afsis logo

Technology for Agriculture

Los dramáticos avances en aprendizaje automático, cloud computing, y GIS (Sistemas de información geográfica) a lo largo de la década pasada son paradigmas cambiantes en el desarrollo agrícola y ecológico, en el cual la injerencia de nuevas tecnologías e ideas es necesaria para combatir eficientemente el desgaste futuro de los suelos y la inseguridad alimentaria pronosticada por las organizaciones científicas a nivel mundial. Como está pronosticado que la población mundial llegue a 9 billones para el año 2050, una metamorfosis radical de nuestras prácticas de manejo de la tierra se vuelve más necesario que nunca.

Motivados por este llamamiento, QED ha estado desarrollando tecnologías para apoyar análisis agroecológicos que han sido adaptados a las diferentes variedades de paisajes y escalas espacio-temporales. Trabajando en sociedad con el proyecto Africa Soil Information Service (AfSIS Servicio de información sobre el suelo en África), QED ha desarrollado un flujo de procesamiento de datos integral para abarcar todo el procesamiento y management de la  información ecológica sobre el suelo y la tierra. Este flujo de trabajo incluye la recopilación de datos de campo, análisis de laboratorio, manejo de bases de datos, modelos predictivos, visualización de mapas, y herramientas de decisión estadística. Estas tecnologías han sido introducidas y puestas en marcha en varios países Africanos en colaboración con sus gobiernos, con el objetivo de cerrar brechas informativas e influenciar positivamente las prácticas y políticas industriales. Aquí abajo describimos algunas de estas tecnologías con mayor profundidad.

Predictive Maps of Croplands, Human Settlements, and Soil Chemistry

QED ha estado desarrollando tecnologías fundamentales para AfSIS las cuales permitieron a los científicos catalogar al suelo y recursos en el paisaje de África en una forma más eficiente y confiable, así como ejecutar estudios ecológicos nuevos con el apoyo de las últimas tecnologías disponibles, incluyendo aplicaciones web y móviles, colaboración abierta, aprendizaje automático, cloud computing, visión por computadora, UAVs, quadcopter, modelaje e impresión 3D, y prácticas profesionales de ingeniería informática. Esperamos sinceramente que las tecnologías que desarrollamos se conviertan en herramientas que cambien el paradigma en el campo de la agricultura de precisión.

Como ejemplo de estas técnicas, AfSIS está en condiciones de generar mapas digitales como los que se encuentran a la derecha, al poder recabar rápidamente análisis de imágenes satelitales obtenidas a través de la  colaboración abierta y certificadas por expertos como datos de entrenamiento, y luego construyendo modelos de aprendizaje automático de avanzada que son viables para competiciones internacionales y también predicciones complementarias con medidas inciertas.

Readers are encouraged to browse more examples of novel applications below.

Flujo de procesamiento de datos integral

QED construye paquetes de software interconectados proporcionando un soporte de punto a punto para recabar, administrar, computar, y diseminar la información de suelos y paisajes. Los componentes de este flujo de trabajo son libremente intercambiables. Nuestro diseño aquí está inspirado por varios principios clave de las reglas ESR de UNIX, reproducidas abajo:

  • Regla de Modularidad: Escribir partes simples conectadas por interfaces limpias.
  • Regla de Composición: Diseñar programas para ser conectados a otros programas.
  • Regla de Simplicidad: Diseñar buscando simpleza; agrega complejidad solo donde debes.
  • Regla de Transparencia: Diseñar para que la visibilidad haga la inspección y el depurado más fácil.
  • Regla de Diversidad: Desconfiar de todas las afirmaciones para elegir un verdadero camino.
workflow

Recolección de Datos

  • Estudio topográfico de imágenes aéreas (satélites + drones) a través de la colaboración abierta para eficientemente generar mapas que cubran todo el terreno y determinen regiones de interés tales como las máscaras de los terrenos de cultivo.
  • Diseño aleatorio de mapeo: Análisis de potencia estadística de los presupuestos de muestra, y algoritmo de muestreo multietapa para balancear la amplia cobertura con la eficiencia en la recolección.
  • Aplicaciones móviles de recolección de datos para ingresar la información en forma eficiente en los campos y monitoreo de recolección de datos en tiempo real.
  • Protocolos de muestreo testeados en doce países a lo largo de África.

