El proyecto BermejaPi del IES Monterroso (MonteSTEAM por AidaRac) calcula la masa, la gravedad y la temperatura de un planeta desconocido desde la ISS usando Python y física orbital.
En la décima entrega del proyecto BermejaPi, desarrollamos un generador de telemetría sintética orbital de alta precisión para superar las limitaciones de la simulación estática. Con datos variados y realistas, aplicamos algoritmos no supervisados de Scikit-Learn (K-Means e Isolation Forest), clasificando de forma autónoma tres tipos de biomas terrestres (océanos, vegetación fértil y nubes) e identificando anomalías magnéticas compatibles con la SAA, consolidando la rama de Ciencia de Datos para la memoria final de la ESA.
En la novena entrega del proyecto BermejaPi, ampliamos el alcance de nuestro script de vuelo incorporando la medición del campo magnético terrestre a través del magnetómetro triaxial del Sense HAT. Mediante el cálculo del vector total en microteslas ($\mu\text{T}$), el sistema registra fluctuaciones geofísicas en la magnetosfera a $400\text{ km}$ de altitud, permitiendo detectar regiones de baja intensidad como la Anomalía del Atlántico Sur (SAA) y combinando física espacial con observación óptica terrestre en un único dataset estructurado.
En esta octava entrega del proyecto BermejaPi, integramos el análisis de vegetación terrestre mediante el índice visible VARI (Visible Atmospherically Resistant Index) dentro de nuestro script de vuelo para la ESA. Esta técnica permite cuantificar la biomasa y salud de la cubierta vegetal en pasos continentales utilizando únicamente la cámara RGB de la ISS, registrando la densidad de clorofila y el porcentaje de suelo fértil en tiempo real sobre el archivo CSV de telemetría junto a las métricas de albedo y velocidad orbital.
En la séptima entrega del proyecto BermejaPi, implementamos una misión científica de observación terrestre orientada al estudio del clima para la Misión Space Lab de la ESA. Mediante el uso del espacio de color HSV en OpenCV, el script procesa en tiempo real las imágenes capturadas desde la ISS para calcular la proporción de masa nubosa (albedo estimado) y correlacionarla con la telemetría del Sense HAT y la velocidad orbital.
En esta sexta entrega del proyecto BermejaPi, ejecutamos una prueba de ensayo general (Dry Run) para validar el cumplimiento de la normativa oficial de la ESA en el concurso Astro Pi Mission Space Lab. Implementamos un sistema de lectura ambiental con Sense HAT, procesamiento ORB con OpenCV, parada automática antes de los 10 minutos y un algoritmo dinámico de purga de imágenes para garantizar un límite máximo de 42 archivos y 250 MB en disco, dejando el software listo para posteriores fases de experimentación.
En esta quinta entrega del proyecto BermejaPi, implementamos la estructura definitiva del script de vuelo main.py de acuerdo con la normativa técnica de la ESA para la Misión Space Lab de Astro Pi. El desarrollo incluye un control de tiempo estricto de 10 minutos, procesamiento de visión por computador mediante algoritmos ORB con OpenCV, mitigación de almacenamiento sobrescribiendo fotogramas anteriores y generación de telemetría orbital en tiempo real exportada a un archivo CSV.
En esta cuarta entrega del proyecto BermejaPi, migramos el desarrollo al entorno Linux nativo dentro de Raspberry Pi OS. Al no contar con hardware físico en el aula, utilizamos la herramienta oficial sense-emu (Sense HAT Emulator) aprobada por la Agencia Espacial Europea (ESA). Mediante un programa básico en Python, los alumnos aprenden a controlar la matriz de 8×8 LEDs gráficos, diseñar patrones de color codificados y capturar datos de telemetría ambiental simulada (temperatura, humedad y presión) a través de controles interactivos en pantalla.
Arrancamos BermejaPi, la serie hermana de BermejaSat dedicada al European Astro Pi Challenge. En esta primera entrada instalamos el simulador oficial Astro Pi Replay Tool en local con Python 3.11 y probamos un primer programa mínimo con el Sense HAT, sin necesidad de tener la Raspberry Pi delante.