Precisión Aérea e Innovación y Nuevas Tecnologías, S.L. (PAINTEC) es una empresa con sede en el área metropolitana de Barcelona, fundada en 2016 por un equipo de ingenieros especializados en teledetección y Sistemas de Información Geográfica (SIG).
Desde sus inicios, PAINTEC se ha centrado en ofrecer servicios avanzados de captura y análisis geoespacial mediante plataformas aéreas no tripuladas (drones), equipadas con sensores multiespectrales y LiDAR, lo que le ha permitido consolidarse como referente regional para aplicaciones de mapeo de alta precisión.
Su modelo de negocio combina la prestación de vuelos con drones autónomos de ala fija con la posterior transformación de los datos en entregables de gran exactitud (errores inferiores a 5 cm en horizontal y a 10 cm en altitud).
Entre sus soluciones destacan los mapas de vegetación para agricultura de precisión (índices NDVI), inventarios forestales basados en nubes de puntos, inspección de líneas eléctricas y levantamientos topográficos para obra civil. La propuesta de valor de PAINTEC reside en ofrecer a agricultores, cooperativas, empresas forestales, compañías energéticas y constructoras informes detallados, accionables y entregados en plazos muy reducidos, sin que sus clientes necesiten disponer de personal interno especializado en SIG o teledetección.
La empresa opera desde sus oficinas en Ejea, Zaragoza y Sevilla y dispone de hangares y laboratorios de postprocesado equipados con estaciones de trabajo de alto rendimiento para manejo de grandes volúmenes de datos. PAINTEC mantiene alianzas estratégicas con el Instituto Tecnológico de Aragón (ITAINNOVA), está vinculada a la Asociación Española de Teledetección (AET) y forma parte del consorcio del Catalonia Digital Innovation Hub (DIH4CAT), lo que refuerza su acceso a proyectos de I+D, redes de innovación y soporte técnico avanzado en robótica aérea y análisis geoespacial.
Gracias a este recorrido y a su capacidad para articular hardware (drones con sensores multiespectrales y LiDAR) y software (plataformas GIS, Machine Learning para detección de vegetación y arquitecturas contenerizadas), PAINTEC ha logrado posicionarse como proveedor de referencia en soluciones de mapeo de alta precisión que abarcan desde la agricultura de precisión hasta la inspección de infraestructuras críticas.
Precisión Aérea e Innovación y Nuevas Tecnologías, S.L. (PAINTEC) afronta dos retos principales que marcan el punto de partida de la actuación:
Actualización y estandarización de la plataforma de drones: PAINTEC requiere modernizar su vehículo aéreo no tripulado para garantizar fiabilidad, repetibilidad y facilidad de integración de nuevos sensores en aplicaciones de fotogrametría y teledetección.
Incorporación de un entorno de simulación y gemelo digital: para acelerar el desarrollo y la validación de nuevos sensores multiespectrales y flujos de trabajo en GIS, PAINTEC necesita contar con un gemelo digital de su plataforma de drones.
En la actualidad, la compañía ensambla soluciones basadas en hardware de distintas generaciones sin un proceso industrializado, lo que dificulta la replicabilidad, aumenta los tiempos de puesta en servicio y encarece el mantenimiento. Por tanto, es necesario definir un estándar de componentes (controladora de vuelo, baterías, módulos de comunicación y chasis), documentar sus especificaciones técnicas y proponer un cronograma para industrializar el ensamblado de cada pieza, asegurando que el dron pueda volar con los márgenes de seguridad y rendimiento exigidos en misiones de mapeo de alta precisión.
Este gemelo debe replicar de forma fidedigna el comportamiento dinámico (trayectorias, consumo de batería) y las características de captura de datos (ángulo de cámara, zona de cobertura) bajo distintas condiciones ambientales.
Sin un entorno de simulación robusto, cualquier cambio de configuración en vuelo (peso adicional del sensor, variación en el centro de gravedad) debe probarse en campo, con el consiguiente incremento de costes y riesgos operativos.
Estos dos retos —la estandarización industrial de la plataforma de drone y la creación de un entorno de simulación/gemelo digital— constituyen el punto de partida para estructurar la hoja de ruta tecnológica que permitirá a PAINTEC escalar sus servicios de cartografía y teledetección con drones de una manera más ágil, segura y predecible.
Para modernizar su plataforma DLOCUST, PAINTEC contó con el apoyo de ITAINNOVA en un proceso que combinó asesoramiento técnico y validación práctica. En una primera etapa, se realizó un análisis exhaustivo del dron actual: sus componentes de vuelo, la cámara con filtro azul y los módulos de cómputo a bordo. A partir de este diagnóstico, se elaboró un informe que proponía componentes alternativos (controladoras de vuelo, baterías de mayor duración y ordenadores de a bordo más potentes) para garantizar un ensamblaje estandarizado y facilitar el mantenimiento futuro sin depender de piezas difíciles de encontrar.