Management de Datos

  • Códigos QR personalizados y códigos de barras para identificar muestras en el campo.
  • Sistema de management de datos seguro y económico con almacenamiento en la nube.
  • Soporte de datos relacionales, binarios, y geoespaciales en una infraestructura escalable en la nube.
  • Interfaz visual web para explorar con mayor facilidad los datos, subir datos, y llevar a cabo consultas geoespaciales.

Cómputo de Datos

  • Generar mapas de propiedades agroecológicas haciendo uso de información de colaboración abierta y cómputos ML escalables en la nube.
  • Predecir las concentraciones químicas en el suelo de nutrientes fundamentales y rastrear elementos en el suelo a través de medidas espectroscópicas eficientes, utilizando los mejores modelos calibrados para fechar y apoyándose en medidas de incertidumbre.
  • Aumentar predicciones con modelos de aprendizaje automático templado a través de competiciones de programación internacional.

Diseminación de Datos

  • Visualizaciones interactivas de métricas agrícolas, presentadas como superficies interpoladas desde el punto de datos y re-enviadas en tiempo real cuando se cruzan con obstáculos geoespaciales o químicos.
  • Construyendo herramientas de análisis de decisiones para optimizar la asignación presupuestaria a través de las metodologías de laboratorio, mezclas de fertilizantes, y variedades de cultivos.
+ Recolección de Datos

Recolección de Datos

  • Estudio topográfico de imágenes aéreas (satélites + drones) a través de la colaboración abierta para eficientemente generar mapas que cubran todo el terreno y determinen regiones de interés tales como las máscaras de los terrenos de cultivo.
  • Diseño aleatorio de mapeo: Análisis de potencia estadística de los presupuestos de muestra, y algoritmo de muestreo multietapa para balancear la amplia cobertura con la eficiencia en la recolección.
  • Aplicaciones móviles de recolección de datos para ingresar la información en forma eficiente en los campos y monitoreo de recolección de datos en tiempo real.
  • Protocolos de muestreo testeados en doce países a lo largo de África.
+ Management de Datos

Management de Datos

  • Códigos QR personalizados y códigos de barras para identificar muestras en el campo.
  • Sistema de management de datos seguro y económico con almacenamiento en la nube.
  • Soporte de datos relacionales, binarios, y geoespaciales en una infraestructura escalable en la nube.
  • Interfaz visual web para explorar con mayor facilidad los datos, subir datos, y llevar a cabo consultas geoespaciales.
+ Cómputo de Datos

Cómputo de Datos

  • Generar mapas de propiedades agroecológicas haciendo uso de información de colaboración abierta y cómputos ML escalables en la nube.
  • Predecir las concentraciones químicas en el suelo de nutrientes fundamentales y rastrear elementos en el suelo a través de medidas espectroscópicas eficientes, utilizando los mejores modelos calibrados para fechar y apoyándose en medidas de incertidumbre.
  • Aumentar predicciones con modelos de aprendizaje automático templado a través de competiciones de programación internacional.
+ Diseminación de Datos

Diseminación de Datos

  • Visualizaciones interactivas de métricas agrícolas, presentadas como superficies interpoladas desde el punto de datos y re-enviadas en tiempo real cuando se cruzan con obstáculos geoespaciales o químicos.
  • Construyendo herramientas de análisis de decisiones para optimizar la asignación presupuestaria a través de las metodologías de laboratorio, mezclas de fertilizantes, y variedades de cultivos.
Aerial Imagery
Imágenes Aéreas

Aprovecha las redes de satélites, drones de ala fija, y quadcopters para rápidamente escanear regiones de interés y generar mapas con indicadores ecológicos y modelos de elevación digital.

Access Anywhere
Acceso en cualquier parte

La información es guardada en forma confiable en la infraestructura de la nube y replicada en múltiples zonas de disponibilidad. Contando con una validación de inputs de información de laboratorio automática y de muestras de suelo.

Predict
Pronostica

Pronostica la química del suelo y el uso de la tierra usando técnicas de aprendizaje automático de vanguardia ejecutadas remotamente a través de una infraestructura de hardware.

Contáctanos ahora

Para más información sobre nuestros servicios o para solicitar una demostración, por favor envíanos un email a: info@qed.ai