Líneas de Investigación:
– Agricultura de precisión
– Aprendizaje automático y control inteligente
– Automatización y robótica
– Control no lineal
– Educación en ingeniería
– Eficiencia y rehabilitación energética en edificación
– Laboratorios remotos, comunicaciones y redes
– Modelado y simulación
– Tecnología energética
– Visión artificial

Proyectos y convenios investigación y agroalimentación:

– Referencia del proyecto: 0115_TECNOLIVO_6_E.
Título: Tecnologías para el manejo y supervisión del cultivo del olivo (TecnOlivo).
Coordinador: Dr. José Manuel Andújar Márquez (Universidad de Huelva).
Entidad financiadora: U.E., Programa EP – INTERREG V A España Portugal (POCTEP).
Duración: 01/01/2017 – 31/12/2020.
– Referencia del proyecto: UHU-1255848.
Título: Berrybot: Robótica y Agricultura de Precisión en El Cultivo de Berries.
Coordinador: Dr. Arturo Aquino Martín (Universidad de Huelva).
Entidad financiadora: Junta de Andalucía, convocatoria FEDER Andalucía 2018.
Duración: 01/02/2020 – 31/01/2022.
– Título: Predicción de la cosecha de uva durante prefloración mediante técnicas de inteligencia artificial y de análisis de imagen.
Investigador principal: Dr. Arturo Aquino Martín (Universidad de La Rioja).
Entidad financiadora: Instituto de Estudios Riojanos.
Duración: 01/09/2015 – 01/09/2016.

10 Publicaciones más relevantes:

– Aquino, Arturo; Ponce, Juan Manuel; Andújar, José Manuel. Identification of olive fruit, in intensive olive orchards, by means of its morphological structure using convolutional neural networks. 2020. Computers and Electronics in Agriculture. 176, pp. 105616(1-12).
– Sarabia, Ricardo; Aquino, Arturo; Ponce, Juan Manuel; López, Gilberto; Andújar, José Manuel. 2020. Automated Identification of Crop Tree Crowns From UAV Multispectral Imagery by Means of Morphological Image Analysis. Remote Sensing. 12(748), pp. 1-23.
– Noguera, Miguel; Millan, Borja; Pérez-Paredes, Juan José; Ponce, Juan Manuel; Aquino, Arturo; Andújar, José Manuel. 2020. A New Low-Cost Device Based on Thermal Infrared Sensors for Olive Tree Canopy Temperature Measurement and Water Status Monitoring. Remote Sensing. 12(723), pp. 1-20.
– Ponce, Juan Manuel; Aquino, Arturo; Andújar, José Manuel. 2019. Olive-Fruit Variety Classification by means of Image Processing and Convolutional Neural Networks. IEEE Access. 7(1), pp. 147629-147641.
– Ponce, Juan Manuel; Aquino, Arturo; Millan, Borja; Andújar, José Manuel. 2019. Automatic Counting and Individual Size and Mass Estimation of Olive-Fruits Through Computer Vision Techniques. IEEE Access. 7, pp. 59451-59465.
– Ponce, Juan Manuel; Aquino, Arturo; Millán, Borja, Andújar, José Manuel. 2018. Olive-Fruit Mass and Size Estimation Using Image Analysis and Feature Modeling. Sensors. 18-9.
– Aquino, Arturo; Millán, Borja; Diago, María-Paz; Tardáguila, Javier. 2018. Automated early yield prediction in vineyards from on-the-go image acquisition. Computers and Electronics in Agriculture. 144, pp. 26-36.
– Aquino, Arturo; Diago, María-Paz; Millán, Borja; Tardáguila, Javier. 2017. A new methodology for estimating the grapevine-berry number per cluster using image analysis Biosystems Engineering. 156, pp.80-95.
– Aquino, Arturo; Barrio, Ignacio; Diago, María-Paz; Millán, Borja; Tardáguila, Javier. 2018. vitisBerry: An Android-smartphone application to early evaluate the number of grapevine berries by means of image analysis. Computers and Electronics in Agriculture. 148, pp.19-28.
– Borja Millan; Aquino, Arturo; Diago, María-Paz; Tardáguila, Javier. 2017. Image analysis-based modelling for flower number estimation in grapevine. Journal of the Science of Food and Agriculture. 97-3, pp.784-792.

Master y Doctorado:
Impartición de cursos de postgrado organizados por la UNIA y la UHU. A su vez, el grupo está adscrito al Programa Oficial de Doctorado 1303 – Ciencia y Tecnología industrial y Ambiental.

Equipos y técnicas instrumentales avanzadas de las que dispone el grupo:

Expertos en el desarrollo de redes de sensores de bajo coste, en visión artificial y en plataformas autónomas de adquisición de datos. Se cuenta con la siguiente infraestructura y equipamiento:

• Laboratorios de fabricación de piezas mediante mecanizado e impresión 3D.
• Laboratorios de desarrollo de soluciones electrónicas.
• 6 RPAS (drones), incluyendo tres cuadricópteros, un hexacóptero, un octocóptero, y un helicóptero. Cubren todas las necesidades operacionales, ya que abarcan un amplio espectro de aeronaves, desde ligeras de menos de 2 kg y 15 minutos de autonomía, hasta pesadas de 20 kg con carga de pago incluida y hasta 5 horas de autonomía.
• Dos robots terrestres con capacidades de navegación autónoma, y de carga de 65 kg y 225 kg, respectivamente. Ambas están equipadas con sensores LiDAR, GNSS, recursos computacionales, cámaras de distinta naturaleza y con propulsión eléctrica.
• Cámaras hiperespectrales embarcables, con capacidad de cubrir el rango VIS-SWIR (800-2500 nm).
• Cámara multiespectral Micasense RedEdge-M.
• Sistema LiDAR embarcable con capacidad de tomar 500.000 muestras por segundo, con 900 m de rango ilimitado de ecos, 10 mm de precisión mínima. Incluye sistemas IMU y GNSS para la georreferenciación de los datos capturados y dos cámaras RGB para el coloreo de vóxeles.
• Cámara radiométrica Flir Pro Vue R de 11 mm.
• Cámara RGB mirrorless Sony Alpha 7-II
• PCs de alto rendimiento con prestaciones específicas para deep learning.
• Equipamiento para la determinación del estrés hídrico (cámara de Scholander, porómetro, sensor TDR).

Líneas Estratégicas:
Tanto las de agricultura de precisión que desarrollamos, como las basadas en el desarrollo de variedades de cultivo, de alta calidad, más resilientes a las sequías y enfermedades, y las que tratan el desarrollo de cultivos estructurados de alta densidad de plantación, altamente favorecedores a la automatización y el uso eficiente de los recursos.

Líneas temáticas:
– Tecnologías Agrarias y Ambientales
– Tecnología de los Alimentos y Enología
– Tecnologías de la Información y Bioinformática