El proyecto FERTWINS se centra en la investigación de modelos predictivos mediante el uso de tecnologías emergentes como los Gemelos Digitales y la Inteligencia Artificial Explicable (XAI). La aplicación de estas tecnologías para la adquisición, transferencia y almacenamiento de datos relevantes facilitará la toma de decisiones basadas en datos en tiempo real obtenidos de imágenes satelitales, sensores y estaciones meteorológicas. Esto se aplicará específicamente para mejorar la gestión de la fertirrigación y reducir el uso de productos fitosanitarios, contribuyendo así a la aceleración de la transición digital y la reducción del impacto ambiental. FERTWINS propone mejorar el flujo de información, logrando una mejora sustancial en la productividad de la cadena agroalimentaria.
El proyecto contempla objetivos específicos o técnicos tales como la caracterización y optimización de cultivos y fertirrigación mediante modelos agronómicos y ontologías. Esto incluye el estudio de modelos para predecir la evapotranspiración, investigar técnicas de modelado de información geoespacial y analizar modelos agronómicos para enfermedades fúngicas en cultivos leñosos, aprovechando el potencial de los Gemelos Digitales y la XAI en la transmisión de datos.
Además, se investigará y diseñará un entorno basado en agentes inteligentes y Gemelos Digitales para el monitoreo de cultivos, la simulación de la evolución del fenotipo en función de agentes internos y externos, y el control de la fertirrigación mediante tecnologías inalámbricas de bajo consumo. Esto incluye la fusión de información de fuentes de datos heterogéneas, el diseño de redes para el monitoreo y control de escenarios de agricultura inteligente, y la creación de un entorno basado en Organizaciones de Agentes Virtuales y Gemelos Digitales.
Por último, se explorarán modelos basados en XAI para la predicción de la evapotranspiración, rendimiento de cultivos y enfermedades fúngicas, así como sistemas cognitivos para la optimización de la fertirrigación. Esto abarca el diseño de predicciones de evapotranspiración de cultivos a partir de IoT e imágenes satelitales, modelos de Aprendizaje Ensemble Explicables para la predicción de rendimientos de cultivos leñosos y el diseño de un sistema cognitivo orientado a la toma de decisiones autónomas.