Qué es AgroTwin 2

AgroTwin 2 es un proyecto de investigación orientado a la agricultura de precisión. Su trabajo consiste en desplegar redes de sensores y sistemas de comunicación para monitorizar cultivos y apoyar la toma de decisiones de los agricultores con datos en tiempo real. El proyecto se centra en la optimización del riego y la fertirrigación, así como en la reducción del impacto ambiental de la actividad agrícola.

Dónde se prueba

El proyecto desarrolla sus ensayos en tres escenarios concretos:

Cultivos protegidos del sureste español: dos invernaderos de la Finca Experimental de la Universidad de Almería (Fundación UAL-ANECOOP). El invernadero U11 tiene 1.935 m² con ventilación natural y control climático; el U8 tiene 1.080 m² con sistemas avanzados de control climático y sensorización.
Cultivos frutales en clima subtropical: la finca "Las Angustias" en Motril (Granada), con aguacates de la variedad Hass.
Cultivos extensivos de cereales: parcelas de cultivo extensivo en campo abierto.

Tecnologías que utiliza

La infraestructura del proyecto combina varios tipos de sensores y sistemas de comunicación:

Estaciones meteorológicas para variables agroclimáticas.
Sensores de CO2, de humedad y potencial del agua del suelo, y de planta.
Medición de la calidad del agua de riego.
Sensores de consumo eléctrico, nivel de depósitos, caudal y presión en sistemas de riego.
Redes de comunicación LoRaWAN y 4G, con conexión a Internet mediante LAN, 4G o LoRa según cobertura.
Almacenamiento de datos cifrados en bases de datos PostgreSQL.

Riego y fertirrigación inteligentes

El proyecto ha desarrollado programas de riego que ajustan automáticamente el agua suministrada a los cultivos a partir de datos en tiempo real de sensores de humedad del suelo y estaciones meteorológicas. También ha implementado programas de fertirrigación que ajustan los nutrientes según el estado del suelo y las necesidades del cultivo. Según los estudios de calibración y evaluación realizados, estos métodos mejoran la productividad y reducen el uso de agua y fertilizantes.

Visualización de datos y visión artificial

La monitorización y gestión de los datos se realiza mediante una plataforma basada en Grafana, que permite visualizar la información en gráficos y paneles personalizados. Los datos se almacenan en PostgreSQL para su análisis y para alimentar modelos predictivos.

En el caso de estudio de visión artificial en invernadero, se recopilaron y etiquetaron manualmente imágenes de cultivos (hojas, frutos y posibles signos de enfermedades) para entrenar una red neuronal YOLO. El modelo se aplicó después a vídeo capturado en el invernadero, procesando cada fotograma en tiempo real para detectar y clasificar características de los cultivos.

Objetivos del proyecto

Mejorar la productividad agrícola mediante monitoreo y control de precisión.
Reducir el impacto ambiental, minimizando el uso de agua y fertilizantes y la huella de carbono.
Integrar tecnologías IoT y redes de sensores para la recolección de datos en tiempo real.
Desarrollar modelos predictivos con aprendizaje profundo para recomendar decisiones de gestión de cultivos.
Optimizar el riego y la fertirrigación de forma automática.
Adaptar las soluciones a distintos tipos de cultivos y condiciones ambientales.

Para confirmar el alcance actual del proyecto, sus resultados o posibles vías de colaboración, conviene contactar directamente con sus responsables.