Aprèn - Francisco José García Ruiz

Currently, agriculture faces significant challenges, such as generational turnover and the need to incorporate sustainable and innovative technologies. Similarly, the transfer of knowledge from academic institutions to the agricultural sector is limited. In this context, the SYMBIOSYST project aims to integrate photovoltaic solar energy with agriculture to achieve a beneficial synergistic relationship. This Master's Thesis (TFM) focuses on the sensorization of an agricultural mobile robot to monitor crops in an agrivoltaic installation at the UPC - Agròpolis Park (Viladecans, Barcelona). The objectives include identifying the parameters of the crop to be monitored, selecting and implementing suitable sensors in a mobile robot that will traverse the crop lines to take measurements and post-process the obtained data. Critical parameters such as crop temperature, water stress, biomass, and productivity are discussed. Additionally, the MOBY technology is explored as a base platform for the robot. Various sensor options, including NDVI, RGB-D camera, and thermal camera, are evaluated to determine their suitability for crop monitoring, and a selection is made of the best device among the various brands on the current market for this project and the optimal sensor position on the robot. The work contributes to the digitization of agriculture and the development of sustainable solutions for crop management in the context of solar agriculture.

Actualment, l'agricultura es troba davant de reptes significatius, com ara el relleu generacional i la necessitat d'incorporar tecnologies sostenibles i innovadores. Així mateix, la transferència de coneixement de les institucions acadèmiques al sector agrícola és limitada. En aquest context, el projecte SYMBIOSYST busca integrar l'energia solar fotovoltaica amb l'agricultura per aconseguir una relació sinèrgica beneficiosa. Aquest Treball de Final de Màster (TFM) se centra en la sensorització d'un robot mòbil agrícola per monitoritzar els cultius en una instal·lació agrivoltaica al Parc UPC - Agròpolis (Viladecans, Barcelona). Els objectius inclouen la identificació dels paràmetres del cultiu a monitoritzar, la selecció i la implementació dels sensors adequats en un robot mòbil que travessarà les línies del cultiu per prendre les mesures i el post-processat de les dades obtingudes. Es discuteixen els paràmetres crítics com la temperatura del cultiu, l'estrès hídric, la biomassa i la productivitat. A més, s'explora la tecnologia MOBY com a plataforma base per al robot. S'avaluen diverses opcions de sensors, inclosos l'NDVI, la càmera RGB-D i la càmera tèrmica, per determinar la seva idoneïtat per a la monitorització dels cultius i es realitza una selecció de quin es el millor dispositiu entre les diverses marques del mercat actual per aquest projecte i quina és la posició idònia dels sensors al robot. El treball contribueix a la digitalització de l'agricultura i al desenvolupament de solucions sostenibles per a la gestió dels cultius en el marc de l'agricultura solar.

Actualmente, la agricultura se encuentra frente a desafíos significativos, como el relevo generacional y la necesidad de incorporar tecnologías sostenibles e innovadoras. Asimismo, la transferencia de conocimiento de las instituciones académicas al sector agrícola es limitada. En este contexto, el proyecto SYMBIOSYST busca integrar la energía solar fotovoltaica con la agricultura para lograr una relación sinérgica beneficiosa. Este Trabajo de Final de Máster (TFM) se centra en la sensorización de un robot móvil agrícola para monitorizar los cultivos en una instalación agrivoltaica en el Parque UPC - Agròpolis (Viladecans, Barcelona). Los objetivos incluyen la identificación de los parámetros del cultivo a monitorizar, la selección e implementación de los sensores adecuados en un robot móvil que recorrerá las líneas del cultivo para tomar las medidas y el post-procesamiento de los datos obtenidos. Se discuten los parámetros críticos como la temperatura del cultivo, el estrés hídrico, la biomasa y la productividad. Además, se explora la tecnología MOBY como plataforma base para el robot. Se evalúan varias opciones de sensores, incluidos el NDVI, la cámara RGB-D y la cámara térmica, para determinar su idoneidad para la monitorización de los cultivos y se realiza una selección de cuál es el mejor dispositivo entre las diversas marcas del mercado actual para este proyecto y cuál es la posición idónea de los sensores en el robot. El trabajo contribuye a la digitalización de la agricultura y al desarrollo de soluciones sostenibles para la gestión de los cultivos en el marco de la agricultura solar.

