MADRID, 15 (EUROPA PRESS)
El director de la cátedra, Alfonso San Miguel, ha afirmado que las empresas y las universidades tienen que estar "aprendiendo y haciendo continuamente", impulsando la innovación y los avances tecnológicos, si quieren seguir siendo competitivas.
Tras indicar que actualmente existen dispositivos que permiten obtener datos a distancia, sin necesidad de ir al campo a recogerlos, ha añadido que el reto es "manejar esos inmensos volúmenes" de datos, trabajar en la nube y utilizar el 'deep learning', el 'machine learning' o la inteligencia artificial para conseguir "información valiosísima" a partir de esas bases de datos.
Por su parte, la directora de Coordinación y Acciones Institucionales del Grupo Tragsa, Paloma López-Izquierdo, ha destacado la importancia de poner en valor los proyectos innovadores que se están aplicando en el ámbito forestal y agrario u de intentar captar talento joven que esté formado en nuevas tecnologías.
Durante la jornada 'Aplicaciones de Geomática avanzada, Big Data e Inteligencia Artificial a la Ingeniería Agraria', celebrada en la sede del Instituto de la Ingeniería de España e inaugurada por el presidente de este organismo, José Trigueros, distintos expertos han explicado algunos de esos proyectos.
Daniel Otero, vicedecano del Colegio Oficial de Ingenieros de Montes en la Comunidad de Madrid e ingeniero en la empresa Tragsatec, ha detallado cómo pueden ayudar el 'big data', la inteligencia artificial y las bases de datos a la gestión de la naturaleza, mientras que Álvaro Romero, director técnico en Ciencia de Datos del Instituto de Ingeniería del Conocimiento, ha hablado de las aplicaciones de la inteligencia artificial en el ámbito energético y el medio forestal.
En relación con el 'deep learning', Luis Ruiz, doctor ingeniero agrónomo por la Universidad Politécnica de Madrid, ha comentado las aplicaciones de esta herramienta para el análisis de imágenes de campo en el ámbito agrícola, y Roberto Herrero, ingeniero técnico agrícola en Tragsatec, se ha centrado en el Sistema de Información Geográfica de Parcelas Agrícolas (Sigpac) y el uso de ortofotos.
DIGITALIZAR PARA OPTIMIZAR TAREAS
Otero ha señalado que las nuevas herramientas de la digitalización, incluida la captura y gestión de datos, son tan potentes que ofrecen "unas posibilidades inmensas de optimización de tareas".
En su ponencia, ha explicado cómo la visión por computador, la robótica y el 'big data' pueden hacer más eficiente la gestión del agua gracias a la modelización de avenidas, sistemas automáticos de información hidrológica y control de redes de abastecimiento y saneamiento de grandes núcleos urbanos.
También la gestión de la naturaleza, a través del análisis de la biodiversidad mediante monitoreo satelital, la lucha contra el comercio ilegal de madera o un cuaderno digital de explotación agrícola, y de la parte forestal, mediante inventarios forestales y facilitando las tareas de dasometría y aprovechamientos.
LA IA Y EL 'BIG DATA' AYUDAN A REDUCIR LAS EMISIONES
Romero, por su lado, ha incidido en la necesidad de que ingenieros y técnicos aprendan a manejar herramientas de inteligencia artifical y 'big data', porque "aquellos que las utilicen sustituirán a los que no las utilicen".
Entre las utilidades que tienen estas herramientas, ha resaltado la reducción de emisiones contaminantes, mediante la predicción de la producción de energías renovables, la optimización de modelos de petróleo y gas, la predicción del caudal y de las avenidas o el análisis de la demanda de energía.
También ha hablado del proyecto Vegeta, una plataforma de 'big data' que analiza los vanos forestales que están por debajo de las líneas eléctricas de alta tensión con el fin de optimizar las podas y las talas.
'DEEP LEARNING' E INTERPRETACIÓN DE IMÁGENES
Ruiz se ha focalizado en cómo, basándose en imágenes que se toman a pie de campo, la inteligencia artificial puede predecir cuánto se va a producir en una parcela agrícola en una campaña determinada, clasificar especies de insectos, determinar el estado de una planta, describir el comportamiento de los animales o hacer labores de zonificación.
Respecto al 'deep learning', ha afirmado que el análisis de las imágenes tomadas en el campo permite la detección de plagas, enfermedades y malas hierbas, lo cual ofrece beneficios medioambientales y económicos.
Por último, Herrero ha explicado proyectos de identificación de recintos agrícolas abandonados o con riesgo de abandono, de clasificación de olivares según su densidad y de segmentación de usos en el Sigpac (el sistema que permite identificar geográficamente las parcelas declaradas por los agricultores y ganaderos) a través de una fotointerpretación automática.
