Se investigará en mecanismos de ingesta de datos desde múltiples fuentes heterogéneas que conforman los diferentes dispositivos IIoT, en toda la cadena de valor desde el campo hasta la mesa. Se trabajará con sensores específicos optimizados para cada tipo de fuente: estaciones agrometeorológicas, sensores de nutrientes NPK, pH, entre otros.
Se ingerirán también datos de los sistemas existentes en la etapa agropecuaria tanto a nivel IT (ERP, CRM, MES) como a nivel OT (SCADA, PLC, OPC-UA, PPMP).
Toda la información será recogida por una arquitectura Big Data Analytics haciendo uso de tecnologías open-source como Apache Hadoop, Kafka, Spark y Hive. Se emplearán plataformas de datos abiertos como Copernicus para imágenes satelitales.
Se recogerá además información de redes sociales para obtener el feedback de los principales actores, aplicando técnicas de Inteligencia Artificial.
La aplicación de estrategias de ayudas a la toma de decisión (DSS) basados en IA, la instalación de sensores y redes de comunicación permitirá el desarrollo de automatismos dentro del concepto de Internet de las Cosas (IoT).
Se trabajará en el desarrollo de aplicaciones avanzadas que ayuden a los usuarios en sistemas de control y producción agroalimentaria, aprovechando la investigación de grupos y empresas de la Región de Murcia.
Toda la información será almacenada en un registro distribuido (blockchain, grafos acíclicos dirigidos) para garantizar la trazabilidad de todos los procesos. Esto asegurará el origen y los análisis sanitarios de los productos, estableciendo contratos inteligentes con proveedores y transportistas.
Se permitirán bonificaciones o penalizaciones según la calidad de los servicios logísticos.
Mediante el uso de tecnologías de computación en el borde (Edge Computing) se reducirá la cantidad de información transmitida y procesada en la nube.
Esto permitirá preprocesar datos en nodos edge, reducir costes cloud, ejecutar modelos de Machine Learning con menor latencia y mejorar la disponibilidad en zonas rurales con conectividad inestable.
Se investigarán nuevas tecnologías de Virtualización de Funciones de Red (NFV), Redes Definidas por Software (SDN) y Aprendizaje por refuerzo profundo (DRL).
Esto permitirá implementar Redes Virtuales Edge-IoT en escenarios de agroindustria con configuración remota, dinámica y automatizada según las necesidades cambiantes.
Se desarrollará un motor cognitivo basado en algoritmos neurosimbólicos profundos que detectará anomalías en productos, plagas en cultivos y predecirá fallos en equipos industriales (mantenimiento predictivo).
Todas estas soluciones estarán basadas en el concepto de Inteligencia Artificial Explicable (XAI) para garantizar decisiones comprensibles y transparentes.
La propuesta se apoyará en Aprendizaje por refuerzo profundo multiagente y Aprendizaje federado (Federated Learning), permitiendo que todas las explotaciones colaboren en la creación de modelos inteligentes sin intercambiar datos sensibles.
Se diseñarán e implementarán interfaces de Realidad Aumentada y percepción multimodal, incluyendo tecnología háptica para reducir riesgos laborales y mejorar la formación de trabajadores.
Además, se desarrollarán herramientas de Business Intelligence y reporting para facilitar la toma de decisiones estratégicas en entornos agroindustriales.
La digitalización y la aplicación de tecnologías habilitantes que conforman el ecosistema de la Industria 4.0 (IIoT, Inteligencia Artificial, Big Data Analytics, Edge Computing y Realidad Aumentada) en todos los ámbitos del sector agroalimentario es una tarea que va a contribuir de forma decisiva a modernizar el sector, incluyendo desarrollos de aplicación tanto del sector productivo como del sector de la transformación agroalimentaria.
