Resumen
El subproyecto 2 se encargará de configurar, afinar y controlar los sensores integrados en el robot desarrollado por el subproyecto 1. Se
realizará, tanto la instalación y calibración de los sensores, como la operación de adquisición de datos agrícolas, geolocalizados y
sincronizados con el avance del robot, con toda la programación necesaria. Los sensores serán cámaras a color, térmicas e
hiperespectrales, y un escáner láser 2D (imágenes, detección y rango láser, LiDAR), todos ellos controlados por un ordenador industrial
específico a bordo. Todos los sensores funcionarán simultáneamente, capturando imágenes y datos y almacenándolos en la computadora
equipada con un disco duro ultrarrápido de estado sólido de alta capacidad. Simultáneamente, se capturarán las secuencias enviadas por
el GNSS para realizar la geolocalización por marca de tiempo. Se utilizará una unidad de medida inercial (IMU) para corregir los datos
capturados. Se programarán alertas en caso de que algún sensor falle o capture datos fuera de los rangos típicos establecidos a través
de curvas de calibración.
Se realizará un análisis exploratorio inicial de los datos. Se utilizará regresión lineal para encontrar correlaciones entre los parámetros
ionómicos de las hojas medidos en el laboratorio, el contenido de agua de las plantas, las medidas alométricas de los árboles y los datos
obtenidos por los sensores integrados. Se utilizarán técnicas de análisis multivariante para inferir los resultados de la comparación de las
características extraídas mediante métodos destructivos y los datos de los sensores. Se utilizarán métodos quimiométricos como el
análisis de componentes principales (PCA) o la regresión de mínimos cuadrados parciales (PLSR) para agrupar los datos y evaluar
relaciones entre las distintas características. A partir de los resultados obtenidos, será posible determinar aquellas variables o
combinaciones de variables extraídas de la medición de los sensores que mejor se correlacionen con los datos de referencia. Para
determinar las propiedades importantes del cultivo, se utilizarán únicamente las variables relevantes de los sensores necesarios que
hayan sido identificadas en este proceso. Esta metodología ahorrará un tiempo de adquisición y procesamiento significativo y reducirá la
carga de transmisión de datos, lo que se traducirá en un mejor rendimiento del sistema. Además, se procesarán los datos del sensor
LiDAR (conversión y corrección de coordenadas, pre-procesamiento, reconstrucción y análisis de la estructura tridimensional) y se
estimarán los índices de hoja adecuados. Los datos se ordenarán para ser procesados con los algoritmos de IA desarrollados por el
subproyecto 3.