Puesta en marcha y evaluación en campo de un sistema de aplicación variable basado en válvulas pwm en viña: implementación y validación de la eficacia biológica

Treball Final de Grau

Gómez Monés, David

Tutor/a - Director/a: García Ruiz, Francisco José; Gil Moya, Emilio

Data de publicació: 2023

Escola d'Enginyeria Agroalimentària i de Biosistemes de Barcelona (EEABB)

Veure detall Accés al text complet

The reduction of phytosanitary products in current agriculture is one of its top priorities for the future. To achieve this, technologies are being developed to reduce phytosanitary volumes in crops. One of these technologies is PIVOS (Intelligent Spraying for Sustainable Vineyard and Olive Growing), a project developed by the Agricultural Mechanization Unit of the Polytechnic University of Catalonia (UMA-UPC). It is based on a multi-line sprayer for the vineyard equipped with ISO-02 nozzles and a system of wide-pulse modulation valves (PWM) that emit the same working pressure but regulate the flow that exits the nozzle according to the volume of vegetation in the vines in the area. This is known as the duty cycle (CT) related to the pulse width at a frequency of 10 Hz, indicating that the valve operates within intervals of 100 milliseconds (ms). The machine's detection of vegetation volume is made possible thanks to the incorporation of an onboard computer loaded with a prescription map based on the vigor of the plot's vegetation to be worked on. This prescription map allows us to divide the plot into two zones: high vigor zone and low vigor zone, where the application method varies depending on the zone we are in. This application method is known as Variable Rate Application (VRA), and its behaviour and effectiveness have been studied compared to the reference application done by the farmer every campaign, evaluating the biological efficacy of both treatments. Two treatments were conducted during the summer season using the aforementioned methodologies, the first in June and the second in July. The results of both trials were positive as no signs of fungal diseases such as Powdery Mildew or Downy Mildew were found on the vine leaves, both for the reference treatment and the VRA. This has allowed us to affirm that the VRA treatment using PWM technology is equally effective as the reference treatment, but with the difference in the phytosanitary product used, where VRA enables us to save more phytosanitary product compared to the reference application.

La reducción de productos fitosanitarios en la agricultura actual es uno de los objetivos prioritarios para el futuro de esta, para ello se están desarrollando tecnologías que permiten reducir los volúmenes de fitosanitario en los cultivos. Una de estas tecnologías es PIVOS (Pulverización inteligente para un viñedo y olivar sostenibles), un proyecto desarrollado por la Unidad de Mecanización Agraria de la Universidad Politécnica de Cataluña (UMA-UPC) que se basa en un pulverizador multifila para el viñedo equipado con boquillas ISO-02 y con un sistema de válvulas de modulación de pulsos anchos (PWM) que emiten la misma presión de trabajo pero regulando el caudal que sale por la boquilla según el volumen de vegetación de las cepas que haya en la zona. Esto se conoce como ciclo de trabajo (CT) que viene relacionado con el ancho del pulso a una frecuencia de 10 Hz), que nos quiere decir que la válvula trabaja dentro de intervalos de 100 milisegundos (ms). El volumen de vegetación que detecta la máquina lo hace posible gracias a la incorporación de un ordenador a bordo que lleva cargado un mapa de prescripción según la vigorosidad de la vegetación de la parcela a trabajar. En este mapa de prescripción nos permite dividir la parcela en dos zonas: zona de vigor alto y zona de vigor bajo, donde la manera de aplicar es variable en función de la zona en la que nos encontremos. Este método de aplicación se conoce como VRA y se ha estudiado su comportamiento y eficacia frente a la aplicación de referencia que hace el agricultor todas las campañas, donde se ha valorado la eficacia biológica de ambos tratamientos. Se han realizado dos tratamientos durante la temporada de verano utilizando las dos metodologías mencionadas anteriormente, el primero se realizó en el mes de junio y el segundo fue en julio. Los resultados de los dos ensayos fueron positivos ya que no se han encontrado indicios de enfermedades fúngicas como Oídio o Mildiu en las hojas de las viñas tanto para el tratamiento de referencia como el VRA, esto nos ha permitido afirmar que el tratamiento VRA mediante la tecnología PWM resulta igual de eficaz que el de referencia, pero con la diferencia del producto fitosanitario gastado, donde en el VRA nos permite ahorrar más producto fitosanitario respecto a la aplicación de referencia.

