Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos
Los productores de viñedos han estado reuniendo información operacional significativa sobre sus campos, y las fincas más avanzadas pueden producir varios años de datos sobre cómo se ha plantado, regado, fertilizado y cómo han madurado las uvas. A pesar de esta riqueza de datos operacionales, hoy en día no existe ninguna herramienta que pueda complementar y gestionar eficientemente estos datos para (1) proporcionar una previsión precisa del rendimiento y (2) predecir los efectos destructivos de los eventos de heladas. La previsión del rendimiento es el proceso para estimar la cantidad de producción de uva para cada sección de un campo en términos de kilos por unidad de superficie. El primer objetivo de WirelessWine es desarrollar una solución basada en el “aprendizaje de máquinas” lista para usar, que combine la riqueza de la información operativa de los productores, los datos meteorológicos regionales, las estaciones meteorológicas a nivel de campo y los dispositivos de IoT desplegados directamente en el campo para proporcionar una previsión precisa del rendimiento. En la región de Mendoza, las heladas han hecho que la producción de uva de 2016 sea un 40% inferior a la de 2015. Los productores pueden combatir un evento de heladas calentando el campo, pero tienen que saber que el evento de heladas viene con un par de horas de anticipación. Los pronósticos meteorológicos a escala regional no proporcionan la precisión necesaria para predecir de manera fiable los eventos de heladas. El segundo objetivo del WirelessWine es identificar, de forma iterativa, la ubicación de los sensores (en el follaje, en el racimo, a diferentes alturas, etc.) que permite la predicción más precisa del evento de helada.
| Principais autores: | , , , , , |
|---|---|
| Formato: | info:ar-repo/semantics/documento de conferencia biblioteca |
| Idioma: | spa |
| Publicado em: |
Universidad Nacional de la Patagonia Austral
2020-06
|
| Assuntos: | Vid, Helada, Técnicas de Predicción, Estaciones Meteorológicas, Sensores, Rendimiento, Aprendizaje Electrónico, Grapevines, Frost, Forecasting, Meteorological Stations, Sensors, Yields, Machine Learning, Mendoza, Industrial Internet of Things, Smart Agriculture, Wireless Sensors Networks, Redes de Sensores Inalámbricos, |
| Acesso em linha: | http://hdl.handle.net/20.500.12123/8814 |
| Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|