Ficha del Reto Innotransfer
Prioridad AVI del Reto
Título del reto
Necesidad a resolver
NAX AGTECH (Alicante) desarrolla, en el marco de un proyecto de I+D financiado por la Agència Valenciana de la Innovació (programa Consolidación de la Cadena de Valor Empresarial 2025-2027), modelos de visión artificial basados en Deep Learning para detectar de forma automática despoblamientos (fallas o «gaps» en la línea de cultivo) a partir de ortomosaicos RGB de dron, con foco inicial en caña de azúcar.
Hoy esta medición se hace de forma manual o semiautomática, surco a surco, sobre miles de hectáreas. Los primeros modelos funcionan bien en una geografía concreta, pero no generalizan entre regiones con suelos (Oxisoles rojizos, Histosoles orgánicos, suelos volcánicos, arcillas oscuras), variedades, estados fenológicos, rastrojo, humedad e iluminación muy distintos. El factor limitante es la falta de datos etiquetados de calidad y diversidad suficientes: la literatura reciente identifica la escasez de datasets, la falta de protocolos de etiquetado estandarizados y la baja transferibilidad entre dominios como los principales obstáculos.
Buscamos un grupo de investigación cuyo resultado principal sea un dataset etiquetado de referencia de unas 10.000 hectáreas de ortomosaicos de distintas geografías, listo para entrenar y validar modelos de Deep Learning. Para llegar a él, el grupo deberá diseñar y optimizar el protocolo de etiquetado (criterios de anotación, herramientas, estrategias semiautomáticas o de aprendizaje activo que reduzcan el esfuerzo manual) y aplicar un control de calidad riguroso y reproducible que garantice la consistencia de las etiquetas entre geografías.
Condiciones de las imágenes: ortomosaicos RGB con GSD de 0,5 a 3 cm; cultivo de 15 a 45 días, con contraste suelo-cultivo distinguible; hileras mayoritariamente rectas (aprox. 90 %) con separación de 1,5 a 2 m; tamaño mínimo de falla de interés en torno a 0,5 m. Datos de explotaciones reales de varios países de Latinoamérica, aportados por NAX.
Requisitos de la solución
Entregables esperados:
1. Dataset etiquetado de unas 10.000 ha de ortomosaicos de distintas geografías (despoblamientos como clase principal; malezas de forma secundaria), en formato compatible con segmentación semántica y detección de objetos/líneas. Entregas parciales escalonadas entre 2026 y 2027.
2. Protocolo de etiquetado optimizado y documentado: criterios de anotación, guía para anotadores y estrategias semiautomáticas o de aprendizaje activo que reduzcan el esfuerzo manual por hectárea.
3. Control de calidad: métricas de acuerdo entre anotadores, revisión y depuración de etiquetas, trazabilidad por geografía.
4. Conjuntos de validación independientes por región y métricas de desempeño (p. ej. IoU, precisión/recall de fallas, error en % de superficie fallada) para evaluar la robustez y generalización de los modelos desarrollados por NAX.
Se valorará: experiencia en teledetección, fotogrametría de dron, visión por computador o agronomía de precisión; posibilidad de publicaciones científicas conjuntas, previo acuerdo sobre datos y resultados.
NAX aporta los ortomosaicos, la infraestructura de procesamiento y los modelos. Los datasets y resultados se integran en la plataforma NAX.
Perfil del colaborador buscado
Grupos de investigación de universidades públicas, organismos públicos de investigación, CSIC e institutos tecnológicos de la Comunitat Valenciana (requisito del programa de financiación), con experiencia en visión por computador, teledetección o agricultura de precisión.
Plazo deseado de la solución
