Vitivin organizó 5 jornadas técnicas en diferentes regiones de Cataluña gracias a una subvención de la Generalitat. En ellas se trataron temáticas relevantes e innovadoras. Participaron ponentes de todo el territorio Español.

Jornadas Vitivin Cat

Jorge Gago

Los nano y micro-UAVs (drones) tienen grandes capacidades de vuelo y cámaras de alta resolución que les permite hacer vuelos automáticos entre las filas del viñedo o justamente sobre ellas y, por lo tanto, tener la resolución suficiente para contar el número de racimos, estimar su calibre medio y productividad.

Los UAVs (Unmanned Aerial Vehicles) han revolucionado las escalas temporales y espaciales de la agricultura de precisión. Sin embargo, tras varios años y decenas de trabajos su utilización para la viticultura de precisión está reducida a investigaciones académicas y unas pocas compañías especializadas. Probablemente, esto sea debido a las necesarias capacidades técnicas y a la legislación vigente que tiene que garantizar la privacidad y seguridad ciudadanas. Recientemente, la industria de los UAVs ha comenzado a comercializar nano y micro-UAVs con grandes capacidades de vuelo, cámaras de alta resolución y pequeño tamaño,&nbsp;reduciendo así los riesgos para la seguridad ciudadana. En este trabajo que expuso Jorge Gago,&nbsp;doctor en biología e investigador en la UIB-INAGEA, en la Sesión 3. Manejo del viñedo y nuevas tecnologías al servicio de la viticultura, se ha empleado un UAV (&lt;750 g) equipado con una cámara HD RGB. Su reducido tamaño le permite hacer vuelos automáticos de una manera no descrita anteriormente, entre las filas o justamente sobre ellas (&lt;75 cm) del viñedo experimental (cv. Tempranillo y Garnacha) con diferentes tratamientos de riego. Esta reducida distancia&nbsp;permite tener la resolución suficiente para contar el número de racimos, estimar su calibre medio y productividad. Estos datos fueron validados mediante medidas directas en la viña obteniendo correlaciones significativas (R^2 0.59-0.67). Esta metodología no requiere de complejas calibraciones específicas para el sensor de teledetección. En un futuro próximo y en combinación con procesado de imágenes directamente en la "nube", esta metodología podría conseguir una adopción más generalista dentro del mundo de la viticultura de precisión y el uso eficiente de los recursos.

Micro y nano-UAVs: ¿Un nuevo desafío para la agricultura de precisión?

Miguel Ángel Moreno

La producción suele estar indirectamente relacionada con la calidad de la uva y de los vinos resultantes y de ahí el interés de poder predecir el nivel productivo. Se ha evaluado la eficacia del uso combinado de índices de vegetación y técnicas de visión computacional a partir de productos de alta resolución.

La producción de las cepas suele estar indirectamente relacionada con la calidad de la uva y de los vinos resultantes, de ahí el interés de poder predecir el nivel productivo tanto para actuar mediante prácticas de cultivo como para llevar a cabo estudios de zonificación. Bajo este supuesto, se ha evaluado la eficacia del uso combinado de índices de vegetación y técnicas de visión computacional a partir de productos de alta resolución, obtenidos con vehículos aéreos no tripulados para predecir las variaciones de producción entre cepas de un viñedo de la variedad Bobal, sometido a diversos tratamientos de riego y de manejo del suelo y de la vegetación. Por lo tanto, las variaciones de producción entre cepas fueron el resultado de las condiciones edafoclimáticas de la parcela y de las prácticas de manejo llevadas a cabo durante la campaña 2017 en un viñedo comercial situado en Requena (Valencia). Los resultados ponen de manifiesto que las mejores predicciones de la cosecha final se obtienen con la utilización combinada de índices de vegetación y técnicas de visión computacional principalmente al final del período vegetativo, próximo a vendimia. Bajo este supuesto, sería posible actuar delimitando zonas del viñedo con distintas producciones para realizar una vendimia de precisión con diferentes fines enológicos. En el inicio del ciclo, también se obtuvieron correlaciones razonables entre los índices de vigor y la productividad final que pueden ayudar a definir prácticas de manejo. Las técnicas de visión artificial y de teledetección pueden permitir diferenciar entre niveles productivos de distintos viñedos, y en función de con qué anticipación pueden resultar útiles para diversos fines. Miguel Ángel Moreno,&nbsp;Doctor Ingeniero Agrónomo y profesor de la Escuela Técnica Superior de Ingeniería Agronómica y de Montes (ETSIAM) de la UCLM, expuso este trabajo enmarcado en la&nbsp;Sesión 3. Manejo del viñedo y nuevas tecnologías al servicio de la viticultura.

