensionalidad. Una de ellas ha consistido en filtrar las bandas de las imágenes hiperespectrales para seleccionar únicamente aquellas que tienen mayor correlación con el nivel Brix. A partir de los datos obtenidos tras las fases de reducción de la dimensionalidad, se entrenaron distintos algoritmos de machine learning, obteniéndose los mejores resultados con Random Forest y Gradient Boosting.
Alcance del Proyecto SCAPI
La plataforma SCAPI cuenta con sensores (IoT y basados en cámaras hiperespectrales), desarrollos de Inteligencia Artificial y Sistemas de Apoyo a la Decisión.
Los sensores son de dos tecnologías diferentes. En primer lugar se recurre a sensores agronómicos (IoT) comerciales para conocer parámetros generales del cultivo, como, por ejemplo, temperatura, humedad en aire, humedad en suelo, etc. Y en segundo lugar, se recurre a un tecnología, objeto de investigación y desarrollo en el este proyecto. Que consiste en el despliegue de una red de lineales portantes anclados a las estructuras del propio invernadero, que permita el desplazamiento lineal y automatizado de un sensor con capacidades RGB y multiespectral y/o hiperespectral. La cámara de visión artificial registra de manera eficiente las imágenes de los frutos y con ello se obtienen resultados de maduración más adecuados.
La información capturada por los diferentes sensores se vuelca en una plataforma software con capacidad suficiente para almacenar y estructurar todos los datos generados, desde la cual se permite la consulta de dichos datos y la aplicación de diferentes técnicas de procesamiento. Sobre los datos de dicha plataforma se ha desarrollado un software de tipo Business Intelligence que permite monitorizar el estado del proceso, la evolución de los diferentes parámetros, indicadores y predicciones del algoritmo inteligente (IA).
Fases del proyecto SCAPI
La primera fase contempla la implantación del prototipo en invernaderos experimentales dedicados al cultivo de tomate en rama, localizados en la provincia de Almería. El proyecto se llevará a cabo en aproximadamente 10 meses, con un calendario de ejecución perfectamente definido y enmarcado en una metodología de gestión basada en SCRUM y PMP, donde se han definido una serie de indicadores de seguimiento con estrictos controles de aceptación. Cuya fecha de finalización es Agosto del 2022.
Tomando como partida los resultados obtenidos en la primera fase se inicia la segunda fase, a priori prevista para 2023. En la que los resultados obtenidos con el sensor asistido se deberán integrar con las herramientas de automatización de la explotación del invernadero, de manera que el control del riego, de la humedad y de la ventilación se hará directamente por parte del sistema.
Y en una última tercera fase se aplicará la tecnología desarrollada a otros cultivos, como sandía y melón, de los que SCAPI también proporcionará información de calidad que permitirá identificar el momento óptimo de la recolección y mayor momento de calidad.
Cenit con la Transformación Digital en el Sector Agroalimentario
Las tecnologías digitales generan en la actualidad unos 2,5 trillones de datos al día y la conectividad y el tratamiento de estos volúmenes ingentes de información están revolucionando los procesos de negocio de numerosas industrias. El sector agroalimentario no es ajeno a esta revolución digital y se está convirtiendo en un excelente campo de pruebas de multitud de innovaciones tecnológicas de toda naturaleza. Aprovechar las oportunidades que ofrecen estas tecnologías se ha convertido en una prioridad para el sector y de hecho se espera que sea uno de los ámbitos económicos donde más crecimiento experimenten las soluciones de transformación digital.
En el ámbito de la horticultura intensiva, la industria agroalimentaria basada en invernaderos se beneficia ya en la actualidad de grandes avances tecnológicos para la automatización de las instalaciones y los procesos de ventilación, riego y control de humedad de los mismos.
Con la aplicación de la sensorización de precisión de los invernaderos, junto con la adopción de técnicas de Inteligencia Artificial, se espera mejorar muchos de los procesos de decisión y optimizar el uso de los recursos, llevando a las pymes agroalimentarias a una situación sensiblemente mejorada en términos de productividad, rentabilidad y sostenibilidad.
Cenit impulsa la transformación digital en el sector agroalimentario aplicando la Inteligencia Artificial en el proyecto SCAPI, que permite identificar el momento óptimo de la recolección del fruto, así como identificar el momento de mayor calidad para llevarlo al mercado.
