Manuel Perez-Ruiz, de la Universidad de Sevilla, premiado en el área de la Ingeniería Agroforestal
Fuente: Universidad de Sevilla
El profesor Manuel Perez-Ruiz, del Área de Ingeniería Agroforestal de la Universidad de Sevilla, ha recibido el premio EurAgEng Outstanding Paper Awards 2014 por el artículo ‘Tractor-based Real-time Kinematic-Global Positioning System (RTK-GPS) guidance system for geospatial mapping of row crop transplanter’ publicado en la revista Biosystems Engineering en 2012.
Este premio, entregado en el marco del congreso de la Asociación Europea de Ingenieros Agrónomos celebrada la pasada semana en Zurich (EurAgEng 2014), reconoce a este trabajo como el mejor de los publicados en la revista Biosystems Engineering durante el año 2012 y 2013.
El profesor Perez-Ruiz pertenece al grupo ‘Mecanización y Tecnología Rural-AGR126’ y ha desarrollado gran parte de su labor científica en la University of California, Davis (USA). En la actualidad participa en el Proyecto Europeo ‘Robot Fleets for Highly Effective Agriculture and Forestry Management (RHEA)’ financiado con ocho millones de euros. En el panorama nacional coordina dos proyectos, uno del programa de Excelencia de la Junta de Andalucía y otro sujeto al programa Estatal de Investigación. Todos ellos centrados en técnicas de Agricultura de Precisión.
Artículo científico: http://www.sciencedirect.com/science/article/pii/S153751101100184X
Últimas publicaciones
La Fundación Descubre-Consejería de Universidad, Investigación e Innovación y la Universidad Pablo de Olavide coordinan esta entidad regional que persigue la atención y asesoramiento a las iniciativas basadas en la participación activa de la ciudadanía. En su nueva convocatoria de ayudas, financiará 8 proyectos que aborden retos científicos y sociales de la región hasta junio de 2027.
El proyecto está financiado por el programa Erasmus+ de la Unión Europea y cuenta con la participación de instituciones de Italia, España y Francia.
Sigue leyendo
Un equipo de investigación de la Universidad de Cádiz ha creado un sistema basado en aprendizaje profundo capaz de localizar y clasificar automáticamente anomalías en radiografías de tórax. Los resultados mejoran la precisión de otros métodos utilizados y lo validan como una herramienta con potencial para dar soporte a la evaluación precoz de patologías del pulmón.
