BIHORTAFLOR INNOVA
Título del proyecto – BIHORTAFLOR INNOVA
BioHortaflor Innova pretende desarrollar herramientas que permitan definir estrategias óptimas de riego en cítricos, frutales, flor cortada y hortalizas, mediante el uso de tensiómetros que proporcionen datos de entrada de invernaderos, desarrollar modelos predictivos de acopio en pimiento mediante algoritmos de inteligencia artificial, los cuales se alimentan de datos climáticos y productivos de invernadero, incluyendo aquellos derivados de la gestión agronómica y tensiómetros, así como los propios de acopio en comercializadora, y ajustar una herramienta de optimización incluyendo condicionantes económicos que definan las acciones a llevar a cabo en la estrategia comercial de los productos y su precio de venta disponiendo una previsión de producción y acopio más precisa, de forma que aumente la competitividad y el beneficio por las operaciones de invernadero.
El Proyecto BiHortaflor demostrará la utilidad de las herramientas de Inteligencia Artificial aplicadas al riego y a la previsión de producción, logrando la optimización de la gestión agrícola de invernaderos y la mejora de la competitividad y el acceso a mercado de los productores miembros de este Grupo Operativo.
En relación a la gestión de los sistemas de riego, gracias a los dispositivos de medición y control se logrará optimizar la gestión de riego y el uso de recursos hídricos, maximizando la productividad.
En primer lugar se recogió la información referida a la producción comercial y al consumo hídrico del ciclo de cultivo previo al inicio del proyecto. A partir de la producción y el consumo hídrico se calculó la Eficiencia en el Uso del Agua de riego a partir de la relación entre la producción comercial y el consumo hídrico.
Se instalaron 46 nodos en 32 parcelas: 18 nodos en pimiento, 7 nodos en cultivo de cítricos, 4 nodos en frutales de hueso, 2 nodos en almendro, 1 nodo en granado y 1 nodo en cultivo de aguacate.
En la segunda parte del proyecto se realizó el desarrollo de modelos predictivos locales utilizando la información y procesada y mejorada, y validación mediante back-testing.
- Predicción de series temporales mediante soft computing.
- Predicción de series temporales mediante hard computing
- Desarrollo de soluciones ad hoc.
Desarrollo de la Plataforma de Soporte a la Predicción
La plataforma de software permite definir fuentes de información, facilita y maneja la comunicación, automática y segura, entre el sistema y dichas fuentes, y la descarga de los datos y su almacenamiento, así como su adaptación y conversión a un modelo de Base de Datos que, además es escalable y flexible para contemplar los diversos puntos de variación y factores de cambio de los que el mercado está sujeto.
- Web: bihortaflor.es