Blog de Alimentos
Article

Herramienta de inteligencia artificial ayuda a granjeros a medir la salud de sus cultivos en tiempo real

Image
Monitor de hojas.
El estudiante de doctorado, Parastoo Farajpoor y Alirez Pourrreza, directora del laboratorio de agricultura digital usan el monitor de hojas en una huerta de almendras de las granjas Bullseye cerca de  Davis. La herramienta basada en IA puede medir el estado nutricional de las hojas en segundos, permitiendo a los granjeros tomar decisiones precisas sobre dónde aplicar fertilizante. Fotografía por Mario Rodríguez Davis

 

Por Emily Dooley, Facultad de Agricultura y Ciencias Medioambientales de UC Davis

Aplicación de espectrometría de hojas predice nutrición y estresores  

Una nueva herramienta, respaldada por inteligencia artificial y desarrollada por expertos de UC ANR con el apoyo de otros organismos agrícolas de California, permitirá a los agricultores conocer, en pocos minutos, el estado nutricional de las plantas mediante una prueba de tiempo real en el mismo campo de cultivo.

Esta herramienta denominada Monitor de Hojas, utiliza un espectrómetro manual que permite detectar deficiencias de forma rápida y confiable, como la falta de fertilizante, antes de que aparezcan los síntomas. El espectrómetro mide la reflectancia de las hojas más allá del rango de luz visible para el ojo humano.

“Contar con esta información es algo muy valioso para los agricultores”, mencionó Alireza Pourreza, profesora asociada de Extensión Cooperativa en el Departamento de Ingeniería Biológica y Agrícola de la Universidad de California en Davis y directora del Digital Agriculture Laboratory  (Laboratorio Agrícola Digital). “Pueden obtener una idea de cuánta nutrición tiene una hoja, en cinco segundos”. 

Una vez que una hoja es escaneada, su información espectral se carga a un sistema de aprendizaje en una máquina basada en la nube que fue diseñado para predecir las características de las hojas y contenido nutritivo. Este algoritmo fue diseñado y formado por el Laboratorio Agrícola Digital a lo largo de cinco años usando un conjunto de información de muestras de hojas recolectadas de cultivos especializados de California, principalmente vides y almendros. Las muestras fueron analizadas químicamente para determinar los niveles de nutrientes y sus características

La creación del modelo de IA fue financiada por el Instituto Nacional de Alimentos y Agricultura del Departamento de Agricultura de Estados Unidos y HiRes Vineyard Nutrition, un proyecto multiestatal , y su Servicio de Inspección Sanitaria de Animales y Plantas, así como la Comisión de la Uva de Mesa de California.

Maha Afifi, directora de investigación vitivinícola de la Comisión de la Uva de Mesa de California, indicó que la herramienta puede representar un cambio radical para la industria vitivinícola si ofrece una decisión más rápida sobre el uso de fertilizantes. La cantidad correcta típicamente resulta en parras más saludables que producen más uvas con un tamaño, peso y color óptimos.  

Image
Monitor de hojas.
El monitor de hojas actualmente calcula 16 valores nutricionales diferentes y pigmentos de las hojas.

“La evaluación del estado nutricional de la parra es una de nuestras principales prioridades”, dijo Afifi. “Al mismo tiempo, la exploración de nuevas herramientas tecnológicas, como este proyecto, es de alta prioridad para nosotros porque son importantes para el futuro de la industria de la uva de mesa”. 

Por su parte, Parastoo Farajpoor, estudiante de postgrado, quien está a cargo del proyecto, dijo que “las deficiencias nutricionales en las plantas a menudo pasan desapercibidas hasta finales de temporada, cuando el daño es ya irreversible”. Por eso la detección temprana es fundamental. La espectrometría ofrece una forma rápida y confiable para identificar estas deficiencias antes de que aparezcan los síntomas visibles”.

Después de una reciente demostración, Geoff Klein, gerente de riego de las granjas Bullseye, manifestó que la herramienta podía ayudar a ahorrar dinero y mejorar la producción. Bullseye cultiva nueces, pistachos, maíz, trigo, arroz y girasoles en los condados de Yolo y Solano.

Gestión personalizada de cultivos 

Actualmente, los granjeros toman muestras de hojas, las secan y las envían al laboratorio para ser analizadas, lo cual puede tomar más de dos semanas para obtener los resultados. Bullseye hace pruebas de tejidos foliares tres veces al año.  

“En este momento, no tiene sentido tomar muestras de tejido de cada rincón simplemente porque es costoso”, manifestó Klein. “Sería genial simplemente caminar ahí fuera y hacer pruebas en un par de lugares diferentes”. 

El monitor de hojas ayuda a los granjeros a adaptar las decisiones de gestión a áreas específicas en lugar de a todo un campo. Calibrar el uso de fertilizante a la información de tiempo real puede prevenir el uso excesivo y la escorrentía de nitrógeno, un reto financiero y medioambiental al que se enfrentan muchos agricultores.

“Siento que hay muchas ocasiones en la que sí necesitamos usar menos [fertilizante] y terminamos usando más, porque eso es lo que la fórmula para el retiro de nitrógeno dice”, manifestó Klein. “Pero con esta aplicación podemos usar menos porque conocemos las condiciones actuales en el momento. Creo que abre muchas puertas en términos de obtener información en tiempo real y utilizar también el nivel de control que tenemos con la información”. 

Image
Monitor de hojas.
De izquierda a derecha, Parastoo Farajpoor, Alireza Pourreza y Geoff Klein leen la información producida por el monitor de hojas. Klein calcula el fertilizante necesario usando una fórmula. “Pero con esta aplicación podemos usar menos porque conocemos las condiciones actuales en ese momento", dijo.

La aplicación también puede agregar los escaneos y mapas de patrones espaciales de una gran superficie.

“Lo que sabemos es que cada campo de cultivo tiene una variabilidad que no es necesariamente visible a los ojos de los granjeros”, dijo Pourreza. 

El prototipo del monitor de hojas es gratuito e incluye un conjunto de herramientas que pueden ser descargadas en el sitio web Digital Agriculture Laboratory. Se lanzará una versión web de la herramienta mientras que el equipo continúa introduciendo nueva información en el algoritmo para refinar las predicciones. En promedio, logra aproximadamente un 65% de precisión en todas las características para ciertos nutrientes, como el nitrógeno y fósforo, con un rendimiento superior al promedio general. Los usuarios necesitarán combinarlo con un espectrómetro. 

“Requerimos producir más alimentos mientras usamos menos recursos, por lo que necesitamos tener algún tipo de sistema de monitoreo para que nos dé una retroalimentación precisa y exacta en nuestra práctica de gestión”, indicó Pourreza. “Esta tecnología está creciendo muy rápido”.

Esta historia fue publicada por primera vez  en https://www.ucdavis.edu/news/ai-tool-help-farmers-measure-real-time-crop-health-field.

 

*La División de Agricultura y Recursos Naturales de la Universidad de California (UC ANR) lleva información y prácticas de la UC a los 58 condados de California.
A través de la investigación y la Extensión Cooperativa en agricultura, recursos naturales, nutrición, desarrollo económico y juvenil, nuestra misión es mejorar la vida de todos los californianos. To read in English, click here