BSV - GRAPEVINE - IDI CDTI

BSV - GRAPEVINE - IDI CDTI

El proyecto GRAPEVINE pretende fomentar el uso de las infraestructuras de datos abiertos (Open Data en inglés) y de computación de alto rendimiento (High performance Computing o HPC) para el desarrollo de un modelo predictivo basado en técnicas de aprendizaje automático (Machine Learning).

Agroindustria digital

Problemática

El proyecto pretende mejorar la prevención y el control de enfermedades de la vid, como por ejemplo: el Mildiu, con el objetivo de reducir la cantidad de fungicida usado en la prevención de estas enfermedades, así como el número de tratamientos preventivos realizados por los productores del sector vinícola; introduciendo, de este modo, el criterio de sostenibilidad en la producción agrícola y ofreciendo a los consumidores productos de mayor calidad y más seguros.

Resultados

De esta forma el modelo que se ha desarrollado para controlar el Mildiu, así como otras enfermedades de la vid, permite:

  • Usar la infraestructura existente tanto de open data como HPC para hacer frente a los retos que se presentan en el sector agrícola.
  • Proporcionar un sistema de información abierto que podrá ser usado por los productores vinicolas para realizar tratamientos más efectivos contra las enfermedadades de la vid.
  • Proporcionar un servicio reusable que potencialmente podrá ser utilizado en cualquier región del mundo que se enfrente a problemáticas similares.

Se utilizan distintos conjuntos de datos, desde imágenes multiespectrales de la Copernicus-Sentinel-2; hasta observaciones de evolución de la fenología de viñedo y de la presencia de enfermedades y plagas de Red FARA (Red de Vigilancia Fitosanitaria de Aragón), soportada por CSCV, y completado con datos facilitados por UNIZAR; pasando por las estaciones meteorológicas que gestiona SARGA de la red SIAR y las 14 estaciones que ha desplegado durante el proyecto del proyecto, así como, las de AEMET cercanas a o situadas en las denominaciones de origen. También, las predicciones meteorológicas basadas en los modelos de Agroapps.

ITA ha integrado los datos de las distintas fuentes y ha desarrollado modelos de predicción de fenología de la vid y de las enfermedades y plagas que le pueden afectar utilizando algoritmos de Machine Learning. Para el entrenamiento de los modelos ITA está utilizando recursos propios, así como los facilitados por CESGA.

Soluciones tecnológicas aplicadas

Casos de éxito

Skip to content