La reducció de productes fitosanitaris a l'agricultura actual és un dels objectius prioritaris per al futur d'aquesta. Per a aconseguir-ho, s'estan desenvolupant tecnologies que permeten reduir els volums de fitosanitari en els cultius. Una d'aquestes tecnologies és PIVOS (Pulverització intel·ligent per a un conreu de vinya i olivera sostenible), un projecte desenvolupat per la Unitat de Mecanització Agrària de la Universitat Politècnica de Catalunya (UMA-UPC). Es basa en un atomitzador multifila per a la vinya equipat amb brolladors ISO-02 i amb un sistema de vàlvules de modulació de polsos amples (PWM) que emeten la mateixa pressió de treball, però regulant el cabal que surt pel brollador segons el volum de vegetació de les ceps de la zona. Això es coneix com a cicle de treball (CT) i està relacionat amb l'amplada del pols a una freqüència de 10 Hz, el que significa que la vàlvula treballa dins d'intervals de 100 mil·lisegons (ms). El volum de vegetació que detecta la màquina és possible gràcies a la incorporació d'un ordinador a bord que porta carregat un mapa de prescripció segons la vigorositat de la vegetació de la parcel·la a treballar. Aquest mapa de prescripció ens permet dividir la parcel·la en dues zones: zona de vigor alt i zona de vigor baix, on la manera d'aplicar és variable segons la zona en la qual ens trobem. Aquest mètode d'aplicació es coneix com a VRA i s'ha estudiat el seu comportament i eficàcia enfront de l'aplicació de referència que fa l'agricultor a totes les campanyes, on s'ha avaluat l'eficàcia biològica d'ambdós tractaments. S'han realitzat dos tractaments durant la temporada d'estiu utilitzant les dues metodologies esmentades anteriorment. El primer es va realitzar al mes de juny i el segon va ser al juliol. Els resultats dels dos assaigs van ser positius ja que no s'han trobat indicis d'afectacions fúngiques com l'Oïdi o el Míldiu a les fulles de les vinyes, tant pel tractament de referència com pel VRA. Això ens ha permès afirmar que el tractament VRA mitjançant la tecnologia PWM és igualment eficaç que el de referència, però amb la diferència del producte fitosanitari gastat, on el VRA ens permet estalviar més producte fitosanitari respecte a l'aplicació de referència.

Millora i validació d'un model basat en imatges satèl·lit per caracteritzar vegetació en vinya

Projecte Final de Màster Oficial

Puyó Masagué, Ferran

Tutor/a - Director/a: García Ruiz, Francisco José

Data de publicació: 2022

Escola d'Enginyeria Agroalimentària i de Biosistemes de Barcelona (EEABB)

