ModpoW desarrolla un sistema de monitorización basado en el ‘Big Data’ para optimizar el uso del agua en la agricultura

La empresa catalana y el investigador Sadegh M. Astaneh (PhD) lideran un proyecto para monitorizar los datos de agua y fertilizante, analizarlos y hacer una recomendación de riego al agricultor

  • Conectividad inteligente
  • Inteligencia Artificial
  • 24/10/2021 13:01

El proyecto ha recibido el apoyo del programa TECNIOspring de ACCIÓ y de la Unión Europea para promover la incorporación de talento experimentado a las empresas y agentes de I+D catalanes con el sello TECNIO

Con este sistema, que ya están utilizando más de 300 clientes como Girona Fruits o Giropoma, el equipo investigador calcula que se puede ahorrar más del 30% del consumo anual de agua y fertilizantes

Oficina de Comunicació

La empresa catalana ModpoW y el investigador Sadegh M. Astaneh (PhD) han creado un sistema de monitorización basado en el Big Data y el Machine Learning para optimizar el agua y los fertilizantes en la agricultura profesional. La solución, que puede llegar a ahorrar más del 30% del consumo anual de agua y fertilizante, monitoriza los datos de líquido bajo tierra para elaborar una recomendación de riego al agricultor, según las condiciones en tiempo real de cada parcela.

El proyecto ha recibido el apoyo de la Unión Europea -bajo el acuerdo de subvención MSCA 712949- y de ACCIÓ -la agencia para la competitividad de la empresa, adscrita al Departamento de Empresa y Trabajo- mediante el programa TECNIOspring PLUS, que financia el 100% de la contratación de investigadores y promueve la incorporación de talento experimentado en las empresas y agentes de I+D catalanes. ModpoW contrató al investigador en 2019 y gracias a esta ayuda han podido desarrollar conjuntamente el plan.

Para implementar la solución, que lleva el nombre de MATAI, el proceso comienza con un análisis de la finca correspondiente para ver las características del terreno. A continuación se parcela el área y se realiza un estudio de su comportamiento. El siguiente paso es la instalación de los sensores, que monitorizan datos como la entrada de agua en la tierra o su drenaje y los envían a una nube que ha desarrollado la propia empresa. Por último, con toda la información recogida la tecnología propone al productor planes de riego y fertilización de acuerdo con las condiciones reales del suelo.

Tal y como destaca Jordi Barceló, CEO de la empresa, «con este sistema ponemos los ojos bajo tierra e informamos al agricultor de todo lo que pasa y que a simple vista no puede ver». Así, «ahorramos grandes cantidades de agua y fertilizante, ya que tenemos comprobado que, por miedo, muchos productores riegan más y acaban perjudicando la cosecha».

En este sentido, Barceló asegura que «como que el suelo se mantiene en buen estado porque se le aplica la cantidad necesaria de agua y fertilizante, se maximiza la producción y el producto sale con mayor calidad».

Por su parte, Astaneh apunta que «la precisión de las indicaciones y la información recogida por los dispositivos son dos piezas clave para que las recomendaciones sean lo más cuidadosas posible». El investigador añade que «este proyecto de I+D supone un valor añadido en la actividad del cultivo de las frutas y verduras».

ModpoW centra su mercado en países como Portugal, Francia o Túnez, “porque son lugares donde más escasea el agua”, explica el CEO. Sin embargo, también han trabajado por marcas de Florida, en Estados Unidos. Actualmente la compañía tiene más de 300 clientes, como Girona Fruits, Giropoma, Cuenca del Tordero, Agromillora o Señorío de Rioja.

La empresa, con sede en Barcelona y una veintena de trabajadores, tiene previsto abrir este año una ronda de financiación de entre 500.000 euros y un millón de euros de capital público y privado. Además, en 2020 creó una certificación de uso racional de agua llamada Droptimus, que avala las marcas que hacen una buena utilización de este recurso.

DIH4CAT is a project funded by the European Union Digital Europe Programme under Grant Agreement Nº101083736.