2nd MRN

Abstract

Abstract information

English title:	Implementation of emerging technologies for risk management in agricultural production processes
Spanish title:	Implementaci?n de tecnolog?as emergentes para la administraci?n de riesgos en procesos productivos agr?colas
English abstract:	Using emerging technologies for risk management in agricultural production processes improves the production of strategic crops. Through the characterization of events and technologies applied to these crops, the most appropriate technologies for their monitoring and management are identified through a detailed analysis of common events. From this characterization, a hardware architecture composed of sensors and monitoring stations optimized for collecting relevant data in real-time is designed. Subsequently, artificial intelligence models are implemented to identify risk patterns in the collected data. These models, based on advanced deep learning techniques to detect anomalies and foresee possible incidences of pests and abiotic agents, improve the capacity to respond to adverse crop events. The developed models are integrated within a framework that combines data processing capabilities at the edge with advanced analytics in the cloud, providing a robust and scalable solution. This developed framework can be adapted for application in new crops and other production processes of interest. The partial and expected results show the feasibility and benefits of implementing emerging technologies in agricultural risk management, proposing an innovative model that can be replicated in other agricultural scenarios and contribute to the efficiency and sustainability of agricultural production processes.
Spanish abstract:	El uso de tecnolog?as emergentes para la administraci?n de riesgos en procesos productivos agr?colas permite mejorar la producci?n de cultivos estrat?gicos. Mediante la caracterizaci?n de incidencias y tecnolog?as aplicadas a estos cultivos, a trav?s de un an?lisis detallado de las incidencias comunes se identifican las tecnolog?as m?s adecuadas para su monitoreo y gesti?n. A partir de esta caracterizaci?n, se dise?a una arquitectura de hardware compuesta por sensores y estaciones de monitoreo, optimizados para la recolecci?n de datos relevantes en tiempo real. Posteriormente, se implementan modelos de inteligencia artificial para identificar patrones de riesgos en los datos recopilados. Estos modelos, basados en t?cnicas avanzadas de aprendizaje profundo para detectar anomal?as y prever posibles incidencias de plagas y agentes abi?ticos, mejoran la capacidad de respuesta ante eventos adversos para el cultivo. La integraci?n de los modelos desarrollados se lleva a cabo dentro de un framework que combina capacidades de procesamiento de datos en el borde con an?lisis avanzado en la nube, proporcionando una soluci?n robusta y escalable. Este framework desarrollado puede ser adaptado para su aplicaci?n en nuevos cultivos y otros procesos productivos de inter?s. Los resultados parciales y esperados denotan la viabilidad y beneficios de la implementaci?n de tecnolog?as emergentes en la administraci?n de riesgos agr?colas, proponiendo y modelo innovador que puede ser replicado en otros escenarios agr?colas y contribuyendo a la eficiencia y sostenibilidad de los procesos productivos en la agricultura.
Topic:
Presentation Type:
Speaker:

Authors

Name	Institution	Email
Tomas Ramirez-Guerrero	Universidad EAFIT	teramirezg@eafit.edu.co

Presentation

Room:	Principal Room
Date:	August 10, 2024
Hour:	11:00 - 11:20

Back

2^nd MRN

Second Meeting of Materials Science, Engineering and Nanotechnology Researchers Network

Previous editions:

1^st MRN

Contact information:
info@foristom.org

Copyright 2024 FORISTOM
All rights reserved