Predicción de cosecha utilizando máquinas de aprendizaje y productos de teledetección de alta resolución obtenidos con "drones"

Salvador Gutiérrez

La agricultura digital se basa en la aplicación de tecnologías de sensórica para la adquisición de grandes volúmenes de datos y, a partir de éstos y aplicando técnicas de inteligencia artificial, obtener información útil para la toma de decisiones.

<h2>Agricultura digital</h2>
Hasta ahora, la mayor parte de las decisiones que los agricultores toman se basan en una combinación de experiencia, análisis visual y recomendaciones extendidas por otros agentes. Las decisiones adoptadas suelen tratar de forma gruesa a todo un cultivo, y no aplicar tratamientos individualizados a zonas que son naturalmente heterogéneas. Estas prácticas limitan la eficiencia de las explotaciones agrarias y, por tanto, una mayor sostenibilidad. Para mejorar la práctica agrícola atendiendo a las necesidades particulares de cada elemento del cultivo, es necesaria una toma de decisiones basada en información procesada de datos objetivos, obtenidos principalmente de mediciones directas en el terreno. Sin embargo, la obtención de datos es el factor más limitante a la hora de tomar decisiones precisas, pues se ha llevado a cabo de forma clásica a través de muestreos y análisis costosos (en tiempo y dinero), siendo en muchos casos necesarios los análisis en laboratorio.
<img style="width: 680px;" src="https://www.vitivin.pro/wp-content/uploads/2019/07/portada-tesis.jpg" width="680" height="480" />
La agricultura digital se basa en la aplicación de tecnologías de sensórica para la adquisición de grandes volúmenes de datos y, a partir de éstos y aplicando técnicas de inteligencia artificial, obtener información útil para la toma de decisiones. [registrado]Aplicar agricultura digital conlleva una serie de ventajas para los agricultores en cuanto a una mejora del rendimiento del cultivo y una reducción de costes, pues su práctica implica el utilizar solo los recursos justos y necesarios que cada planta demanda. Además, la implementación de técnicas de agricultura digital no solo trae beneficios al agricultor, sino que es también positiva para el medio ambiente. Investigaciones llevadas a cabo por el Servicio de Estudios del Parlamento Europeo concluyen que aplicar técnicas en agricultura para un manejo preciso del cultivo tiene un impacto positivo en el medio ambiente al reducirse la degradación del suelo, el consumo de combustibles o la aplicación de químicos en el suelo o el agua.
En la práctica de la viticultura, los agricultores han tenido desde siempre conocimiento empírico de la variabilidad intrínseca de cada viñedo (zonas con distinto vigor, plantas con diferentes niveles de estrés hídrico o maduración). Sin embargo, las prácticas poco han cambiado en términos generales, siendo común el manejo homogéneo del viñedo. Por lo expuesto anteriormente, y dada la importancia que tiene el cultivo de uva en Europa, especialmente para la producción de vino, la viticultura se puede beneficiar a muchos niveles de las prácticas de la agricultura digital (viticultura digital). El conocer distintos parámetros de la vid y la uva presentas en un viñedo permitirían una mejor toma de decisiones sobre qué tratamientos hídricos aplicar y dónde, distinguir uvas de distinta calidad, cuándo vendimiar, etc.
<h2>Sensores e inteligencia artificial</h2>
La tecnología nos permite ya la adquisición masiva de datos de forma rápida. Entre las más destacadas, la sensórica no invasiva es una tecnología de especial utilidad en viticultura, pues es capaz de medir distintos elementos del viñedo directamente en campo y sin necesidad de destruir la muestra a analizar. Además, existen también soluciones para la toma de datos en continuo, a través de sensores montados en vehículos en movimiento (figura 1). <img style="width: 498px;" src="https://www.vitivin.pro/wp-content/uploads/2019/07/fig1.png" alt="Ejemplos de sensores" width="498" height="579" />
Figura 1 - Ejemplos de diferentes sensores: (a) dendrómetro; (b) detectores de humedad del suelo; (c) radiómetro de infrarrojos; (d) cámara térmica montada en un vehículo en movimiento.
Sin embargo, por sí solos, los datos que los sensores adquieren no sirven cuando se tienen que tomar decisiones, ya que se deben de transformar en información, y es aquí donde entra en juego la inteligencia artificial. La inteligencia artificial ha supuesto una revolución a distintos niveles sociales, laborales e industriales. Ésta ha evolucionado ampliamente durante las últimas décadas para proveer de herramientas que permitan a los ordenadores aprender. Por estos motivos, su combinación con tecnologías de sensores no invasivos la hace muy atractiva para aplicarse en viticultura digital.
<h2>Objetivos</h2>
El principal objetivo de la tesis desarrollada fue la combinación de inteligencia artificial y sensores no invasivos para la estimación de importantes características agronómicas, fisiológicas y cuantitativas en agricultura y viticultura digital.
De entre los distintos objetivos específicos, se presentan a continuación los resultados de dos experimentaciones que se llevaron a cabo para la medición del estado hídrico del viñedo y la estimación de la composición de la uva.
<h2>Metodología</h2>
La principal herramienta de adquisición de datos fue no un sensor, sino una plataforma terrestre (un quad) que se utilizó como base para la adquisición de datos. En la figura 2A se observa el quad diseñado para la toma de datos en continuo.
<img style="width: 719px;" src="https://www.vitivin.pro/wp-content/uploads/2019/07/fig2.png" alt="Quad con accesorios de sensores" width="719" height="759" />
Figura 2 – (A) Plataforma de adquisición de datos con distintos sensores montados; (B) espectrómetro de infrarrojo cercano; (C) ordenador industrial, tablet de control y procesador espectral; (D) cámara térmica; (E) ordenador industrial y tablet de control de la cámara térmica.
 