Veure detall Accés al text complet

An effective and efficient characterization of the vegetation is key to being able to determine the appropriate amount of phytosanitary product to be applied when carrying out phytosanitary treatments in the vineyard. Vegetation evolves and develops based on factors linked to the soil, the climate or the physiology of the plant itself, and that is why within the same plot there is a certain spatial variability in crop growth. It has been proven that expressing the application volumes based on parameters linked to the crop, such as the leaf volume per surface unit, provide significant savings and improvements in the quality of the applications. These new methods of dose expression are based on manual measurements in the field, which are costly to carry out and sometimes slow down the introduction of these methodologies. New technologies such as remote sensing provide information at a global level and local resolutions, together with a high frequency of data. It is for this reason that an opportunity opens up to automate data acquisition processes, which in the case of the application of phytosanitary products involves being able to estimate the characteristics of the crop automatically. The aim of this project was to improve an existing mathematical model that allows to relate vegetation indices calculated from satellite images with vegetation measurements in different vegetative stages in vineyard cultivation. The existing model includes data from the years 2018 and 2019 and has a single vegetation index as an independent variable. During this project, the model was complemented with data acquired during the years 2021 and 2022, and 7 new spectral indices were calculated that served to develop new prediction models. The results showed that the existing model based on the Normalized Differential Vegetation Index (NDVI) and used to estimate the width of the vegetation, lost its predictive capacity when adding samples from 2021 and 2022. Similarly, the Normalized Red Edge Vegetation Index (NDRE) appeared as a potential candidate to estimate the height and width of the vegetation with determination coefficients above 0,55 and 0,45, respectively. When data were grouped by vigor class, all measured spectral indices were significantly correlated with crop height, with coefficients of determination above 0,55. With these results, it can be concluded that satellite images are a promising tool for the remote characterization of vineyard cultivation, although due to their technical limitations, in early phenological stages, with shoots below 40 cm, it will be difficult to obtain data reliable. Once the vineyard is developed, both the NDVI and the NDRE are indices that can provide us with good results that will help implement new management strategies for phytosanitary products based on variable application technologies.

Una caracterització eficaç i eficient de la vegetació és clau per poder determinar la quantitat adequada de producte fitosanitari que cal aplicar quan es realitzen tractaments fitosanitaris a la vinya. La vegetació evoluciona i es desenvolupa en funció de factors lligats al sòl, al clima o a la mateixa fisiologia de la planta, i és per això que dins una mateixa parcel·la hi ha una certa variabilitat espacial en el creixement del cultiu. Ha quedat provat que expressar els volums d'aplicació en funció de paràmetres lligats al cultiu, com ara el volum de fulla per unitat de superfície, proporcionen importants estalvis i millores en la qualitat de les aplicacions. Aquests nous mètodes d¿expressió de dosis es basen en mesures manuals en camp, costoses de realitzar i que de vegades frenen la introducció d¿aquestes metodologies. Les noves tecnologies com la teledetecció aporten informació a nivell global i resolucions locals, juntament amb una alta freqüència de dades. És per aquest motiu que s'obre una oportunitat per automatitzar processos d'adquisició de dades, que en el cas de l'aplicació de fitosanitaris passa per poder estimar automàticament les característiques del cultiu. En aquest projecte es pretenia millorar un model matemàtic ja existent que permet relacionar índexs de vegetació calculats a partir d'imatge satèl·lit amb mesures de vegetació en diferents estadis vegetatius al cultiu de la vinya. El model existent comprèn dades dels anys 2018 i 2019 i compta amb un sol índex de vegetació com a variable independent. Durant aquest projecte es va complementar el model amb dades adquirides durant els anys 2021 i 2022, i es van calcular 7 nous índexs espectrals que van servir per desenvolupar nous models de predicció. Els resultats van mostrar que el model existent basat en el Normalized Differential Vegetation Index (NDVI) i que servia per estimar l'amplada de la vegetació, va perdre la capacitat predictiva en afegir mostres de 2021 i 2022. De la mateixa manera, l'índex de vegetació Normalized Red Edge Vegetation Index (NDRE) va aparèixer com a potencial candidat per estimar l'alçada i amplada de la vegetació amb coeficients de determinació per sobre del 0,55 i 0,45 respectivament. Quan les dades es van agrupar per classe de vigor, tots els índexs espectrals mesurats es van correlacionar significativament amb l'alçada del cultiu, amb coeficients de determinació per sobre del 0,55. Amb aquests resultats, es pot concloure que les imatges satèl·lit són una eina prometedora per a la caracterització en remot del cultiu de la vinya, encara que a causa de les seves limitacions tècniques, en estadis fenològics primerencs, amb brots per sota dels 40 cm, difícilment podrem obtenir dades fiables. Un cop la vinya està desenvolupada, tant l'NDVI com l'NDRE son índexs que ens poden aportar bons resultats que ajudaran a implementar noves estratègies de maneig dels fitosanitaris sobre la base de tecnologies d'aplicació variable.

