Fuentes de recolección de datos Agricultura 4.0

Los agricultores están recolectando datos de sensores para pasar de la agricultura preventiva a la predictiva.

Desde sus inicios, la Revolución Industrial se ha centrado en la automatización de los procesos productivos. Ahora que hemos entrado en la era de la Industria 4.0, la mayoría de los procesos industriales se han centrado en los datos, lo que generalmente implica cinco pasos de manipulación de datos:recopilación, transmisión, almacenamiento, análisis y, finalmente, visualización. Este último paso es mantener a los humanos informados, pero los datos también se pueden retroalimentar a algún dispositivo de actuación, llevando el proceso al ámbito de la robótica.

La agricultura no ha sido inmune a la industrialización durante los dos últimos siglos y, en los últimos años, la Agricultura 4.0 ha cobrado impulso. Así como la producción industrial hizo la transición hacia la gestión de datos, la agricultura ahora está siguiendo ese camino. Las empresas que tradicionalmente han servido a los segmentos industriales ahora ofrecen enfoques similares centrados en datos para el sector agrícola, e incluso estamos viendo a los fabricantes de equipos agrícolas expandirse hacia la fabricación de equipos industriales. Aunque la agricultura a menudo se caracteriza por un entorno no estructurado con respecto a las industrias de fabricación industrial tradicionales, la versatilidad de las nuevas tecnologías centradas en datos está ayudando a la agricultura a convertirse en una industria que se pone a prueba de la misma manera que la automoción o la aeroespacial. El agricultor se ha convertido en un ingeniero como cualquier otro ingeniero.

Todo comenzó en la década de 1990 con el primer equipo de automatización para la industria láctea de alto valor, principalmente máquinas de ordeño de empresas como el fabricante sueco DeLaval y Lely, con sede en los Países Bajos. Al mismo tiempo, empresas como Satake, con sede en Japón, y Bühler, con sede en Suiza, desarrollaron clasificadores ópticos para granos, en particular arroz. Algunas de estas técnicas de selección terminaron nuevamente en el campo para productos agrícolas de alta gama, como las uvas de viñedo. Pellenc, en el sur de Francia, desarrolló este tipo de equipo robótico, que transformó a los agricultores en científicos de datos.

De hecho, una vez que se implementó la automatización para esta nueva generación de agricultores, tuvieron la oportunidad de dar un paso más, no solo mirando pasivamente su rendimiento, sino actuando de manera proactiva para mejorar la calidad y cantidad de sus productos agrícolas. Mientras que las operaciones agrícolas a pequeña escala del pasado podían depender de los ojos y la intuición del agricultor para monitorear las actividades diarias, las gigantescas operaciones agrícolas de hoy ya no pueden depender de los sentidos humanos. La tecnología de datos se ha convertido en fundamental para dirigir la granja en la dirección correcta. Ya sea para el pastoreo, la producción de cultivos o la producción de alta gama como el vino, los datos son el foco de Agricultura 4.0.

Utilización de la cámara en la agricultura

Uno de los mejores ejemplos de gestión de datos agrícolas es el seguimiento de campos mediante drones. Parrot, con sede en París, es un actor clave en ese dominio, en gran parte gracias a su filial estadounidense, MicaSense. Sin embargo, la compañía francesa anunció en enero que había acordado vender MicaSense a AgEagle Aerial, una empresa estadounidense de recolección de datos, análisis, servicios de imágenes aéreas y drones, por 23 millones de dólares. MicaSense desarrolló una cámara que usa diferentes longitudes de onda para calcular mapas de índice de vegetación de diferencia normalizada (NDVI), que se han convertido en la forma aceptada de monitorear el crecimiento de los cultivos y detectar áreas problemáticas. La metodología de vanguardia ahora es descargar los mapas NDVI a los tractores y así ajustar los fertilizantes entregados al campo.

La Administración Federal de Aviación de EE. UU. (FAA) informó recientemente que el 7% de los 1,6 millones de drones registrados en EE. UU. Tenían fines agrícolas. Esto representa más de 100.000 drones activos para la agricultura en los Estados Unidos. Si bien representa solo una pequeña parte del mercado general de drones comerciales, el segmento de drones agrícolas se ha convertido en una realidad significativa que genera ingresos. La recopilación de datos es cada vez más el papel de los robots. Ya sea para un granero automatizado, un dron agrícola o un tractor autónomo, los datos ya no son el nuevo aceite; es la nueva cosecha.

Utilización de IMU en agricultura

Los robots utilizados en la agricultura inteligente se dividen en dos categorías principales:aéreos (drones) y terrestres (como tractores y cosechadoras). En ambos casos, las funcionalidades de los robots se basan en varios tipos de sensores. Una de esas funciones es el sistema inercial para la navegación y la estabilización, que debe cumplir con los requisitos de alto rendimiento, confiabilidad y precisión; deriva de sesgo baja; baja inestabilidad de sesgo; y un rendimiento estable frente a la temperatura, todo a un precio asequible, para justificar la inversión.

haga clic para ver la imagen a tamaño completo

(Fuente:Yole Développement)

haga clic para ver la imagen a tamaño completo

(Fuente:Yole Développement)

Los drones permiten monitorear la salud y el estado de los campos de cultivo (a través de cámaras) y generalmente se utilizan para la fertilización de campos pequeños a medianos (<20 hectáreas) como una alternativa a las soluciones de fertilización más costosas basadas en aviones. La navegación y estabilización con drones son muy importantes a la hora de apuntar la cámara al suelo, ya que es necesario saber qué está capturando la cámara. A una altura de 10 metros, un error de 5 ° da como resultado un error de 80 cm.

Si bien el GPS podría ser lo suficientemente preciso para la navegación con drones, se necesitan soluciones sólidas de unidad de medición inercial (IMU) para la estabilización de la cámara.

Los vehículos robóticos terrestres para la agricultura navegan por las hileras de cultivos y necesitan una precisión centimétrica para evitar dañar las plantas. La mayoría de estas máquinas cuentan con un sistema GPS preciso, que permite al conductor conocer la ubicación del vehículo y evita la doble fertilización o la falta de fertilización. Sin embargo, el GPS podría ser limitante en los casos en que el robot conduzca, por ejemplo, debajo de árboles, donde la señal podría perderse. Ahí es donde se necesitan las soluciones IMU o del sistema de referencia de actitud-rumbo (AHRS). Las IMU basadas en sistemas microelectromecánicos (MEMS) están bien equipadas para cumplir con los requisitos de aplicaciones terrestres de alto rendimiento y bajo tamaño, peso, potencia y costo (SWAP-C).