Pietro Maria Piazza, Alessandro Nesci, Davide Santucci y Matteo Angiolillo no están esperando a terminar el colegio para construir algo real. Desde Forlì, Italia, los cuatro amigos detrás de Blue Proton Initiative trabajan en un sistema de monitoreo ganadero con inteligencia artificial, pensado para ayudar a los agricultores a identificar animales individuales y detectar señales tempranas de problemas de salud de forma automática, en terreno y en tiempo real.
Tienen 17 años. El proyecto lleva cuatro meses. Están lejos de montar una empresa, pero ya llevan la placa Arduino UNO Q al límite de sus capacidades.
Agricultura 4.0 que no puede esperar
El monitoreo ganadero es un área donde la tecnología quedó atrás respecto de lo que hoy es técnicamente posible. Llevar la cuenta de animales individuales, detectar problemas de salud a tiempo y marcar anomalías antes de que se vuelvan costosas sigue siendo, en gran parte, un trabajo manual: lento, inconsistente y fácil de pasar por alto.
Una vez que identificaron ese vacío, el equipo lo explica sin rodeos.
"Ninguno de nosotros quería esperar. Las herramientas, el conocimiento y los recursos necesarios para atacar problemas reales están disponibles hoy, y no vimos ninguna razón para postergarlo."
Lo que quieren construir es un sistema que use visión por computadora y redes neuronales entrenadas a medida para identificar animales y monitorear su comportamiento. "En la agricultura, detectar algo tarde puede significar pérdidas reales. Un sistema automatizado que corre en segundo plano sin necesitar atención constante es genuinamente útil en ese contexto."
Cuatro adolescentes, cuatro roles
Los cuatro amigos se repartieron responsabilidades: Pietro lidera la ingeniería de software, Matteo desarrolla el backend en C, Davide se encarga del diseño CAD y la estructura física del sistema, y Alessandro se concentra en el desarrollo de redes neuronales y el entrenamiento de modelos YOLO, el núcleo de la capacidad del sistema para detectar y contar animales automáticamente.
Los modelos se desarrollan enteramente de forma interna. La composición del conjunto de datos es central en su enfoque: mientras más variados sean los datos de entrenamiento, con distintas condiciones de luz, movimiento animal, clima y entornos, más robusto se vuelve el modelo al desplegarlo en el mundo real. Como lo resume Alessandro, "con suficientes imágenes diversas que cubran un rango amplio de escenarios reales, el modelo aprende a generalizar".
La UNO Q está en el corazón de la arquitectura. Todo el sistema va dentro de una carcasa impresa en 3D diseñada a medida, compacta y lista para terreno. El equipo escribe y despliega el código directamente por la terminal de Linux, sin entorno de desarrollo integrado ni App Lab. Solo la placa, un editor de texto y mucha iteración.
¿Por qué eligieron la UNO Q?
Blue Proton no llegó a Arduino de cero. Ya habían usado hardware UNO y Arduino Nano en proyectos anteriores, un brazo robótico y un cohete a escala, pero reconocieron rápido que la UNO Q era otra cosa.
"La posibilidad de correr Linux en una placa compacta y de bajo costo fue un punto de inflexión para nosotros. Esa combinación, poder de procesamiento, formato liviano y precio bajo, la hizo encajar naturalmente en un proyecto como el nuestro, donde el hardware tiene que operar en terreno, potencialmente en entornos remotos, sin ser voluminoso ni caro de desplegar."
La capacidad de correr inferencia de IA localmente, sin depender de una conexión permanente a un servidor, es esencial para el despliegue agrícola. Ese es el punto que vuelve viable la IA en el borde dentro de un presupuesto de estudiante.
Aun así, el equipo es honesto respecto de las limitaciones del hardware: "La RAM y la CPU son los principales cuellos de botella. Correr un sistema como el nuestro en una placa con esas restricciones exige que cada componente sea lo más liviano posible." Su método: probar, optimizar y volver a probar. "No hay atajo, simplemente toma tiempo y mucha paciencia."
Vale aclarar que empezaron el proyecto antes del lanzamiento de la placa Arduino VENTUNO Q, que les daría bastante más margen de cómputo.
¿Se puede replicar esto en Chile?
La receta técnica es reproducible con material disponible en el mercado local: una placa con Linux embebido, una cámara, una carcasa impresa en 3D y un modelo YOLO entrenado con imágenes propias. La parte cara del proyecto no es el hardware, sino las horas de recolección y etiquetado del conjunto de datos, que es exactamente lo que este equipo hizo a mano.
Para el contexto ganadero de la zona sur del país, donde los predios extensos y la conectividad intermitente son la norma, la decisión de correr la inferencia en el borde en lugar de subir video a un servidor es la que hace la diferencia entre un prototipo de laboratorio y algo que funciona en el potrero.
Cuatro meses después
Blue Proton tiene hoy un sistema de conteo de ganado funcionando, una dirección técnica clara para desarrollar el componente de monitoreo de salud y un nivel de honestidad sobre su propio proceso que se agradece.
"Seguimos trabajando en esto. Tenemos 17 años, mañana tenemos una prueba de matemáticas, y estamos construyendo algo que quizás algún día se convierta en nuestro trabajo, o quizás no. No tenemos un producto comercial listo y no vamos a fingir que tenemos un plan a cinco años. Pero vamos a seguir construyendo, seguir aprendiendo y ver hasta dónde llega. Por ahora, con eso basta."
Su consejo para otros estudiantes que piensan en empezar algo parecido: "Si tenés una idea, seguila. No esperes a sentirte listo, porque ese momento no va a llegar nunca. Lo resolvés sobre la marcha, y ese es un poco el punto."
Se puede seguir el avance del proyecto en su sitio web y en su cuenta de Instagram, donde documentan la construcción en video a medida que avanza.
