Cajamar e IBM aprovechan la IA para la industria agroalimentaria

Utilizando la Inteligencia Artificial de IBM y la experiencia y el conocimiento agroalimentario de Cajamar, Plataforma Tierra lanza servicios pioneros que permitirán calcular el riego y la fertilización óptimos y conocer la previsión del tiempo de forma muy precisa, con objeto de mejorar la eficiencia y la sostenibilidad de las explotaciones agrarias.

Publicado el 04 Oct 2021

Cajamar e IBM aprovechan la IA para la industria agroalimentaria

Cajamar e IBM han anunciado varios servicios de inteligencia artificial para los agricultores y la industria agroalimentaria española que ya están disponibles en Plataforma Tierra. Con estos servicios, Plataforma Tierra quiere ayudar al ecosistema agro a conseguir explotaciones agrícolas e industrias agroalimentarias más eficientes, sostenibles, rentables y atractivas para las nuevas generaciones. Estos servicios se han construido con inteligencia artificial y machine learning de IBM Watson Studio para Cloud Pak for Data y tecnología de The Weather Company, sobre IBM Cloud.

El primer servicio consiste en calcular de forma dinámica el riego semanal que van a necesitar los cultivos basándose en el análisis avanzado de datos como la ubicación, cultivo, desarrollo fenológico, producción estimada, clima, etc. Para ello, IBM ha contado con los datos meteorológicos y el histórico de predicciones de The Weather Company, las capacidades de IBM geospatial analytics, y los conocimientos proporcionados por Cajamar. Calcular el uso óptimo del agua es una cuestión fundamental en la agricultura, tanto por el impacto medioambiental que tiene ahorrar en un bien escaso, como por su impacto en la rentabilidad de los cultivos. El consumo total de agua para regadío utilizado por agricultura española es de unos 18.000 hectómetros cúbicos al año.

La Plataforma Tierra también ofrece un servicio para calcular la fertilización óptima de las explotaciones basándose en el análisis del tipo de cultivo, suelo, objetivos de producción y las enmiendas previas realizadas al suelo.

Los modelos de inteligencia artificial desarrollados para realizar estos cálculos están basados en algoritmos ideados por expertos de los centros de innovación agroalimentaria de Cajamar y corren sobre IBM Watson Studio para Cloud Pak for Data en IBM Cloud.

La Plataforma Tierra ayuda a recopilar datos relevantes y generar nuevos análisis para, en última instancia, brindar la protección ambiental que los consumidores de la UE tanto valoran cuando compran sus alimentos. Para ayudar en este objetivo, y utilizando las capacidades de previsión avanzada de The Weather Company, la plataforma ofrece la previsión del tiempo de forma muy precisa, incluyendo información meteorológica sobre diferentes parámetros relevantes para la agricultura como son la radiación, evapotranspiración, riesgo de heladas, punto de rocío, temperatura, humedad, presión atmosférica, velocidad y dirección del viento, fase lunar, etc.

Adicionalmente, a lo largo del año, la Plataforma Tierra incorporará nuevos servicios, enriquecidos con Inteligencia Artificial, como una herramienta para el manejo de suelos, una calculadora de la huella de carbono de la explotación, un cuaderno de campo integral con funciones muy avanzadas y un servicio de previsión y control de las plagas.

Todas estas herramientas completarán la gama de servicios de Plataforma Tierra, la comunidad digital lanzada por Cajamar en 2020, que facilita la transferencia de conocimiento entre todos los actores de esta industria – desde agricultores, ganaderos, cooperativas e industrias alimentarias y empresas de distribución hasta centros de estudios, investigación e innovación, etc. Entre los servicios que conforman la oferta de la plataforma se encuentra la publicación de estudios, las acciones de formación, un observatorio de innovación tecnológica, un seguimiento de los mercados de los diferentes productos agrarios, etc.

¿Qué te ha parecido este artículo?

Tu opinión es importante para nosotros.

D
Redacción Data Center Market

Artículos relacionados

Artículo 1 de 4