La plataforma cuenta con un ordenador industrial y una tablet de control de sensores (figura 2C), y es capaz de realizar mediciones de la espaldera del viñedo a 5 km/h sin detenerse. Para la predicción del estado hídrico, se utilizó una cámara térmica FLIR A35 que capturó imágenes de las plantas para medir la temperatura de las hojas expuestas y elaborar, usando inteligencia artificial, modelos de predicción de estado hídrico del viñedo (midiendo el potencial hídrico del xilema, ψstem).
La estimación de la composición de la uva se llevó a cabo realizando mediciones con una cámara hiperespectral cubriendo el rango visible e infrarrojo cercano. Una cámara hiperespectral toma imágenes digitales en las cuales cada píxel almacena, en lugar de información de tres colores como en cámaras de fotografía (rojo, verde y azul), un espectro completo de la luz que ha reflejado el objeto de la escena medida. Esto permite analizar la composición de la materia que se analiza utilizando herramientas matemáticas de modelado e inteligencia artificial.
De las imágenes térmicas se analizó el área central de la espaldera, filtrando aquellas temperaturas que quedasen dentro de un rango limitado por temperaturas mínimas y máximas previamente definidas (figura 3A). Las imágenes hiperespectrales (figura 3B, arriba) se procesaron realizando una comparación píxel a píxel con un espectro referencia de racimo de uva, de manera que destacaron más (color más oscuro) aquellos píxeles con mayor nivel de pertenencia a uva (figura 3B, central), para finalmente filtrar los racimos teniendo en cuenta sólo aquellos píxeles que superaban un valor umbral predeterminado (figura 3B, abajo).<img style="width: 961px;" src="https://www.vitivin.pro/wp-content/uploads/2019/07/fig3.png" alt="Imagen térmica" width="961" height="378" />
Figura 3 – (A) Imagen térmica; (B) tratamiento de las imágenes hiperespectrales.
 
<h2>Resultados</h2>
Los datos adquiridos permitieron un desarrollo de modelos de predicción precisos para la estimación del estado hídrico del viñedo y la composición de uva. En la figura 4 se observan las gráficas de correlación de los modelos de estado hídrico. Se observa un aceptable nivel de correlación entre el valor real de potencial hídrico (eje X) y el valor predicho por los modelos (eje Y), con un R2 superior a 0.60.
<img style="width: 443px;" src="https://www.vitivin.pro/wp-content/uploads/2019/07/fig4.png" alt="Gráfico de correlación" width="443" height="417" />
Figura 4 – Gráfico de correlación para la predicción del estado hídrico.
 
