Projecte llegit

Títol: Avaluació d'un sistema de monitoratge NIR a temps real farratge per a Agricultura de Precisió

---

Estudiant que ha llegit aquest projecte:

PARRAMON GIRVENT, ADRIÀ (data lectura: 11-02-2026)

---

Tutor/a o Cotutor/a: LLOP CASAMADA, JORDI

Departament: DEAB

Títol: Avaluació d'un sistema de monitoratge NIR a temps real farratge per a Agricultura de Precisió

Data inici oferta: 21-07-2023      Data finalització oferta: 21-03-2024

---

Estudis d'assignació del projecte:

GR ENG CIEN AGRONOM

Lloc de realització:
EEABB

Segon tutor/a (UPC): GARCIA RUIZ, FRANCISCO JOSE

Paraules clau:
Farratges, NIR, Agricultura de Precisió

Descripció del contingut i pla d'activitats:
La necessitat de ser cada vegada més
eficients en l'ús dels
recursos agrícoles (aigua, sòl,
fertilitzats, fitosanitaris,
etc.) posa de manifest l'interès en
utilitzar tecnologies
d'agricultura de precisió que permeten
determinar les variacions
en la parcel·la.
La variabilitat de la parcel·la es pot
determinar amb diferents
metodologies: sensors de collita,
teledetecció amb satèl·lit o
mesures a camp.
Actualment hi ha equips comercials que ja
disposen de sensors per
determinar el rendiment en parcel·la i la
qualitat de les plantes
a temps real. També es cert, que els
productors no tenen massa
clar como utilitzar aquests mapes i
prendre decisions
posteriorment d'acord amb la informació.
En aquest sentit,
s'avaluaran dos sensors de rendiment en
cultius farratgers:
Nutrisense de New Hollant i NIR de Class,
i es compararà amb la
informació obtinguda amb sensor
multiespectral des de satèl·lit
(per determinar la variabilitat) i també
s'avaluarà a nivell de
laboratori.

Aquest projecte permetrà optimitzar l'ús
dels recursos en cultius
de farratge, així com poder fer mapes de
rendiment de cultius
farratgers de manera que es pot generar un
històric i millorar la
qualitat de les collites.

Període d'execució: Setembre 2023 ' gener
2024

Overview (resum en anglès): This Final Degree Project aims to evaluate the accuracy, usefulness and feasibility of near-infrared (NIR) sensors mounted on self-propelled forage harvesters for the real-time determination of forage quality during harvesting. The study focuses on a comparison between two NIR systems integrated into forage harvesters from different manufacturers (Claas and John Deere), and on the validation of the values obtained using reference laboratory analyses.
The methodology employed is based on taking samples under real field conditions during the harvesting of ryegrass. The data generated by the NIR sensors were compared with analytical results from a private laboratory, a university laboratory and other supplementary sources. The main forage quality parameters were analysed, such as dry matter, crude protein, crude fat and ash, as well as the actual cutting length of the chopped material. The analysis of the results was carried out using descriptive statistics, considering indicators such as absolute error, relative error, deviation and the coefficient of variation.
The results show that the precision of the NIR sensor varies depending on the parameter analysed. Crude protein and crude fat show good agreement with laboratory values, whereas dry matter and ash show greater variability and more significant deviations. Regarding the cutting length, significant differences were detected between the value programmed into the machine and the actual measured value, as well as high variability in some cases, which highlights the influence of mechanical factors and the condition of the crop.
The conclusions of the study indicate that on-board NIR sensors are a tool with high potential for the real-time monitoring of forage quality, especially when used as a system for continuous monitoring and trend comparison. However, it is also noted that its real utility is conditioned by the variable accuracy depending on the parameter, the need for calibration and maintenance, and the ability to access and exploit the generated data. Finally, the study highlights that the technical and economic viability of the NIR system largely depends on the degree to which the information is integrated into agronomic decision-making.

Aquest projecte està relacionat amb l'adaptació al Canvi Climatic? No

Aquest projecte està relacionat amb la digitalització del seu àmbit de treball? Sí

---