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...
| Autores principales: | , , , , , |
|---|---|
| Formato: | info:ar-repo/semantics/documento de conferencia |
| Lenguaje: | Español |
| Publicado: |
Universidad Nacional de la Patagonia Austral
2021
|
| Materias: | |
| Acceso en línea: | http://hdl.handle.net/20.500.12123/8814 |
| _version_ | 1855036103558430720 |
|---|---|
| author | Dujovne, Diego Watteyne, Thomas Mercado, Gustavo Diedrichs, Ana Taffernaberry, Juan Carlos Perez Peña, Jorge Esteban |
| author_browse | Diedrichs, Ana Dujovne, Diego Mercado, Gustavo Perez Peña, Jorge Esteban Taffernaberry, Juan Carlos Watteyne, Thomas |
| author_facet | Dujovne, Diego Watteyne, Thomas Mercado, Gustavo Diedrichs, Ana Taffernaberry, Juan Carlos Perez Peña, Jorge Esteban |
| author_sort | Dujovne, Diego |
| collection | INTA Digital |
| description | 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. |
| format | info:ar-repo/semantics/documento de conferencia |
| id | INTA8814 |
| institution | Instituto Nacional de Tecnología Agropecuaria (INTA -Argentina) |
| language | Español |
| publishDate | 2021 |
| publishDateRange | 2021 |
| publishDateSort | 2021 |
| publisher | Universidad Nacional de la Patagonia Austral |
| publisherStr | Universidad Nacional de la Patagonia Austral |
| record_format | dspace |
| spelling | INTA88142021-03-04T14:22:40Z Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos Dujovne, Diego Watteyne, Thomas Mercado, Gustavo Diedrichs, Ana Taffernaberry, Juan Carlos Perez Peña, Jorge Esteban 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 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. EEA Mendoza Fil: Dujovne, Diego. Universidad Diego Portales. Facultad de Ingeniería. Escuela de Informática y Telecomunicaciones; Chile Fil: Watteyne, Thomas. Institut National de Recherche en Informatique et en Automatique (INRIA); Francia Fil: Mercado, Gustavo. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Grupo en Tecnologías de la Información y las Comunicaciones Departamento de Electrónica (GridTICs); Argentina Fil: Diedrichs, Ana. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Grupo en Tecnologías de la Información y las Comunicaciones Departamento de Electrónica (GridTICs); Argentina Fil: Taffernaberry, Juan Carlos. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Grupo en Tecnologías de la Información y las Comunicaciones Departamento de Electrónica (GridTICs); Argentina Fil: Perez Peña, Jorge Esteban. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Mendoza; Argentina 2021-03-04T14:17:39Z 2021-03-04T14:17:39Z 2020-06 info:ar-repo/semantics/documento de conferencia info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://hdl.handle.net/20.500.12123/8814 978-987-3714-82-5 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf Mendoza .......... (province) (World, South America, Argentina) 1001427 Universidad Nacional de la Patagonia Austral XXII Workshop de Investigadores en Ciencias de la Computación: WICC 2020 / Rodolfo Bertone... [et al.] ; compilado por Marta Lasso.- 1a ed.- Río Gallegos : Universidad Nacional de la Patagonia Austral, 2020, p. 160-164 |
| spellingShingle | 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 Dujovne, Diego Watteyne, Thomas Mercado, Gustavo Diedrichs, Ana Taffernaberry, Juan Carlos Perez Peña, Jorge Esteban Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos |
| title | Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos |
| title_full | Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos |
| title_fullStr | Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos |
| title_full_unstemmed | Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos |
| title_short | Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos |
| title_sort | wireless wine estimacion de rendimiento y ubicacion de sensores para la prediccion de heladas en los vinedos |
| topic | 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 |
| url | http://hdl.handle.net/20.500.12123/8814 |
| work_keys_str_mv | AT dujovnediego wirelesswineestimacionderendimientoyubicaciondesensoresparalapredicciondeheladasenlosvinedos AT watteynethomas wirelesswineestimacionderendimientoyubicaciondesensoresparalapredicciondeheladasenlosvinedos AT mercadogustavo wirelesswineestimacionderendimientoyubicaciondesensoresparalapredicciondeheladasenlosvinedos AT diedrichsana wirelesswineestimacionderendimientoyubicaciondesensoresparalapredicciondeheladasenlosvinedos AT taffernaberryjuancarlos wirelesswineestimacionderendimientoyubicaciondesensoresparalapredicciondeheladasenlosvinedos AT perezpenajorgeesteban wirelesswineestimacionderendimientoyubicaciondesensoresparalapredicciondeheladasenlosvinedos |