www.economiadehoy.es

Predicción inteligente de crecimiento de vegetación

Predicción inteligente de crecimiento de vegetación
domingo 13 de diciembre de 2020, 12:06h
El Grupo de Ingeniería de Productos Industriales (GEPI) de IQS School of Engineering, trabaja en SPVIoT, un sistema autónomo que detecta el crecimiento de vegetación cerca de las torres eléctricas. id:66144
La transmisión de energía eléctrica es altamente dependiente del uso de torres para el transporte de la energía desde las estaciones productoras hasta los usuarios finales. Alrededor de estas torres se produce un crecimiento de vegetación, que puede suponer un riesgo de incendio u otras incidencias que causan cortes en el suministro y daños naturales de elevados costes económicos y medioambientales.

Actualmente, la monitorización de la vegetación colindante se lleva a cabo a través de visitas a pie de torre, mediante drones, helicópteros o imágenes por satélite. Estas técnicas conllevan elevados costes económicos y de consumo de tiempo, ya que requieren de un posterior procesado de datos para determinar donde se precisa la poda de vegetación.

El desarrollo de herramientas preventivas para la monitorización y la predicción del crecimiento de vegetación permitirá prevenir determinadas incidencias como son los incendios provocados por el contacto de los conductores con la vegetación y los resultantes cortes del suministro eléctrico.

Proyecto SPVIoT

Un grupo de investigadores liderado por el Dr. Marco Antonio Pérez, pertenecientes al Grupo de Ingenieria de Productos Industriales (GEPI) de IQS School of Engineering, trabajan en el proyecto SPVIoT- Smart monitoring and prediction of vegetation growth around electrical towers by advanced laser technologies and cloud-powered Artificial Intelligence . Su objetivo es el desarrollo y validación de un avanzado sistema autónomo y novedoso de monitorización y predicción, basado en visión artificial y de bajo coste y mantenimiento.

El dispositivo envía las imágenes captadas a una plataforma en la nube para su posterior procesado automático y su análisis remoto, siendo posible el acceso a los datos a medida que se precisen. Los investigadores además han desarrollado avanzados algoritmos de Machine Learning para predecir el crecimiento de vegetación, optimizar los programas de mantenimiento y reducir los costes asociados con la prevención y control de posibles incendios.

Proyectos Llavor

El proyecto SPVIoT ha recibido financiación para el desarrollo de proyectos innovadores dentro de la convocatoria Llavor i Producte 2019, en el marco del Programa Industria del Conocimiento de la Generalitat de Cataluña, impulsado desde la Agencia de Gestión de Ayudas Universitarias y de Investigación (AGAUR).

Este proyecto ha sido cofinanciado por la Unión Europea a través del Fondo Europeo de Desarrollo Regional (FEDER).

¿Te ha parecido interesante esta noticia?    Si (0)    No(0)

+

0 comentarios