Sigfredo Fuentes

Sigfredo Fuentes
Profesor Visitante Distinguido en Agricultura Digital y Ciencias de la Alimentación
Escuela de Ingeniería y Ciencias
Expertise
Fisiología vegetal o de las plantas
Agricultura digital
Alimentos digitales
Ciencias de los alimentos y del vino
Biometría de plantas, animales y humanos
Aprendizaje automático/profundo (machine/deep learning) e inteligencia artificial (IA)
Agricultura 5.0 y Plantas para el Espacio (Plants for Space)
VANT (vehículos aéreos no tripulados o UAV, por sus siglas en inglés) - drones - teledetección satelital
Cambio climático
Gemelos digitales para la agricultura y los alimentos
Semblanza
El Dr. Sigfredo Fuentes es profesor asociado en Agricultura Digital, Ciencias de los Alimentos y del Vino (DAFW, por sus siglas en inglés) en la Escuela de Agricultura, Alimentos y Ciencias de los Ecosistemas (SAFES, por sus siglas en inglés), perteneciente a la Facultad de Ciencias de la Universidad de Melbourne, Australia. Además, Sigfredo Fuentes es el coordinador internacional de la iniciativa Vineyard of the Future (VoF), una colaboración internacional que busca establecer un viñedo completamente instrumentado que utilice el Internet de las Cosas (IoT) para la captura de datos y el análisis significativo del cambio climático en la viticultura y la enología en Australia, con el objetivo de transferir estas tecnologías a todos los sectores agrícolas.
Cuenta con más de 30 proyectos y 216 publicaciones académicas, tanto activas como concluidas. Actualmente trabaja en dos proyectos principales: uno sobre modelado mediante aprendizaje profundo para imágenes hiperespectrales (“Deep learning modeling for hyperspectral imagery”), financiado por el Departamento de Defensa del Gobierno de Australia, y otro en el Centro de Excelencia en Plantas para el Espacio (Centre of Excellence in Plants for Space, P4S), cuyo objetivo es desarrollar plantas que respalden misiones espaciales de larga duración a la Luna (2030) y Marte (2040), en colaboración con la NASA.
Sus esfuerzos de investigación se centran en la aplicación de tecnología a la fisiología vegetal y la viticultura, así como en las áreas de ciencia del riego, programación del riego, teledetección y cambio climático. Su trabajo también se enfoca en el desarrollo de programas informáticos para la investigación y las aplicaciones agrícolas, en la creación de nuevas metodologías para evaluar la fisiología y el crecimiento de las plantas mediante análisis de imágenes y tecnología, y en el uso de aprendizaje automático (machine learning) e inteligencia artificial (IA) en las ciencias agrícolas, alimentarias, animales y del vino.
Sigfredo Fuentes se incorporó al Tecnológico de Monterrey como Profesor Visitante Distinguido en Agricultura Digital y Ciencias de la Alimentación para la Escuela de Ingeniería y Ciencias.
Educación y formación
- Doctorado, Fisiología Vegetal, Western Sydney University
- Ingeniero Agrónomo, Universidad de Talca
- Licenciatura, Ciencias Agronómicas, Universidad de Talca
Publicaciones
-
Shin, M., Gonzalez Viejo, C., Tongson, E., Wiechel, T., Taylor, P. & Fuentes, S. (2023). Early detection of Verticillium wilt of potatoes using near-infrared spectroscopy and machine learning modeling. Computers and Electronics in Agriculture, 204 doi:10.1016/j.compag.2022.107567
-
Harris, N., Gonzalez Viejo, C., Barnes, C. & Fuentes, S. (2022). Non-Invasive Digital Technologies to Assess Wine Quality Traits and Provenance through the Bottle. Fermentation, 9(1), pp. 10-10. doi:10.3390/fermentation9010010
-
Fuentes, S., Gonzalez Viejo, C., Tongson, E., Dunshea, F., Dac, H. & Lipovetzky, N. (2022). Animal biometric assessment using non-invasive computer vision and machine learning are good predictors of dairy cows age and welfare: The future of automated veterinary support systems. Journal of Agriculture and Food Research, 10 doi:10.1016/j.jafr.2022.100388
-
Ashfaq, W., Brodie, G., Fuentes, S. & Gupta, D. (2022). Infrared Thermal Imaging and Morpho-Physiological Indices Used for Wheat Genotypes Screening under Drought and Heat Stress. PLANTS-BASEL, 11(23), pp. 22-. doi:10.3390/plants11233269
-
Dac, H. H., Gonzalez Viejo, C., Lipovetzky, N., Tongson, E., Dunshea, F. R. & Fuentes, S. (2022). Livestock Identification Using Deep Learning for Traceability. SENSORS, 22(21), pp. 19-. doi:10.3390/s22218256