García-Barquero, que actualmente cursa el cuarto año de Ingeniería Aeroespacial en la especialidad de Vehículos Aeroespaciales, colaboró junto a otros estudiantes de la Universidad de Córdoba y una profesional del sector en la elaboración del proyecto.
El reto propuesto trataba sobre "las decisiones de cultivo que afectan al desarrollo", de modo que el grupo tenía que idear un modelo que predijese el estado de un cultivo concreto en relación con los factores climáticos, y en este caso escogieron el olivo.
Según el estudiante, el equipo trabajó durante "18 horas casi ininterrumpidas". "Nuestro trabajo se centró en recolectar y limpiar datos de diferentes medios y agencias y leer bibliografía del sector para informarnos de qué variables suelen usarse", ha explicado García-Barquero.
El proyecto que desarrollaron y que les valió el premio del Agrohackaton fue un modelo de Machine Learning basado en XGBoost, que proporcionaba un 81 por ciento de precisión con los datos que le eran suministrados. Así, mediante el análisis de 41 variables como el día del año, las precipitaciones acumuladas o la temperatura el modelo ofrecía el estado fenológico del cultivo en cada día del año.
Agrohackaton es un concurso tecnológico orientado tanto a estudiantes universitarios como a profesionales del sector. En él se pedía solucionar uno de los cuatro problemas actuales en el mundo agrario, en el caso de este grupo, las condiciones fenológicas de un cultivo.