Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos
- Autores
- Dujovne, Diego; Watteyne, Thomas; Mercado, Gustavo; Diedrichs, Ana; Taffernaberry, Juan Carlos; Perez Peña, Jorge Esteban
- Año de publicación
- 2020
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Los productores de viñedos han estado reuniendo información operacional significativa sobre sus campos, y las fincas más avanzadas pueden producir varios años de datos sobre cómo se ha plantado, regado, fertilizado y cómo han madurado las uvas. A pesar de esta riqueza de datos operacionales, hoy en día no existe ninguna herramienta que pueda complementar y gestionar eficientemente estos datos para (1) proporcionar una previsión precisa del rendimiento y (2) predecir los efectos destructivos de los eventos de heladas. La previsión del rendimiento es el proceso para estimar la cantidad de producción de uva para cada sección de un campo en términos de kilos por unidad de superficie. El primer objetivo de WirelessWine es desarrollar una solución basada en el “aprendizaje de máquinas” lista para usar, que combine la riqueza de la información operativa de los productores, los datos meteorológicos regionales, las estaciones meteorológicas a nivel de campo y los dispositivos de IoT desplegados directamente en el campo para proporcionar una previsión precisa del rendimiento. En la región de Mendoza, las heladas han hecho que la producción de uva de 2016 sea un 40% inferior a la de 2015. Los productores pueden combatir un evento de heladas calentando el campo, pero tienen que saber que el evento de heladas viene con un par de horas de anticipación. Los pronósticos meteorológicos a escala regional no proporcionan la precisión necesaria para predecir de manera fiable los eventos de heladas. El segundo objetivo del WirelessWine es identificar, de forma iterativa, la ubicación de los sensores (en el follaje, en el racimo, a diferentes alturas, etc.) que permite la predicción más precisa del evento de helada.
EEA Mendoza
Fil: Dujovne, Diego. Universidad Diego Portales. Facultad de Ingeniería. Escuela de Informática y Telecomunicaciones; Chile
Fil: Watteyne, Thomas. Institut National de Recherche en Informatique et en Automatique (INRIA); Francia
Fil: Mercado, Gustavo. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Grupo en Tecnologías de la Información y las Comunicaciones Departamento de Electrónica (GridTICs); Argentina
Fil: Diedrichs, Ana. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Grupo en Tecnologías de la Información y las Comunicaciones Departamento de Electrónica (GridTICs); Argentina
Fil: Taffernaberry, Juan Carlos. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Grupo en Tecnologías de la Información y las Comunicaciones Departamento de Electrónica (GridTICs); Argentina
Fil: Perez Peña, Jorge Esteban. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Mendoza; Argentina - Fuente
- XXII Workshop de Investigadores en Ciencias de la Computación: WICC 2020 / Rodolfo Bertone... [et al.] ; compilado por Marta Lasso.- 1a ed.- Río Gallegos : Universidad Nacional de la Patagonia Austral, 2020, p. 160-164
- Materia
-
Vid
Helada
Técnicas de Predicción
Estaciones Meteorológicas
Sensores
Rendimiento
Aprendizaje Electrónico
Grapevines
Frost
Forecasting
Meteorological Stations
Sensors
Yields
Machine Learning
Mendoza
Industrial Internet of Things
Smart Agriculture
Wireless Sensors Networks
Redes de Sensores Inalámbricos - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
.jpg)
- Institución
- Instituto Nacional de Tecnología Agropecuaria
- OAI Identificador
- oai:localhost:20.500.12123/8814
Ver los metadatos del registro completo
| id |
INTADig_1890ad8f715e96afbf0d578e8a03bb52 |
|---|---|
| oai_identifier_str |
oai:localhost:20.500.12123/8814 |
| network_acronym_str |
INTADig |
| repository_id_str |
l |
| network_name_str |
INTA Digital (INTA) |
| spelling |
Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedosDujovne, DiegoWatteyne, ThomasMercado, GustavoDiedrichs, AnaTaffernaberry, Juan CarlosPerez Peña, Jorge EstebanVidHeladaTécnicas de PredicciónEstaciones MeteorológicasSensoresRendimientoAprendizaje ElectrónicoGrapevinesFrostForecastingMeteorological StationsSensorsYieldsMachine LearningMendozaIndustrial Internet of ThingsSmart AgricultureWireless Sensors NetworksRedes de Sensores InalámbricosLos productores de viñedos han estado reuniendo información operacional significativa sobre sus campos, y las fincas más avanzadas pueden producir varios años de datos sobre cómo se ha plantado, regado, fertilizado y cómo han madurado las uvas. A pesar de esta riqueza de datos operacionales, hoy en día no existe ninguna herramienta que pueda complementar y gestionar eficientemente estos datos para (1) proporcionar una previsión precisa del rendimiento y (2) predecir los efectos destructivos de los eventos de heladas. La previsión del rendimiento es el proceso para estimar la cantidad de producción de uva para cada sección de un campo en términos de kilos por unidad de superficie. El primer objetivo de WirelessWine es desarrollar una solución basada en el “aprendizaje de máquinas” lista para usar, que combine la riqueza de la información operativa de los productores, los datos meteorológicos regionales, las