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; Pérez Peña, Jorge
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 proporcionar una previsión precisa del rendimiento y 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 Wireless Wine 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.
Eje: Arquitectura, Redes y Sistemas Operativos.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Industrial internet of things
Smart agriculture
Yield estimation
Frost prediction
Vineyards
Wireless sensors networks
Machine learning
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/103570
Acceder
id SEDICI_7d1a30f2e43127a2ffb745da753f6a72
oai_identifier_str oai:sedici.unlp.edu.ar:10915/103570
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Wireless wine: estimación de rendimiento y ubicación de sensores para la predicción de heladas en los viñedosDujovne, DiegoWatteyne,ThomasMercado, GustavoDiedrichs, AnaTaffernaberry, Juan CarlosPérez Peña, JorgeCiencias InformáticasIndustrial internet of thingsSmart agricultureYield estimationFrost predictionVineyardsWireless sensors networksMachine learningLos 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 proporcionar una previsión precisa del rendimiento y 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 Wireless Wine 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.Eje: Arquitectura, Redes y Sistemas Operativos.Red de Universidades con Carreras en Informática2020-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf160-164http://sedici.unlp.edu.ar/handle/10915/103570spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3714-82-5info:eu-repo/semantics/reference/hdl/10915/103151info: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)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-04-15T11:29:50Zoai:sedici.unlp.edu.ar:10915/103570Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-04-15 11:29:51.247SEDICI (UNLP) - Universidad Nacional de La Platafalse
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
Ciencias Informáticas
Industrial internet of things
Smart agriculture
Yield estimation
Frost prediction
Vineyards
Wireless sensors networks
Machine learning
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
Pérez Peña, Jorge
author Dujovne, Diego
author_facet Dujovne, Diego
Watteyne,Thomas
Mercado, Gustavo
Diedrichs, Ana
Taffernaberry, Juan Carlos
Pérez Peña, Jorge
author_role author
author2 Watteyne,Thomas
Mercado, Gustavo
Diedrichs, Ana
Taffernaberry, Juan Carlos
Pérez Peña, Jorge
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Industrial internet of things
Smart agriculture
Yield estimation
Frost prediction
Vineyards
Wireless sensors networks
Machine learning
topic Ciencias Informáticas
Industrial internet of things
Smart agriculture
Yield estimation
Frost prediction
Vineyards
Wireless sensors networks
Machine learning
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 proporcionar una previsión precisa del rendimiento y 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 Wireless Wine 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.
Eje: Arquitectura, Redes y Sistemas Operativos.
Red de Universidades con Carreras en Informática
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 proporcionar una previsión precisa del rendimiento y 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 Wireless Wine 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 2020-05
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
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://sedici.unlp.edu.ar/handle/10915/103570
url http://sedici.unlp.edu.ar/handle/10915/103570
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-3714-82-5
info:eu-repo/semantics/reference/hdl/10915/103151
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
160-164
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1862568919308435456
score 13.203462

Publicaciones similares