Un consorcio de doce socios comprendido por universidades, centros de investigación y empresas de siete países de Dinamarca, Países Bajos, Bélgica, Italia, Finlandia, España y Letonia) entre los que se encuentra la Universidad Politécnica de Madrid forman parte del proyecto.

El equipo español, integrado por los grupos de Robótica y Cibernética (Robcib) del Centro de Automática y Robótica (CAR CSIC-UPM) y del grupo de investigación LPF-Tagralia de la Escuela de Ingeniería Agronómica (Etsiaab-UPM), desarrolló un sistema robótico especializado en la fertilización individualizada de cada planta de cultivos heterogéneos en hilera.

Para ello, realizaron un análisis vegetativo mediante un sistema sensorial basado en mediciones láser e imágenes multiespectrales, aplicando así, algoritmos para la identificación, localización y evaluación de las necesidades de cada planta, según explicaron los propios investigadores, asimismo, agregaron que con ello buscan aplicar un tratamiento individualizado a cada una, mitigando el impacto ambiental de insumos.

Los avances en ‘software’ de simulación han permitido desarrollar el proyecto en dos etapas: una de simulación virtual y otra de prueba real en campo, expusieron.

En la primera, pusieron de manifiesto que utilizaron un simulador realista del campo de cultivo, recreando hileras de vegetales y la gestión del sistema de comunicaciones con la plataforma robótica lo que permitió evaluar los algoritmos de sistemas sensoriales, los movimientos del brazo robótico evitando el daño a las plantas y la arquitectura de control y comunicación utilizada bajo ROS (Robot Operating System).

Mientras que en pruebas reales en campo que se llevaron a cabo en la segunda etapa aseguraron que se necesitó la puesta en marcha de un sistema de localización para tener mayor precisión en la aplicación del tratamiento con el brazo robótico. Los investigadores reiteraron que dicho método se basa en las medidas obtenidas de la hilera del cultivo mediante un sistema láser con el que se extraen detalles del entorno que sirven para resituar al robot con respecto a los cultivos.

En este sentido, concluyeron que con este método se consigue que, en una primera observación del terreno se obtenga un mapa global sobre el que se localizan las plantas y se evalúan sus necesidades particulares mientras que en la segunda observación, se logra que el robot obtenga una visión local detallada y actualizada, la sitúa en el mapa global para aplicar el tratamiento adecuado.