estaciones meteorológicas a nivel de campo y los dispositivos de IoT desplegados directamente en el campo para proporcionar una previsión precisa del rendimiento. En la región de Mendoza, las heladas han hecho que la producción de uva de 2016 sea un 40% inferior a la de 2015. Los productores pueden combatir un evento de heladas calentando el campo, pero tienen que saber que el evento de heladas viene con un par de horas de anticipación. Los pronósticos meteorológicos a escala regional no proporcionan la precisión necesaria para predecir de manera fiable los eventos de heladas. El segundo objetivo del WirelessWine es identificar, de forma iterativa, la ubicación de los sensores (en el follaje, en el racimo, a diferentes alturas, etc.) que permite la predicción más precisa del evento de helada.EEA MendozaFil: Dujovne, Diego. Universidad Diego Portales. Facultad de Ingeniería. Escuela de Informática y Telecomunicaciones; ChileFil: Watteyne, Thomas. Institut National de Recherche en Informatique et en Automatique (INRIA); FranciaFil: Mercado, Gustavo. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Grupo en Tecnologías de la Información y las Comunicaciones Departamento de Electrónica (GridTICs); ArgentinaFil: Diedrichs, Ana. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Grupo en Tecnologías de la Información y las Comunicaciones Departamento de Electrónica (GridTICs); ArgentinaFil: Taffernaberry, Juan Carlos. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Grupo en Tecnologías de la Información y las Comunicaciones Departamento de Electrónica (GridTICs); ArgentinaFil: Perez Peña, Jorge Esteban. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Mendoza; ArgentinaUniversidad Nacional de la Patagonia Austral2021-03-04T14:17:39Z2021-03-04T14:17:39Z2020-06info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/20.500.12123/8814978-987-3714-82-5XXII Workshop de Investigadores en Ciencias de la Computación: WICC 2020 / Rodolfo Bertone... [et al.] ; compilado por Marta Lasso.- 1a ed.- Río Gallegos : Universidad Nacional de la Patagonia Austral, 2020, p. 160-164reponame:INTA Digital (INTA)instname:Instituto Nacional de Tecnología AgropecuariaspaMendoza .......... (province) (World, South America, Argentina)1001427info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)2026-04-16T09:49:24Zoai:localhost:20.500.12123/8814instacron:INTAInstitucionalhttp://repositorio.inta.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.inta.gob.ar/oai/requesttripaldi.nicolas@inta.gob.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:l2026-04-16 09:49:24.9INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuariafalse |
| dc.title.none.fl_str_mv |
Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos |
| title |
Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos |
| spellingShingle |
Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos Dujovne, Diego Vid Helada Técnicas de Predicción Estaciones Meteorológicas Sensores Rendimiento Aprendizaje Electrónico Grapevines Frost Forecasting Meteorological Stations Sensors Yields Machine Learning Mendoza Industrial Internet of Things Smart Agriculture Wireless Sensors Networks Redes de Sensores Inalámbricos |
| title_short |
Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos |
| title_full |
Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos |
| title_fullStr |
Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos |
| title_full_unstemmed |
Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos |
| title_sort |
Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedos |
| dc.creator.none.fl_str_mv |
Dujovne, Diego Watteyne, Thomas Mercado, Gustavo Diedrichs, Ana Taffernaberry, Juan Carlos Perez Peña, Jorge Esteban |
| author |
Dujovne, Diego |
| author_facet |
Dujovne, Diego Watteyne, Thomas Mercado, Gustavo Diedrichs, Ana Taffernaberry, Juan Carlos Perez Peña, Jorge Esteban |
| author_role |
author |
| author2 |
Watteyne, Thomas Mercado, Gustavo Diedrichs, Ana Taffernaberry, Juan Carlos Perez Peña, Jorge Esteban |
| author2_role |
author author author author author |
| dc.subject.none.fl_str_mv |
Vid Helada Técnicas de Predicción Estaciones Meteorológicas Sensores Rendimiento Aprendizaje Electrónico Grapevines Frost Forecasting Meteorological Stations Sensors Yields Machine Learning Mendoza Industrial Internet of Things Smart Agriculture Wireless Sensors Networks Redes de Sensores Inalámbricos |
| topic |
Vid Helada Técnicas de Predicción Estaciones Meteorológicas Sensores Rendimiento Aprendizaje Electrónico Grapevines Frost Forecasting Meteorological Stations Sensors Yields Machine Learning Mendoza Industrial Internet of Things Smart Agriculture Wireless Sensors Networks Redes de Sensores Inalámbricos |
| dc.description.none.fl_txt_mv |
