AiGen
Redmond, WA
Fabricación de equipos de energía renovable
AWS IoT, AWS Lambda, AWS S3.
Este proyecto implicó el desarrollo y la implementación de una solución basada en IoT para detectar malas hierbas en campos agrícolas utilizando robots autónomos equipados con capacidades de transmisión de imágenes. AiGen, cuya misión es desbloquear la agricultura regenerativa a escala planetaria con una plataforma robótica de energía solar y sin pesticidas, buscó un enfoque innovador para mejorar la gestión de cultivos y reducir el proceso de identificación de malas hierbas, que requiere mucha mano de obra. El objetivo era utilizar tecnologías de IA e IoT para identificar con precisión las malas hierbas, optimizando así el rendimiento de los cultivos y reduciendo la necesidad de herbicidas químicos.
El alcance del proyecto incluyó el diseño y la implementación de unidades robóticas equipadas con cámaras y sensores, y la implementación de un sistema de procesamiento y transmisión de imágenes en tiempo real. La solución tenía como objetivo proporcionar información en tiempo real y acciones automatizadas para mejorar la eficiencia y la eficacia de la gestión de malas hierbas.
El cliente se enfrentó a varios desafíos que hicieron necesario el desarrollo de esta solución basada en IoT:
Identificación de malas hierbas con uso intensivo de mano de obra: La detección manual de malas hierbas requería mucho tiempo y una mano de obra considerable.
Identificación inexacta de malas hierbas: El error humano en la identificación de malas hierbas condujo a una gestión de malas hierbas inconsistente e ineficaz.
Altos costes de los herbicidas: La dependencia excesiva de los herbicidas químicos aumentó los costes y tuvo impactos ambientales negativos.
Necesidad de supervisión en tiempo real: La falta de datos en tiempo real sobre la presencia de malas hierbas dificultó la toma de decisiones e intervenciones oportunas.
La solución basada en IoT proporcionó un valor significativo al cliente y a la industria agrícola:
Mayor eficiencia: La detección automatizada de malas hierbas redujo la necesidad de mano de obra manual, ahorrando tiempo y recursos.
Mayor precisión: La identificación impulsada por IA garantizó una detección de malas hierbas consistente y precisa, mejorando la gestión de cultivos.
Ahorro de costes: La menor dependencia de los herbicidas químicos redujo los costes y minimizó el impacto ambiental.
Información en tiempo real: La supervisión en tiempo real y el análisis de datos permitieron intervenciones oportunas y una mejor toma de decisiones.
Escalabilidad: La solución era escalable para grandes campos agrícolas, ofreciendo flexibilidad y adaptabilidad.
Mejora del rendimiento de los cultivos: La gestión eficaz de las malas hierbas contribuyó a cultivos más sanos y a un mayor rendimiento.
La solución implicó la implementación de un sistema integrado de robots autónomos equipados con tecnologías IoT e IA:
Robots autónomos: Robots diseñados y construidos capaces de navegar por campos agrícolas y capturar imágenes de alta resolución.
Integración de IoT: Robots equipados con sensores IoT para la recopilación de datos ambientales y capacidades de comunicación para la transmisión de datos en tiempo real.
Procesamiento de imágenes en tiempo real: Se implementó un sistema para la transmisión y el procesamiento de imágenes en tiempo real para identificar las malas hierbas sobre la marcha.
Fundador, bravo foxtrot