El análisis de las imágenes hiperespectrales permitió analizar la distribución espacio-temporal del viñedo, en la que en cada fecha se pudo estimar el valor de niveles de azúcares y antocianos en uva (figura 5).
<img style="width: 672px;" src="https://www.vitivin.pro/wp-content/uploads/2019/07/Fig5-Tesis-Salvador.jpg" alt="Distribución azúcares y antocianos" width="672" height="820" />
Figura 5 – Distribución espacio-temporal de contenido en azúcares y antocianos en cuatro fechas distintas.
 
<h2>Discusión y conclusiones</h2>
La estimación del estado hídrico del viñedo y la composición de la uva se puede llevar a cabo de forma satisfactoria mediante la combinación de sensores no invasivos y técnicas de inteligencia artificial. Estos resultados abren una puerta para la aplicación de nuevas tecnologías en el manejo preciso del viñedo, mejorando la sostenibilidad y reduciendo el impacto industrial al poder tomar mejores decisiones a partir de información más fiel al terreno. Aunque sigue existiendo un salto entre la investigación y la aplicación industrial, la tecnología y los avances permiten que, en cada vez menos tiempo, puedan nacer y crecer servicios de análisis con estas herramientas para la medición del estado del viñedo.
 
<a href="https://drive.google.com/open?id=1sENZRvfb8qzMPOenxgGyOa7e5nP2DobM" target="_blank" rel="noopener noreferrer">Tesis completa</a> [/registrado]

Sensores no invasivos e inteligencia artificial en la viticultura digital

Ponencia

Introducción. Relevancia de la industria del vino en España y en Europa

¿Qué información es útil para un viticultor?

¿Cómo podemos vincular las decisiones en campo con las propiedades del futuro vino?

¿Cómo puedo trabajar por zonas? Madurez, vigor, estrés hídrico, NDVI, etc.

¿Dónde se situaría VineScout en el ciclo productivo?

VineScout en campo

Avances y novedades en tecnología de vinificación y viticultura como nuevos tratamientos, prácticas y equipos.

Tecnología

Francisco Rovira Más

Cada vez se requieren más datos, que sean fiables y que se obtengan con mayor frecuencia. Para solucionar este déficit, un consorcio de investigación europeo trabaja en un robot autónomo de monitorización de viñedos, cuyo objetivo final es ayudar a los productores de vino a medir los parámetros clave del viñedo.

Teniendo en cuenta la importancia del sector vitivinícola a nivel mundial, cada vez se requieren más datos, que sean fiables y que se obtengan con mayor frecuencia. La pregunta es, ¿qué información es útil para el viticultor? Algunas de las principales preocupaciones son la optimización de los tratamientos fitosanitarios, el momento óptimo para vendimiar y la gestión del estrés hídrico. Para obtener datos de estas preocupaciones se usan técnicas que requieren mucha mano de obras y la representatividad de los resultados puede ser dudosa.Por ejemplo, para conocer el estrés hídrico se mide el potencial hídrico usando equipamiento complejo y requiere de un equipo técnico. Esto provoca que sólo se obtengan datos de este parámetro para investigación o en algunos casos para grandes bodegas. Otro ejemplo es el control de la maduración mediante muestreo en campo y posterior análisis en laboratorio. Todo esto&nbsp;impide que el viticultor y el enólogo tengan acceso a información completa y fiable durante los ciclos de crecimiento y maduración de la vid, de forma regular y en tiempo real. De esta forma, la mayoría de los productores no utilizan datos que podrían ayudarles a optimizar el manejo de su viña y, en última instancia, a influir en la calidad del vino que producen.Para solucionar este déficit, un consorcio de investigación europeo liderado por la UPV trabaja en un robot autónomo de monitorización de viñedos en el marco del proyecto Vinescout. El objetivo final de este estudio como expuso en la siguiente ponencia Francisco Rovira Más, Director de Agricultural Robotics Laboratory en la UPV y coordinador de este proyecto, es ayudar a los productores de vino a medir los parámetros clave del viñedo, incluida la disponibilidad de agua (estado del agua de la vid), la temperatura de la hoja/copa de la vid y el vigor de la planta.Este robot permite un muestreo intensivo, pasando de 20 medidas por hora utilizando el método tradicional, a más de tres mil datos por hora sin que el usuario tenga que esforzarse para conseguir las medidas. Al final, el productor obtiene un mapa de su parcela con datos que le dan idea de cuándo activar el riego si dispone de él en ella, o de la fecha de la vendimia, así como de la distribución de las plantas más productivas de su viñedo".