Al mismo tiempo, se definió una nueva arquitectura de software que impulsó la transición de los programas que gobiernan al dron y la plataforma en la nube hacia un entorno “contenerizado” (basado en Docker). Esto significa que cada parte del sistema—desde el módulo que controla el vuelo hasta el programa que procesa las imágenes—funciona como un paquete independiente. De este modo, si se necesita actualizar o cambiar uno de los componentes (por ejemplo, sustituir el modelo de inteligencia artificial encargado de detectar vegetación), no hay que reconfigurar todo el dron ni la plataforma en la nube, sino que basta con reemplazar el contenedor correspondiente.
Para entrenar los nuevos modelos de detección de vegetación, se organizaron varios vuelos de prueba con el dron DLOCUST, capturando imágenes con filtro azul en zonas donde es más fácil diferenciar plantas de otros elementos del terreno. Estas fotografías se anotaron manualmente para crear un conjunto de datos que permitió entrenar redes neuronales (modelos U-Net y YOLO) capaces de reconocer vegetación con alta precisión. Una vez entrenados, se comprobó que los algoritmos funcionaban correctamente incluso en el dron, probándolos en pequeños ordenadores embebidos (como la Raspberry Pi 4) con buenos resultados en velocidad y exactitud.
En paralelo, la aplicación en la nube (dominio “DOMA”) se adaptó para ejecutarse también en contenedores Docker. Esto facilitó que PAINTEC pudiera desplegarla desde cero en su propio servidor, sin necesidad de reescribir código o instalar manualmente decenas de librerías. Con la nueva versión, cualquier operario puede lanzar la plataforma de análisis con un solo comando, asegurando que las actualizaciones futuras—tanto del dron como de los modelos de inteligencia artificial—se integren sin complicaciones.
En resumen, la intervención logró:
Estandarizar el hardware del dron, seleccionando componentes alternativos que garantizan su disponibilidad y facilitan el montaje en serie.
Contenerizar el software en el dron y en la nube, de modo que cada módulo funcione de forma independiente y pueda actualizarse por separado.
Crear y entrenar modelos de inteligencia artificial para identificar zonas de vegetación a partir de imágenes con filtro azul, validados para su ejecución real en el dron.
Entregar documentación clara que permite a PAINTEC reproducir todo el entorno—tanto el dron como la plataforma en la nube—con instrucciones paso a paso y sin depender de un fabricante específico.
PAINTEC cuenta ahora con una plataforma de vuelo mucho más robusta y versátil, capaz de crecer incorporando nuevos sensores o algoritmos sin interrumpir su operativa, y preparada para ofrecer servicios de mapeo y teledetección de alta precisión de manera ágil y sostenible.
Durante la fase de asesoramiento inicial, PAINTEC recibió un conjunto de entregables que establecen la base para modernizar y optimizar su plataforma de drones DLOCUST. En concreto, se generaron los siguientes resultados:
Informe de actualización del dron: se documentaron exhaustivamente los componentes clave del vehículo autónomo—computador de a bordo, baterías y controladoras de vuelo—y se proporcionaron recomendaciones concretas para industrializar el ensamblaje de cada pieza. Estas pautas incluyen especificaciones técnicas, proveedores alternativos y criterios de montaje, de modo que PAINTEC pueda reproducir en serie la construcción de sus unidades con plena garantía de consistencia y disponibilidad de repuestos.
Formación técnica al personal: el equipo de PAINTEC participó en sesiones formativas centradas en la arquitectura de hardware existente (sistemas Linux y base de datos MongoDB) y en la nueva estrategia contenerizada basada en Docker. Esta capacitación dejó al personal preparado para desplegar, mantener y actualizar el software embebido en el dron y en la plataforma en la nube de forma autónoma.
Comparativa de algoritmos de detección de vegetación: se elaboró un informe donde se analizaron varios métodos de segmentación de imágenes con filtro azul, incluyendo métricas de rendimiento (porcentaje de píxeles verdes detectados) para cada enfoque (SI-NDVI, DLOCUST-NN, DLOCUST NDVI+NN). Gracias a este estudio, PAINTEC cuenta ya con criterios objetivos para elegir el algoritmo que mejor se adapte a sus requisitos de precisión y velocidad en campo.
Arquitectura de sistemas documentada: se redactó un documento que describe la estructura completa del sistema DLOCUST—desde la interacción entre DroneKit y MAVLink en el dron hasta la comunicación con la aplicación web “DOMA” en la nube—y define la nueva arquitectura modular de software. Este esquema recoge cómo deberían
Este esquema recoge cómo deberían contenerizarse los diferentes servicios (captura de imágenes, inferencia de ML, transmisión de datos) de modo que cada componente pueda actualizarse de manera independiente sin afectar al resto de la cadena.
