Con procesos automatizados como drones, aprendizaje computarizado y sensores de penetración de la tierra, ahora pueden ver lo que sucede debajo del suelo donde crecen los cultivos y cómo ello influye en el crecimiento de las plantas.
Científicos del Centro Internacional de Agricultura Tropical (CIAT), de Cali, Colombia, están usando esta tecnología para identificar plagas tempranas, enfermedades y otros problemas que pueden dañar a la yuca (mandioca), pero que se puede aplicar a otros alimentos básicos, como la papa.
El método permite fusionar datos de miles de imágenes de alta resolución captadas por un dron, analizándolas a través de un software de aprendizaje automático, para entender exactamente cómo están respondiendo las plantas a los estímulos en el campo en tiempo real.
Los datos obtenidos se suben a la plataforma Pheno-i, especialmente creada para que investigadores de todo el mundo puedan usarlos.
Michael Gómez Selvaraj, líder de la plataforma e investigador del CIAT, explicó telefónicamente a SciDev.Net que los fitomejoradores de yuca en el mundo invierten muchos recursos, tiempo y esfuerzo en métodos manuales para estudiar la salud de las raíces de sus cultivos o seleccionar variedades que tengan mejor desempeño ante variables climáticas.
De la yuca depende la seguridad alimentaria de más de 800 millones de personas en el mundo, y si bien puede lucir saludable a los ojos de los agricultores, usualmente esconde entre sus raíces enfermedades o condiciones que limitan su desempeño.
“Nuestra investigación plantea un método de aprendizaje automatizado para hacer mucho más rápido, amigable y económico ese proceso”, comentó. En cuanto al procesamiento de imágenes calcula que es cinco veces más rápido que otros sistemas similares.
Las imágenes capturadas con los drones contienen valiosos datos como el dosel de las plantas, su altura y otras características físicas que sirven de insumo para que el modelo de aprendizaje automático las correlacione con la salud de las raíces de la planta.
Los investigadores cotejaron y validaron su modelo con dos estudios de campo llevados a cabo en cultivos de yuca en 2016 y 2018 y publicaron sus resultados en la revista Plant Methods.
Diego Sánchez, ingeniero agrónomo e investigador del grupo Agroclimatología y Ecofisiología de Cultivos Tropicales de Agrosavia, corporación colombiana de investigación agropecuaria, explicó por vía telefónica a SciDev.Net que modelos similares al de los investigadores del CIAT se vienen desarrollando y usando con éxito en cultivos de papa para identificar enfermedades como el tizón tardío de la papa. También para caña, cítricos y tabaco, entre otros.
Para Sánchez el método de aprendizaje automático y la plataforma que presentan los investigadores, sin duda puede “ayudar y facilitar el trabajo a los cultivadores de yuca en el mundo”. Un obstáculo tecnológico para su masificación estaría en los costos. “Un dron con cámara multiespectral está por encima de los US $10.000”.
No obstante, los creadores señalan que la innovación está dirigida a especialistas que trabajan en optimización de cultivos, como fitomejoradores y agrónomos, y al tener una plataforma podrán acceder a los resultados y avances libremente.
Selvaraj y sus colegas ya están explorando otras tecnologías de sensores de tierra, como el radar de penetración de suelos, para predecir el rendimiento de la raíz de yuca con mayor precisión, integrando información de series de tiempo por encima y por debajo del suelo como lo han hecho con drones y facilitar aún más la tarea de los agrónomos.
Fuente: SciDev
No hay comentarios.:
Publicar un comentario