Los productores de viñedos han estado reuniendo información operacional significativa sobre sus campos, y las fincas más avanzadas pueden producir varios años de datos sobre cómo se ha plantado, regado, fertilizado y cómo han madurado las uvas. A pesar de esta riqueza de datos operacionales, hoy en día no existe ninguna herramienta que pueda complementar y gestionar eficientemente estos datos para (1) proporcionar una previsión precisa del rendimiento y (2) predecir los efectos destructivos de los eventos de heladas. La previsión del rendimiento es el proceso para estimar la cantidad de producción de uva para cada sección de un campo en términos de kilos por unidad de superficie. El primer objetivo de WirelessWine es desarrollar una solución basada en el “aprendizaje de máquinas” lista para usar, que combine la riqueza de la información operativa de los productores, los datos meteorológicos regionales, las estaciones meteorológicas a nivel de campo y los dispositivos de IoT desplegados directamente en el campo para proporcionar una previsión precisa del rendimiento. En la región de Mendoza, las heladas han hecho que la producción de uva de 2016 sea un 40% inferior a la de 2015. Los productores pueden combatir un evento de heladas calentando el campo, pero tienen que saber que el evento de heladas viene con un par de horas de anticipación. Los pronósticos meteorológicos a escala regional no proporcionan la precisión necesaria para predecir de manera fiable los eventos de heladas. El segundo objetivo del WirelessWine es identificar, de forma iterativa, la ubicación de los sensores (en el follaje, en el racimo, a diferentes alturas, etc.) que permite la predicción más precisa del evento de helada. EEA Mendoza Fil: Dujovne, Diego. Universidad Diego Portales. Facultad de Ingeniería. Escuela de Informática y Telecomunicaciones; Chile Fil: Watteyne, Thomas. Institut National de Recherche en Informatique et en Automatique (INRIA); Francia Fil: Mercado, Gustavo. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Grupo en Tecnologías de la Información y las Comunicaciones Departamento de Electrónica (GridTICs); Argentina Fil: Diedrichs, Ana. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Grupo en Tecnologías de la Información y las Comunicaciones Departamento de Electrónica (GridTICs); Argentina Fil: Taffernaberry, Juan Carlos. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Grupo en Tecnologías de la Información y las Comunicaciones Departamento de Electrónica (GridTICs); Argentina Fil: Perez Peña, Jorge Esteban. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Mendoza; Argentina |
| description |
Los productores de viñedos han estado reuniendo información operacional significativa sobre sus campos, y las fincas más avanzadas pueden producir varios años de datos sobre cómo se ha plantado, regado, fertilizado y cómo han madurado las uvas. A pesar de esta riqueza de datos operacionales, hoy en día no existe ninguna herramienta que pueda complementar y gestionar eficientemente estos datos para (1) proporcionar una previsión precisa del rendimiento y (2) predecir los efectos destructivos de los eventos de heladas. La previsión del rendimiento es el proceso para estimar la cantidad de producción de uva para cada sección de un campo en términos de kilos por unidad de superficie. El primer objetivo de WirelessWine es desarrollar una solución basada en el “aprendizaje de máquinas” lista para usar, que combine la riqueza de la información operativa de los productores, los datos meteorológicos regionales, las estaciones meteorológicas a nivel de campo y los dispositivos de IoT desplegados directamente en el campo para proporcionar una previsión precisa del rendimiento. En la región de Mendoza, las heladas han hecho que la producción de uva de 2016 sea un 40% inferior a la de 2015. Los productores pueden combatir un evento de heladas calentando el campo, pero tienen que saber que el evento de heladas viene con un par de horas de anticipación. Los pronósticos meteorológicos a escala regional no proporcionan la precisión necesaria para predecir de manera fiable los eventos de heladas. El segundo objetivo del WirelessWine es identificar, de forma iterativa, la ubicación de los sensores (en el follaje, en el racimo, a diferentes alturas, etc.) que permite la predicción más precisa del evento de helada. |
| publishDate |
2020 |
| dc.date.none.fl_str_mv |
2020-06 2021-03-04T14:17:39Z 2021-03-04T14:17:39Z |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
| format |
conferenceObject |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://hdl.handle.net/20.500.12123/8814 978-987-3714-82-5 |
| url |
http://hdl.handle.net/20.500.12123/8814 |
| identifier_str_mv |
978-987-3714-82-5 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.coverage.none.fl_str_mv |
Mendoza .......... (province) (World, South America, Argentina) 1001427 |
| dc.publisher.none.fl_str_mv |
Universidad Nacional de la Patagonia Austral |
| publisher.none.fl_str_mv |
Universidad Nacional de la Patagonia Austral |
| dc.source.none.fl_str_mv |
XXII Workshop de Investigadores en Ciencias de la Computación: WICC 2020 / Rodolfo Bertone... [et al.] ; compilado por Marta Lasso.- 1a ed.- Río Gallegos : Universidad Nacional de la Patagonia Austral, 2020, p. 160-164 reponame:INTA Digital (INTA) instname:Instituto Nacional de Tecnología Agropecuaria |
| reponame_str |
INTA Digital (INTA) |
| collection |
INTA Digital (INTA) |
| instname_str |
Instituto Nacional de Tecnología Agropecuaria |
| repository.name.fl_str_mv |
INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuaria |
| repository.mail.fl_str_mv |
tripaldi.nicolas@inta.gob.ar |
| _version_ |
1862635510061596672 |
| score |
12.692636 |