Catálogo de componentes hardware alternativos: se compararon múltiples opciones de controladoras de vuelo, ordenadores embebidos, baterías de alta densidad y antenas satelitales. El informe resultante ofrece a PAINTEC un abanico de piezas probadas y evaluadas en cuanto a coste, rendimiento y disponibilidad, resolviendo así los problemas de suministro que limitaban la continuidad operativa del dron.
Durante la fase de ensayo y experimentación, los resultados se concentraron en validar los nuevos modelos de Machine Learning y en establecer un entorno reproducible tanto en el dron como en la nube:
Tras vuelos de prueba, se capturaron y etiquetaron manualmente más de 5.000 imágenes donde cada píxel correspondiente a vegetación quedó marcado de forma precisa. Este dataset, enriquecido con metadatos de fecha, posición GPS y altitud, constituye la base para entrenar y mejorar modelos de detección de vegetación en futuros desarrollos.
La aplicación en la nube que recopila y visualiza los resultados de los vuelos se instaló en la infraestructura de PAINTEC usando Docker. Junto al entorno desplegado, se entregó documentación detallada (scripts de Docker Compose y configuraciones de variables de entorno) que permite replicar la plataforma en un simple comando. De esta manera, PAINTEC puede levantar instancias adicionales de DOMA en nuevos servidores sin errores de configuración y con total garantía de homogeneidad.
Se desarrollaron scripts que permiten entrenar redes de segmentación (U-Net) y detección de objetos (YOLO) con el dataset anotado. Estos modelos demostraron una alta capacidad para identificar vegetación en las imágenes con filtro azul, sirviendo a PAINTEC como punto de partida para desplegar algoritmos más avanzados en misiones reales.
Los modelos entrenados fueron probados en una Raspberry Pi 4 (similar al computador a bordo del dron), midiendo el tiempo medio de inferencia (aproximadamente 150–180 ms por imagen), el uso de CPU (< 60 %) y la ocupación de RAM (alrededor de 500 MB). Estos datos confirman que los modelos son viables para ejecutarse en vuelo, sin comprometer la autonomía ni la estabilidad del dron.
Finalmente, se generó y validó una “imagen” Docker que agrupa todo el software embebido en el dron: sistema operativo, librerías de DroneKit/MAVLink, scripts de captura de imágenes y los modelos ML seleccionados. Con esta imagen, PAINTEC puede reinstalar el software en cada dron con un único comando, asegurando que todas las unidades compartan la misma versión y configuración.
Estos resultados dotan a PAINTEC de una arquitectura hardware/software clara y documentada, una metodología reproducible para desplegar y actualizar tanto drones como plataformas en la nube, y los primeros modelos de Machine Learning entrenados para una detección de vegetación más precisa.
La incorporación de estas acciones puede generar impactos inmediatos y transformaciones a largo alcance en la forma en que la empresa diseña, despliega y actualiza su plataforma DLOCUST de drones de ala fija:
Con el catálogo de componentes alternativos y la contenerización del software, PAINTEC garantiza que cada nuevo dron DLOCUST pueda ensamblarse y actualizarse en cuestión de horas en lugar de días, eliminando los retrasos asociados a la escasez de piezas o a instalaciones manuales complejas.
Los modelos de inteligencia artificial entrenados con imágenes reales elevan la precisión de los mapas de vegetación, ofreciendo a clientes agrícolas y forestales datos geoespaciales más fiables y permitiéndoles optimizar sus decisiones con un margen de error mucho menor.
La adopción de entornos contenerizados y prácticas MLOps/DevOps impulsa una cultura interna basada en la mejora continua y la automatización, de modo que cada cambio en los algoritmos o sensores se integra sin interrumpir la operativa, agilizando el ciclo de innovación.
La arquitectura modular preparada para la incorporación de nuevos sensores convierte a PAINTEC en un socio atractivo para proyectos complejos de teledetección, ya que puede adaptar rápidamente la plataforma a misiones que requieran, por ejemplo, cámaras térmicas o LiDAR, sin rehacer todo el sistema.
Al seleccionar baterías de mayor densidad energética y optimizar el peso del dron, la autonomía de vuelo se incrementa, reduciendo el número de recargas necesarias y, por consiguiente, la huella de carbono de cada misión, asegurando un servicio más eficiente y respetuoso con el medio ambiente.
El Aragón EDIH es la iniciativa aragonesa que hace tangible, bajo un marco de cooperación europeo, la estrategia de Promoción Económica e Industrial de Aragón y la estrategia regional inteligente de Aragón (RIS3), conformando la acción tecnológica e innovadora del Sistema de Innovación Aragonés hacia la digitalización de la Industria.
Para ello, cuenta con los Organismos de Investigación, los centros de competencia (CC), organizaciones empresariales, empresas y clústeres innovadores, así como las agencias de fomento empresarial y las autoridades competentes necesarios para sustentar y dar forma a la Estrategia Aragón Industria 4.0.
