Big Data para mejorar la rentabilidad de los cultivos de invernadero

Unica Group, Investigadores del grupo Automática, Robótica y Mecatrónica de la Universidad de Almería, COEXPHAL e Hispatec trabajan en el Grupo Operativo Rentia para el desarrollo del proyecto “Inteligencia Artificial y Big Data para la mejora de la rentabilidad del agricultor andaluz” desde 2017 hasta el 2020 con el objetivo de mejorar la rentabilidad en el campo almeriense gracias a la aplicación del Big Data y la inteligencia artificial a la producción de cultivos.

Fecha: 11-Sep-2020

Fuente: A en verde

En esta experiencia han colaborado diversos agricultores y agricultoras de las cooperativas integrantes de Unica Group, seleccionados por su experiencia en sistemas de sensores y con edades comprendidas entre los 26 y 65 años junto a técnicos del grupo Unica con el fin de obtener datos comparativos basados en el criterio de la mejora de la capacitación tecnológica del agricultor que a su vez genere una mayor rentabilidad de los cultivos, y por tanto de los agricultores.

GORentia se ha desarrollado en diferentes etapas que comenzaron con el diseño de un sistema de digitalización para la obtención de los datos, la recogida de dicha información en campo y la centralización de toda esa información en sistemas, donde posteriormente se puedan explotar. Para ello, se desarrolló una herramienta para el análisis de esos datos de forma asistida que permitiera realizar las correcciones necesarias, así como la obtención de información en campo a través dispositivos móviles.

De interés: Los agricultores toman entre 40 y 50 decisiones al día sobre sus cultivos

Asimismo, el ERP agro de Hispatec ha sido preparado para soportar el registro de datos agronómicos procedentes de las fincas y cultivos dados de alta en el sistema, siendo este registro ágil y flexible, con capacidades de poder ofrecer estos datos a sistemas analíticos que utilicen tecnologías BIGDATA.

Una vez diseñados estos sistemas de recogida y filtrado de datos, los primeros ensayos en invernadero en cultivos de tomate y pimiento comenzaron en la campaña 2017-2018, y de cultivos de tomate en las dos siguientes, hasta esta última campaña 2019/2020.

Con los datos recogidos en los ensayos, el grupo ARM de la UAL ha trabajado en la obtención de modelos que permiten predecir el crecimiento del cultivo de tomate basado en las variables climáticas que tienen una mayor influencia en el crecimiento (temperatura, CO2 y radiación), y otras que lo hacen de forma significativa pero que normalmente no se incluyen en los modelos de crecimiento por la complejidad que conlleva: incorporación de las prácticas culturales como podas, deshojados, destallados o despunte, reducción del crecimiento por utilización del blanqueo, vigor del cultivo, déficit hídrico o el efecto de la salinidad en el crecimiento que intervienen  en la determinación de la dinámica de crecimiento, desarrollo y rendimiento de cultivos en ambientes de invernadero.

Estos modelos, una vez validados se convierten en una poderosa herramienta que puede contribuir a ayudar a la hora de tomar de decisiones prediciendo la dinámica de la producción en el invernadero en función de las diferentes configuraciones de invernadero y sus principales características: localización, diferentes estructuras, geometrías y materiales de cubierta, además de los distintos sistemas de actuación (ventanas, calefacción, malla de sombreo, humidificación…).

Con esta información extra se pretende ayudar a los profesionales de la agricultura a desarrollar planes de control climático y riego con herramientas que ofrecen la posibilidad de probar hipótesis, sintetizar el conocimiento, describir y comprender sistemas complejos y comparar distintos escenarios.

De interés: GO Rentia: Los datos y la toma de decisiones del agricultor

En base a esta referencia, el presente proyecto en sí pretende ser una aportación a la agricultura almeriense, ya que no se había realizado hasta el momento un trabajo adaptado a estas características con un gran número de agricultores y agricultoras, que recoja tal cantidad de datos que permita predecir el crecimiento del cultivo en función de las condiciones climáticas. Como se ha visto, desde el procesamiento de datos obtenidos de los sensores, hasta que los agricultores pudieron utilizar el modelo, con un resultado muy satisfactorio, el sistema ha pasado por varias fases readaptándose de forma continua. El siguiente paso será implementarlo en el sistema de medida o en los controladores de clima para ayudar a que su utilización se generalice en un futuro próximo.