Una caracterización eficaz y eficiente de la vegetación es clave para poder determinar la cantidad adecuada de producto fitosanitario que debe aplicarse cuando se realizan tratamientos fitosanitarios en viñedo. La vegetación evoluciona y se desarrolla en función de factores ligados al suelo, al clima o a la misma fisiología de la planta, y es por eso que dentro de una misma parcela existe cierta variabilidad espacial en el crecimiento del cultivo. Ha quedado probado que expresar los volúmenes de aplicación en función de parámetros ligados al cultivo, como pueden ser el volumen de hoja por unidad de superficie, proporcionan importantes ahorros y mejoras en la calidad de las aplicaciones. Estos nuevos métodos de expresión de dosis se basan en medidas manuales en campo, costosas de realizar y que a veces frenan la introducción de estas metodologías. Las nuevas tecnologías como la teledetección, aportan información a nivel global y resoluciones locales, junto con una alta frecuencia de datos. Es por este motivo que se abre una oportunidad para automatizar procesos de adquisición de datos, que en el caso de la aplicación de fitosanitarios pasa por poder estimar las características del cultivo de forma automática. En este proyecto se pretendía mejorar un modelo matemático ya existente que permite relacionar índices de vegetación calculados a partir de imagen satélite con medidas de vegetación en distintos estadios vegetativos en el cultivo del viñedo. El modelo existente comprende datos de los años 2018 y 2019 y cuenta con un solo índice de vegetación como variable independiente. Durante este proyecto se complementó el modelo con datos adquiridos durante los años 2021 y 2022, y se calcularon 7 nuevos índices espectrales que sirvieron para desarrollar nuevos modelos de predicción. Los resultados mostraron que el modelo existente basado en el Normalized Differential Vegetation Index (NDVI) y que servía para estimar la anchura de la vegetación, perdió su capacidad predictiva al añadir muestras de 2021 y 2022. Del mismo modo, el índice de vegetación Normalized Red Edge Vegetation Index (NDRE) apareció como potencial candidato para estimar la altura y anchura de la vegetación con coeficientes de determinación por encima del 0,55 y 0,45 respectivamente. Cuando los datos se agruparon por clase de vigor, todos los índices espectrales medidos se correlacionaron significativamente con la altura del cultivo, con coeficientes de determinación por encima del 0,55. Con estos resultados, se puede concluir que las imágenes satélite son una herramienta prometedora para la caracterización en remoto del cultivo del viñedo, aunque debido a sus limitaciones técnicas, en estadios fenológicos tempranos, con brotes por debajo de los 40 cm, difícilmente podremos obtener datos fiables. Una vez el viñedo está desarrollado, tanto el NDVI como el NDRE son índices que nos pueden aportar buenos resultados que ayudarán a implementar nuevas estrategias de manejo de los fitosanitarios en base a tecnologías de aplicación variable.

