GMV participa a CYBELE, un projecte finançat per la Unió Europea que té com a objectiu innovar i crear valor en els dominis de l’agroalimentació mitjançant la implementació de mètodes d’agricultura de precisió (PA) i ramaderia de precisió (PLF).

Des dels inicis del projecte, la companyia lidera un dels nou pilots del projecte per avaluar i demostrar l’ús de tecnologies aplicades a l’agricultura i ramaderia de precisió, i s’enfoca en el desenvolupament de serveis climàtics per a la presa de decisions sobre la gestió d’explotacions de fruiters per part dels agricultors.

A final de gener, es va fer un taller, organitzat per la plataforma europea HiPEAC, en el qual es va presentar la primera versió prototip de la plataforma CYBELE. Aquesta versió recull els resultats dels desenvolupaments dels primers dos anys per al projecte, que combinen maquinari i programari HPC, dades massives i núvol per a execucions d’anàlisis de dades escalables.

Per part de GMV, es van donar a conèixer els reptes en les proves d’agricultura de precisió i la ramaderia en termes de tractament de dades, així com les solucions i optimitzacions en la implementació d’anàlisi de dades de producció a escala real a través del marc proporcionat per la plataforma CYBELE.

En el marc d’aquestes proves pilot, GMV ha aconseguit grans avenços en la conceptualització i exploració de mètodes basats en aprenentatge automàtic (ML, per les sigles en anglès) per al pronòstic de gelades o calamarses. Aquestes proves s’han dut a terme en dues zones de la Comunitat Valenciana.

A causa de la complexitat que representa pronosticar esdeveniments meteorològics extrems, les proves es van dividir en tres blocs: un, dedicat al pronòstic de la calamarsa; un altre, al pronòstic de les gelades, i l’últim, dedicat a la fenologia de cada tipus de fruita.

El treball desenvolupat per la companyia en aquest pilot es basa en dades del Meteorological Archival and Retrieval System de l’European Centre for Medium-Range Weather Forecasts (ECMWF) i l’Agència Espanyola de Meteorologia (AEMET).