#Sevilla La UPO y ec2ce aplican inteligencia artificial para predecir la evolución de la plaga de la mosca del olivo

Ciencia Andaluza
Olivo

 

Investigadores de la Universidad Pablo de Olavide, bajo la coordinación del profesor Francisco Martínez Álvarez, participan en un proyecto liderado por la empresa ec2ce que pretende el desarrollo de un modelo predictivo para controlar la plaga que afecta al olivar (Bactrocera Oleae o mosca de la fruta) adelantando la toma de decisiones, lo que favorece una aplicación controlada de fitosanitarios que mejora la sostenibilidad del olivar.

El proyecto, titulado ‘IA2GIP: Inteligencia Artificial aplicada a la gestión integrada de plagas’ ha sido financiado por e lMinisterio de Economía, Industria y Competitividad, en el marco del Plan Estatal de Investigación Científica y Técnica y de Innovación 2013-2016; participan además las entidades Novadrone, el Instituto Andaluz de Tecnología (IAT) y la Universidad de Sevilla.

La principal innovación del proyecto es la integración de la modelización matemática, de la inteligencia artificial y de sensores para proporcionar recomendaciones al agricultor. Se requiere el desarrollo y combinación de diversas tecnologías que incluirán el uso de deep learning, algoritmos genéticos, redes neuronales, lógica borrosa y técnicas de optimización (y en general de aprendizaje automático) que permiten la utilización de enormes cantidades de información en tiempo real. Los trabajos en desarrollo en este proyecto combinan el uso de grandes volúmenes de datos (big data) con el modelado mediante sistemas de inteligencia artificial para crear una herramienta que soporte el proceso de toma de decisiones en los sistemas de control de plagas. Para ello, se va a partir de datos públicos y privados y se añadirán datos de campo, tomados de forma tradicional y otros tomados mediante Sistemas Aéreos Tripulados Remotamente y equipados con los sensores adecuados.

La mosca del olivo es la principal plaga que afecta a los productores de aceite de oliva, generando pérdidas de hasta el 80% del valor de la cosecha tanto por disminución de producción como de calidad del aceite. En algunos casos, en explotaciones dedicadas a aceituna de mesa, las pérdidas pueden incluso suponer el 100%. Este insecto ataca directamente al fruto y la plaga evoluciona de forma explosiva dificultando su control y suponiendo costes muy significativos para el productor.

El uso de modelos predictivos que permitan determinar cuándo y en qué medida se va a producir una explosión de la afección de la mosca al fruto, haría posible aplicar los sistemas de control en el momento óptimo. El proyecto, en el que participa la UPO, pretende incorporar a los modelos predictivos actuales nuevas técnicas de aprendizaje y nuevas variables de entradas basadas en imágenes obtenidas mediante vuelo de drones y así desarrollar un nuevo sistema de modelado predictivo que permita adelantar la evolución de la plaga de la mosca del olivo hasta cuatro semanas antes. Esta herramienta mejorada será de fácil uso por los agricultores y les dirá qué hacer. Con ella podrán mejorar su producción, aumentar la calidad del aceite y disminuir el uso de pesticidas, protegiendo de esta forma el medio ambiente y poniendo en práctica una agricultura más sostenible.

 Fuente: Universidad Pablo de Olavide.

#Granada: Desarrollan un algoritmo, inspirado en el comportamiento de las abejas, que ayuda a desmantelar redes sociales criminales

Ciencia Andaluza
Abejas

 

Investigadores de la Universidad de Granada (UGR) han diseñado un algoritmo, inspirado en el comportamiento inteligente y social de las colonias de abejas, que permite atacar de forma óptima y, así, desmantelar cualquier tipo de red social que suponga una amenaza, sea ésta física o virtual, como lo pueden ser, por ejemplo, las redes sociales vinculadas al crimen organizado y al terrorismo de corte yihadista.

Las posibles aplicaciones de este nuevo algoritmo bioinspirado, que ayuda a tomar las decisiones óptimas para desmantelar cualquier tipo de red social, son muchas y muy variadas: desde desmantelar una red criminal hasta facilitar el diseño de estrategias de vacunación capaces de contener la propagación de una epidemia pandémica.

La herramienta diseñada por los investigadores de la UGR detecta e identifica de manera automática cuáles son los actores o nodos más peligrosos dentro de una determinada red social y las relaciones de densa interconexión entre ellos, lo cual puede ayudar a los responsables de la seguridad para decidir y actuar de la forma más eficiente posible.

Como explica uno de los autores de este trabajo, Manuel Lozano Márquez, del departamento de Ciencias de la Computación e Inteligencia Artificial de la UGR, “las abejas forman sociedades bastante bien organizadas, en las que cada integrante adquiere un papel específico. Principalmente, existen tres tipos: las abejas exploradoras, que buscan las fuentes de alimentación; las trabajadoras, que recolectan; y las supervisoras, que esperan en la colonia”.

Entre esos tres roles se establecen procesos de comunicación e intercambio de datos que hacen que el rendimiento global de la colonia sea muy rentable. Con el objetivo de encontrar planes efectivos y eficientes para desarticular redes, los científicos de la UGR han simulado este comportamiento por medio de abejas artificiales. Los resultados de los experimentos indican que la técnica propuesta mejora significativamente, desde un punto de vista estadístico, a la estrategia clásica de ataque y desmantelamiento de redes sociales.

Más información en la Universidad de Granada.