Comparativa d'imatges obtingudes amb satèl·lit i amb dron per la caracterització de la vinya

Treball Final de Grau

Puyó Masagué, Ferran

Tutor/a - Director/a: García Ruiz, Francisco José

Data de publicació: 2021

Escola d'Enginyeria Agroalimentària i de Biosistemes de Barcelona (EEABB)

Veure detall Accés al text complet

Canopy characterisation are the key to determinate the right amount of pesticide that has to be applied in a crop. Since the last decades new systems have been developed in terms of reducing the environmental impact of those products. ‘Specialty crops' such as vineyard hasn't experimented the improvements of this new trend in the same way as the field crops. This study has the will to find a mathematical formula, based on the correlations between vegetation indexes and vegetation measurements, that can be used in the ‘specialty crops'. With this formula we pretend to adjust the dose of pesticides in those type of crops too. The vegetation indexes are obtained from the multispectral cameras equipped in drons (UAV) and satellites. Meanwhile, the vegetation measurements are done by hand, which is a very big withdrawn. Using specific software and a statistic analysis we are capable of taking the images from the cameras and determine the normalised differential vegetation index (NDVI) and the normalized difference red edge (NDRE). The manual characterisation will allow us to calculate the tree row volume (TRV) and the leaf wall area (LWA), which are the main variables used in the correlations. Five different vineyards are involved in this project, containing four different varieties of grapes.

Caracterizar el dosel vegetal es clave para determinar la cantidad adecuada de producto fitosanitario que se debe aplicar en un cultivo. Desde hace unas décadas se llevan desarrollando nuevos sistemas que permiten reducir el impacto ambiental de estos productos. ‘Cultivos especiales' así como el viñedo no han llegado a experimentar las mejoras de esta tendencia de la misma forma que los cultivos extensivos. En el presente estudio se pretende encontrar una fórmula matemática, basada en la correlación entre índices de vegetación y medidas de vegetación, que se puedan usar en los ‘cultivos especiales'. Con la formula se busca ajustar la dosis de producto fitosanitario también en estos cultivos. Los índices de vegetación de obtienen en base a cámaras multiespectrales equipadas en drones (UAV) y satélites. Por otro lado, las medidas de vegetación aún se realizan a mano, lo cual supone un inconveniente. Con el empleo de software especializado se ha conseguido obtener imágenes de las cámaras i determinar el normalised differential vegetation index (NDVI) y el normalized difference red edge (NDRE). La caracterización manual nos permitirá calcular el tree row volume (TRV) y el leaf wall area (LWA), que son las principales variables usadas en las correlaciones. Cinco viñedos fueron objeto de estudio, resultando en un total de cuatro variedades de uva diferentes.

Caracteritzar la canòpia vegetal és clau per determinar la quantitat correcte de producte fitosanitari que s'ha d'aplicar en un cultiu. Des de fa unes dècades s'han desenvolupat nous sistemes que permeten reduir l'impacte ambiental d'aquests productes. ‘Cultius especials' tals com la vinya no han experimentats les millores d'aquesta tendència de la mateixa manera que els cultius extensius. El present estudi pretén trobar una fórmula matemàtica, basada en la correlació entre índexs de vegetació i mesures de vegetació, que pugui fer-se servir en els ‘cultius especials'. Amb la fórmula es busca ajustar la dosi de producte fitosanitari també en aquests tipus de cultius. Els índexs de vegetació s'obtenen a partir de càmeres multiespectrals equipades en drons (UAV) i satèl·lits. Per altra banda, les mesures de vegetació encara es prenen a mà, fet que suposa un clar inconvenient. Amb l'ús de software especialitzat s'ha aconseguit prendre imatges amb les càmeres i determinar el normalised differential vegetation index (NDVI) i el normalized difference red edge (NDRE). La caracterització manual ens permetrà calcular el tree row volume (TRV) i el leaf wall area (LWA), els quals són les principals variables fetes servir en les correlacions. Cinc parcel·les de vinya van ser objecte d'estudi, resultant en un total de quatre varietats de raïm diferent.