La Cátedra Osiris presenta en MobiSec 2025 un innovador sistema de aprendizaje federado para riego inteligente en entornos agrícolas semiáridos

La ponencia, titulada "Energy-Aware and Privacy-Preserving Embedded Federated Learning for Smart Irrigation in Semi-Arid Agriculture", fue impartida por Zohra Dakhia, junto al investigador Adrián Cánovas Rodríguez, y expuso los resultados de un sistema que combina microcontroladores STM32 alimentados por energía solar, técnicas de privacidad diferencial y agregación segura para entrenar modelos predictivos directamente en campo, sin necesidad de centralizar datos sensibles.

Durante la presentación se mostraron pruebas realizadas en seis parcelas agrícolas de la Región de Murcia, donde el sistema demostró su capacidad para predecir necesidades hídricas optimizando el consumo energético y preservando la privacidad de los datos. Este enfoque permite que cada nodo agrícola participe en el aprendizaje colaborativo ajustando su esfuerzo de entrenamiento según el nivel de batería, garantizando sostenibilidad y autonomía en entornos con recursos limitados.

El proyecto introduce además el métrico EPAE (Energy–Privacy–Accuracy Efficiency), que evalúa simultáneamente la eficiencia energética, la protección de datos y la precisión del modelo, ofreciendo una visión integral para la toma de decisiones en agricultura inteligente. Los resultados confirman que esta metodología es viable en dispositivos embebidos y abre la puerta a despliegues reales sin depender de infraestructuras costosas ni comprometer la confidencialidad de los agricultores.