El proyecto Neuro-UAV ha desarrollado un sistema de inteligencia artificial embebida para la detección temprana de incendios forestales y para la vigilancia aérea de infraestructuras, específicamente diseñado para operar en vehículos aéreos no tripulados (UAVs) donde el consumo energético y los recursos computacionales son muy limitados. Su objetivo ha sido demostrar la viabilidad de modelos de visión artificial ejecutados en hardware de muy bajo consumo, alcanzando un nivel de madurez TRL-5.

Durante el proyecto se han entrenado y optimizado modelos de redes neuronales convolucionales (CNNs) capaces de identificar humo y fuego en condiciones reales. Para ello se han empleado amplios conjuntos de datos especializados y técnicas avanzadas de compresión, poda estructurada y cuantificación extrema, logrando reducciones superiores al 90 % en el tamaño de los modelos con un impacto mínimo en la precisión. Estas optimizaciones han permitido su ejecución eficiente en plataformas embebidas.

Se han desarrollado dos demostradores tecnológicos. El primero es un prototipo funcional ejecutado en Raspberry Pi, capaz de realizar captura e inferencia en tiempo real sin necesidad de comunicaciones externas. El segundo consiste en una implementación acelerada por hardware en FPGA mediante la herramienta FINN, que alcanza 30 fotogramas por segundo con un consumo aproximado de 150 mW, validando la idoneidad del sistema para UAVs ligeros y operaciones prolongadas.

Además, el proyecto ha ampliado su capacidad tecnológica mediante el desarrollo de un compilador automático de CNNs en RTL, que permite generar arquitecturas hardware personalizables y altamente optimizadas a partir de modelos definidos en PyTorch/Brevitas. Esta herramienta acelera la exploración de arquitecturas y mejora la capacidad del equipo para diseñar futuros sistemas de IA de muy bajo consumo.

Los resultados obtenidos están alineados con las necesidades planteadas por las empresas interesadas en los resultados del proyecto, demostrando un alto potencial de aplicación en la detección temprana de incendios y en la protección de infraestructuras críticas. Neuro-UAV constituye un avance significativo hacia soluciones de IA en el extremo (edge AI) para la monitorización aérea autónoma, eficiente y sostenible.