Drones con IA para ayudar a los agricultores a optimizar el rendimiento de las hortalizas
Los drones automatizados controlan con éxito los cultivos para informar del momento idóneo de la cosecha
Por razones de seguridad alimentaria e incentivos económicos, los agricultores tratan continuamente de maximizar el rendimiento de sus cultivos comercializables. Como las plantas crecen de forma irregular, en el momento de la cosecha habrá inevitablemente variaciones en la calidad y el tamaño de las distintas cosechas. Encontrar el momento óptimo para la cosecha es, por tanto, una prioridad para los agricultores. Un nuevo enfoque que hace un uso intensivo de drones e inteligencia artificial mejora de forma demostrable esta estimación al analizar con cuidado y precisión los cultivos individuales para evaluar sus características de crecimiento probables.
Un resumen visual del sistema de captura y análisis de datos de imágenes sobre cultivos, que luego informa a un modelo para ayudar a los agricultores a saber cuál es el mejor momento para cosechar sus campos.
©2023 Guo et al. CC-BY
Algunas historias optimistas de ciencia ficción hablan de un futuro posterior a la escasez, en el que las necesidades humanas están cubiertas y el trabajo duro lo proporcionan las máquinas. Hay algunos aspectos en los que esta visión parece predecir algunos elementos del progreso tecnológico actual. Uno de ellos es la investigación agrícola, en la que la automatización ha tenido un gran impacto. Por primera vez, investigadores como los de la Universidad de Tokio han demostrado un sistema automatizado para mejorar el rendimiento de las cosechas, que puede beneficiar a muchas personas y allanar el camino para futuros sistemas que algún día puedan cosechar directamente los cultivos.
"La idea es relativamente sencilla, pero el diseño, la implementación y la ejecución son extraordinariamente complejos", afirma el profesor asociado Wei Guo, del Laboratorio de Fenómica de Campo. "Si los agricultores conocen el momento ideal para cosechar los campos de cultivo, pueden reducir los residuos, lo que es bueno para ellos, para los consumidores y para el medio ambiente. Pero no es fácil predecir el momento óptimo de la cosecha, y lo ideal es conocer al detalle cada planta; si se emplearan personas para recoger esos datos, el coste y el tiempo serían prohibitivos. Aquí es donde entran en juego los drones".
Guo tiene formación tanto en informática como en ciencias agrícolas, por lo que es idóneo para encontrar formas de que el hardware y el software de vanguardia puedan ayudar a la agricultura. Él y su equipo han demostrado que algunos drones de bajo coste con software especializado pueden obtener imágenes y analizar plantas jóvenes -brócoli en el caso de este estudio- y predecir con exactitud sus características de crecimiento previstas. Los drones llevan a cabo el proceso de obtención de imágenes varias veces y lo hacen sin interacción humana, lo que significa que el sistema requiere poca mano de obra.
"A algunos les sorprenderá saber que cosechar un campo tan solo un día antes o después del momento óptimo puede reducir los ingresos potenciales del agricultor entre un 3,7% y un 20,4%", explica Guo. "Pero con nuestro sistema, los drones identifican y catalogan cada planta del campo, y sus datos de imágenes alimentan un modelo que utiliza el aprendizaje profundo para producir datos visuales fáciles de entender para los agricultores". Dado el relativo bajo coste actual de los drones y los ordenadores, una versión comercial de este sistema debería estar al alcance de muchos agricultores."
El principal reto al que se enfrentó el equipo fue en los aspectos de análisis de imágenes y aprendizaje profundo. Recopilar los datos de las imágenes en sí es relativamente trivial, pero dada la forma en que las plantas se mueven con el viento y cómo cambia la luz con el tiempo y las estaciones, los datos de las imágenes contienen muchas variaciones que las máquinas suelen tener dificultades para compensar. Por eso, al entrenar el sistema, el equipo tuvo que invertir mucho tiempo en etiquetar distintos aspectos de las imágenes que podían ver los drones, para que el sistema aprendiera a identificar correctamente lo que veía. El enorme caudal de datos también supuso un reto: los datos de las imágenes eran a menudo del orden de billones de píxeles, decenas de miles de veces más grandes incluso que la cámara de un smartphone de gama alta.
"Me inspira la idea de encontrar más formas de que el fenotipado (medición de los rasgos de crecimiento de las plantas) pueda pasar del laboratorio al campo para ayudar a resolver los grandes problemas a los que nos enfrentamos", afirma Guo.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
Reciba la industria alimentaria y de bebidas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de la industria de alimentos y bebidas le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
