La obtención de datos a través del uso la tecnología NIRs supone un avance tecnológico importante para el secto agroalimentario, ya que se caracteriza por una automatización y digitalización de procesos a través de una tecnología rápida, no destructiva y respetuosa con el medio ambiente (NIRS), que ha sido aplicada con éxito en otros muchos sectores y productos. Concretamente desde CICYTEX, se han realizado estudios en carne, productos cárnicos, recursos naturales de dehesa, peces, fruta, aceitunas, uva,… El desarrollo y aplicación de esta tecnología requiere la construcción de modelos de predicción fiables tanto de aspectos de composición del producto (cuantitativos), como de aspectos cualitativos o de pertenencia a un grupo, categoría comercial u origen.
El uso de la tecnología NIRS supone una serie de beneficios para el sector, tales como:
– Rapidez, ya que una vez desarrollados los modelos de predicción cuantitativa nos permite conocer a tiempo real la concentración de los principales compuestos asociados con la calidad del producto, así como la pérdida de ésta durante su envasado y conservación, sin necesidad de abrir el envase. De este modo se agiliza la toma de decisiones y se descartan rápidamente lotes defectuosos en sus atributos sensoriales para garantizar que llegan al consumidor de forma segura y manteniendo su óptimo de calidad. Por otra parte, el desarrollo de modelos predictivos cualitativos nos permite clasificar las muestras en base a su origen o categoría comercial.
– No destructiva, ya que, tras la validación de los modelos predictivos, se puede utilizar en línea de producción permitiendo obtener la información a tiempo real sin necesidad de destruir la muestra, como ocurre con los métodos convencionales de control de calidad
– Respetuosa con el medio ambiente, contribuyendo a mitigar el cambio climático, ya que, una vez validados los modelos predictivos obtenidos, se elimina el uso de reactivos químicos altamente contaminantes
Los medidores de rugosidad, también llamados «medidores de rugosidad superficial», son instrumentos que miden la suavidad (grado de rugosidad) de la superficie de un objeto. Los principales tipos de medidores utilizan sondas o láseres. Convencionalmente, los modelos más comunes utilizan una sonda de diamante, pero los tipos ópticos se han vuelto más comunes, debido a la preocupación de que la sonda de diamante pueda dañar la superficie de semiconductores y objetos similares, durante la medición. Algunos modelos pueden medir superficies planas y curvas. Recientemente, también han aparecido modelos que pueden mostrar una imagen 3D de la forma, en base a los datos medidos de la superficie.
Equipos de visión artificial utilizando las últimas tecnologías de visión artificial, deep learning.
La tecnología de Deep Learning se utiliza para predecir patrones y ejecutar aplicaciones basadas en criterios. Esta tecnología avanzada utiliza algoritmos de inteligencia artificial (IA) para enseñar a robots y máquinas a hacer lo que los humanos hacemos naturalmente: aprender a partir de ejemplos.
Los equipos están fabricados en acero inoxidable, con una fabricación modular que permite realizar ajustes y cambios en fábrica fácilmente. Se trata de equipos de varios tamaños desde aplicaciones de una cámaras hasta conjuntos multicámara y visión 360º
Se pueden entregar elementos periféricos como expulsores y cintas de evacuación.
El escaner láser 3D, captura las coordenadas geográficas de todas las superficies que lo rodean en un radio limitado, en cuestión de minutos y sin contacto con los elementos medidos. Además, cuenta con la incorporación cámaras fotográficas, que registran la información del rango visible, lo que aporta una información infinita del objeto.
El resultado conocido como nube de puntos 3D, es un conjunto de millones de coordenadas (x,y,z), posicionadas en el espacio y en verdadera magnitud, que representan con rigor y precisión la realidad escaneada.
En un mundo que cada vez demanda más y más energía es necesario conocer como evolucionará esta demanda para poder generar la suficiente cantidad para satisfacerla. El grupo de investigación aplica técnicas de inteligencia artificial para predecir diferentes variables energéticas, tales como el consumo mensual o la evolución de los precios de los precios de las materias primas ligadas a la producción de energía. Para realizar estas predicciones se utilizan, ademas de diversas herramientas estadísticas, las Redes Neuronales, una algoritmo computacional que reproduce la estructura y comportamiento del cerebro. Esta herramienta ha demostrado una gran potencia en el manejo de grandes cantidades de datos siendo capaz de extraer información sobre el comportamiento de las varibles que predice sin que sea necesario formular modelos matemáticos que lo explique. Su estructura compleja les permite analizar sistemas no lineales, lo que les proporciona una clara ventaja sobre los métodos clasicos de predicción de sereis temporales, los cuales sueles estar optimizados para el tratamienteo de sistemas lineales.
La eficiencia energética se ha convertido en un objetivo crucial para la sociedad moderna dado que la creciente demanda del consumo de nergía se ha encontrado con la realidad de que los recursos energéticos del planeta son limitados. Por otro lado ese consumo energético genera contaminación que puede comprometer la calidad de vida. Es por ello que se ha desarrollado un interés creciente tanto en autoridades, empresas e investigadores en desarrollar y aplicar técnicas que faciliten un consumo energéticos eficiente de tal manera que no se desperdicie energía. Con este objetivo el grupo de investigación ha desarrollado diferentes programas de análisis de los sistemas de producción de energía eléctrica que permiten adaptar la preducción a la demanda real. Ha desarrollado también otros que facilitan el diseño de instalaciones industriales con el objetivo de evitara pérdidas innecesarias de energía. Estas herramientas se dirigen fundamentalmente a la gestión de sistemas de producción de energía eléctrica mediante fuentes renovables.
El correcto diseño de encuestas y posterior análisis de los resultados son tareas que deben realizarse cuidadosamente para extraer información de calidad. La selección adecuada de la muestra que va a responder a los cuestionarios y el proceso de toma de datos también son factores determinantes a la hora de evaluar el éxito de productos, campañas o acciones empresariales.
Controlador de riego modular para aplicaciones de monitorización, automatización y telecontrol para el riego agricola (riego 4.0), valido tanto en entorno urbano (parques y jardines ) como en explotaciones agrícolas.
Diseñados para su uso en ambientes industriales agresivos, y con poco requerimiento energético (bajo consumo); escalable y con aplicaciones de control de riego en todas las plataformas (windows, linux, android y iphone).
ExControl ofrece servicios de fabricación electrónica a medida (Montaje de placas electrónicas, montajes SMD y Convencional THT etc.), con una política de competitividad basada en una óptima relación calidad-precio.
Disponemos de fabrica física en nuestras instalaciones, sin subcontratas, todo el proceso se realiza en España simplificando el proceso de marcado CE y certificación de los equipos.
https://excontrol.es/fabricacion-circuitos-placas-electronica/
Los costes de los consumos de almacenamiento de datos de sensores en Cloud se van incrementando con el tiempo de manera exponencial. Esto hace que algunas empresas se planteen almacenamientos locales comprando sus propios servidores (Fog Computing) con el coste adicional que ello conlleva. La propuesta del prototipo que tenemos lo que permite es que el almacenamiento se realice en la propia red de sensores que capta esa información, ya que tiene capacidades en base a nuestras mediciones previas para realizarlo y ahorrar costes de manera rápida sin perder la fiabilidad que ofrece la redundancia de los sistemas de almacenamiento distribuido
