Smart management system for unmanned autonomous vehicles in precision agriculture on edge

El objetivo de este proyecto llamado ”Sistema inteligente de gestión para vehículos autónomos para agricultura de precisión en el edge” es el diseño e implementación de un sistema de gestión de flota inteligente basado en arquitectura edge para vehículos aéreos no tripulados (UAV) empleados en tareas de agricultura de precisión. La solución propuesta busca mejorar la autonomía, eficiencia y sostenibilidad de las operaciones agrícolas automatizadas mediante el uso de tecnologías avanzadas de software, arquitectura distribuida y microservicios. Asimismo, se apoya en modelos de información y flujos de trabajo derivados del proyecto europeo AFarCloud, orientado a la evolución, automatización y optimización del sector agrícola. El desarrollo se ha centrado en optimizar la coordinación y ejecución autónoma de misiones agrícolas: Esto se ha logrado implementando un sistema capaz de gestionar dependencias entre tareas, actualizar dinámicamente el estado de los UAVs y ofrecer plataformas de visualización y herramientas que permiten supervisión y análisis continuo. Desde el punto de vista tecnológico, el sistema se construye sobre una arquitectura de microservicios, con ROS2 como middleware para la comunicación con UAVs y gRPC como protocolo interno entre servicios. REST se emplea para la interacción con servicios web externos, mientras que MariaDB actúa como sistema de gestión de bases de datos. Para la visualización en tiempo real de la telemetría y el estado de los dispositivos, se integra la plataforma ThingsBoard. En cuanto a los condicionantes económicos, se ha optado deliberadamente por software libre y herramientas de código abierto. Esto ha permitido reducir los costes de desarrollo e implementación del sistema, al mismo tiempo que facilita su replicabilidad y escalado. En términos medioambientales, el sistema promueve una agricultura más sostenible. Mejora la eficiencia en el uso de recursos naturales como el agua, fertilizantes y pesticidas, gracias a la ejecución precisa y automatizada de tareas mediante UAVs. La metodología de desarrollo se divide en dos fases: diseño e implementación. En la fase de diseño se definieron los modelos de información, arquitectura del sistema y diagramas UML. La fase de implementación contempló el desarrollo de los distintos microservicios, integración de tecnologías y simulación del comportamiento del sistema mediante entornos de prueba controlados. La validación del sistema se realizó mediante pruebas funcionales y no funcionales conformes a la norma ISO/IEC/IEEE 29119:2020. Permitieron verificar la correcta ejecución de misiones, la comunicación entre componentes, la latencia del sistema y la consistencia de los datos. Los resultados evidencian que el sistema es estable, eficiente y viable para su despliegue en escenarios reales. Como trabajo futuro se propone mejorar los algoritmos de toma de decisiones, integrar vehículos terrestres autónomos (UGVs) y optimizar los protocolos de comunicación, con el objetivo de consolidar una plataforma completa para la gestión inteligente de flotas en agricultura de precisión. Abstract The objective of this project, titled “Smart management system for unmanned autonomous vehicles in precision agriculture on edge”, is the design and implementation of an intelligent fleet management system based on edge architecture for Unmanned Aerial Vehicles (UAVs) used in precision agriculture tasks. The proposed solution aims to improve the autonomy, efficiency, and sustainability of automated agricultural operations through the use of advanced software technologies, distributed architecture, and microservices. It also draws on information models and workflows derived from the European AFarCloud project, which is focused on the evolution, automation, and optimisation of the agricultural sector. The development has focused on optimising the coordination and autonomous execution of agricultural missions. This is achieved by implementing a system capable of managing task dependencies, dynamically updating the status of UAVs and offering visualisation platforms and tools for continuous monitoring and analysis. From a technological point of view, the system is built on a microservices architecture, using ROS2 as middleware for communication with UAVs and gRPC as the internal protocol between microservices. REST is used for the interaction with external web services, while MariaDB serves as the database management system. For real-time visualisation of telemetry and device status, the ThingsBoard platform is integrated. With respect to economic constraints, the project has deliberately opted for open-source software and tools. This has helped reduce development and implementation costs while facilitating system replication and scalability. From an environmental perspective, the system promotes more sustainable agriculture. Improves the efficient use of natural resources, such as water, fertilisers, and pesticides, thanks to the precise and automated execution of tasks via UAVs. The development methodology is divided into two phases. Design and implementation. In the design phase, information models, system architecture and UML diagrams were defined. The implementation phase involved the development of various microservices, the integration of technologies, and the simulation of the behaviour of the system in controlled testing environments. The system was validated through functional and non-functional tests based on the ISO/IEC/IEEE 29119:2020 standard. These tests verified the correct execution of the mission, communication between components, system latency, and data consistency. The results demonstrate that the system is stable, efficient, and viable for deployment in real-world scenarios. In future work, it is proposed to improve decision-making algorithms, integrate Unmanned Ground Vehicles (UGVs) and optimise communication protocols, with the aim of consolidating a complete platform for intelligent fleet management in precision agriculture.