Mapeo agrícola con dron autónomo para fitosanitario de precisión
Visión general
De qué trata este proyecto.
Entrena una U-Net con imágenes RGB+NIR de tres vuelos agrícolas, genera mapas de riesgo en GeoTIFF y obtén un certificado verificable.
El escenario
La cooperativa agrupa 95 viticultores y gestiona 1.200 hectáreas; el coste medio del fitosanitario es de 180 euros por hectárea y aplicar solo donde hace falta puede reducir la factura química en un 30 %.
El Briefing
Lo que harás y lo que demostrarás.
Construir un pipeline embarcado de segmentación + clasificación de riesgo de mildiu que produzca un mapa de prescripción ejecutable por el tractor de aplicación.
Earning criteria — what you'll demonstrate
- Aplicar segmentación semántica a imagen aérea multiespectral
- Trabajar con datos geoespaciales y formatos GeoTIFF
- Diseñar pipelines de inferencia para hardware limitado a bordo de drones
- Validar modelos contra inspección humana experta
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Robot Perception and Autonomy
Master · Applied Ai
Strong alignment
This challenge maps to Robot Perception and Autonomy at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Semantic Segmentation
Apply semantic segmentation to solve real industry problems and demonstrate production-level capability.
- Remote Sensing
Apply remote sensing to solve real industry problems and demonstrate production-level capability.
- Geospatial Data
Apply geospatial data to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Edge Deployment
Apply edge deployment to solve real industry problems and demonstrate production-level capability.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Ingeniero/a de Visión por Computador
Segmentación semántica sobre imagen multiespectral y despliegue a bordo es el tipo de proyecto que define la cartera de una persona junior de visión orientada a agritech o sensórica remota.
Este proyecto afina
- semantic-segmentation
- remote-sensing
- pytorch
Ingeniero/a de Aprendizaje Automático
Llevar un modelo desde el entrenamiento hasta una inferencia embarcada con métricas honestas refleja la cadena completa que un MLE entrega en producción.
Este proyecto afina
- edge-deployment
- model-evaluation
- pytorch
Científico/a Aplicado/a de IA
Trabajar con etiquetas de campo escasas y validar contra criterio agronómico humano es el patrón de investigación aplicada que se ve en empresas agritech.
Este proyecto afina
- geospatial-data
- model-evaluation
- semantic-segmentation