» Investigación » SISIUS - Investigación en la USE

Responsable: José Cristóbal Riquelme Santos
Tipo de Proyecto/Ayuda: Plan Estatal 2013-2016 Retos - Colaboración Empresa
Referencia: RTC-2016-5524-2
Fecha de Inicio: 01-09-2016
Fecha de Finalización: 31-12-2018

Empresa/Organismo financiador/es:

• Ministerio de Economía, Industria y Competitividad

Socios:

• AGC Market View Services S.L.
• Instituto Andaluz de Tecnología
• Universidad Pablo de Olavide de Sevilla
• Novadrone, S.L.

Equipo:

• Investigadores:
  • María del Mar Martínez Ballesteros
  • Cristina Rubio Escudero

Contratados:

• Técnicos/Personal Administrativo:
  • José Antonio Fábregas Márquez

Resumen del proyecto:

Este proyecto intenta conseguir una herramienta software capaz de predecir el comportamiento de plagas de insectos en cultivos, centrándose principalmente en la mosca del olivo, aunque los resultados serían aplicables a otro tipo de plagas y cultivos. El principal problema para lograr este objetivo es que la aparición y evolución de las plagas de insectos suelen ser explosivas y esto dificulta su control, ya que el agricultor necesita iniciar el tratamiento en la semana previa a dicha explosión y generalmente, debido a la dificultad para detectar cuándo va a ocurrir dicha explosión, actúa tarde o muy pronto, por lo que los tratamientos son poco efectivos y generan un impacto ambiental alto. Además los costes para el productor son muy altos debido a la suma de dos factores: la pérdida de producción y la bajada de la calidad del producto.
Con el desarrollo de esta herramienta predictiva se pretenden los siguientes subobjetivos:

• Adelantar la evolución de la mosca permitiendo actuar justo a tiempo con una dosis mínima de pesticidas utilizando modelos predictivos.
• Disponer de herramientas de toma de datos en campo que ayuden a una gestión más precisa de la plaga, en concreto a poder actuar de forma localizada en las áreas en riesgo.
• Evaluar los beneficios económicos para el productor de forma estructurada para poder disponer de un producto cuyo valor esté contrastado.
• Certificar los beneficios ambientales que genera la aplicación del producto.

De esta manera, el desarrollo de modelos predictivos permitirán determinar cuándo y en qué medida se va a producir una explosión de la afección del insecto al fruto, haciendo posible aplicar los sistemas de control en el momento óptimo, reduciendo al mismo tiempo las cantidades de pesticidas a emplear y por tanto ayudando a mejorar la sostenibilidad de la producción de aceite de oliva.

Para ello, se va a partir de datos públicos y privados que comprenden variables meteorológicas y climáticas, geográficas, de evolución de la población de moscas y de estado del cultivo. A estos datos se añadirán datos de campo, tomados de forma tradicional y otros datos tomados mediante Sistemas Aéreos Tripulados Remotamente o drones, equipados con sensores adecuados y aplicando técnicas de teledetección. Con ellos se generará un conjunto de atributos optimizados que se utilizarán como entrada a los modelos predictivos, generando previsiones a una, dos, tres y cuatro semanas.

La enorme cantidad de información que se manejará casi en tiempo real hace necesario que se utilicen técnicas inteligentes de análisis de datos. En particular, dato su carácter on-line y masivo, se trabajará en el dominio de big data analytics, desarrollando para ello nuevas técnicas y adaptando las ya existentes.
Se pretende además, convertir esta predicción en una herramienta de fácil uso por los agricultores,  con la que podrán mejorar su producción, aumentar la calidad del aceite y disminuir el uso de pesticidas, protegiendo de esta forma el medio ambiente mediante el desarrollo de una agricultura más sostenible.

Las principales innovaciones que se conseguirán son:

• Herramientas y sistemas de adquisición de datos, incluyendo el uso de sensores que ubicados en drones permitan mejorar la información que es posible obtener a pie de campo y de sistemas de muestreo estándar.
• Desarrollo de los algoritmos de procesamiento de las imágenes capturadas en vuelo que proporcionen información relevante sobre el estado fisiológico de los olivos y condiciones físicas su entorno.
• Herramientas de gestión de la información, incluyendo el uso de Big Data, lo que comprende la gestión masiva de datos procedentes de fuentes diversas y comprobaciones de su nivel de confianza, precisión o chequeos cruzados, …
• Desarrollo de modelos a través de técnicas de minería de datos, identificación de relaciones no inmediatas entre variables, interrelaciones multidimensionales, simulación mediante sistemas expertos y capacidad de entrenamiento y actualización de los modelos.
• Desarrollo de ensayos en campo específicos para testear el resultado de los modelos.
• Evaluación de los beneficios alcanzados por el uso de estos modelos innovadores.