Los científicos de la Universidad Estatal de Iowa están trabajando hacia un futuro en el que los agricultores puedan usar aviones no tripulados para detectar, e incluso predecir, enfermedades y estrés en sus cultivos.
por la Universidad Estatal de Iowa
Su visión se basa en el aprendizaje automático, un proceso automatizado en el que la tecnología puede ayudar a los agricultores a responder al estrés de las plantas de manera más eficiente.
Arti Singh, profesor asistente adjunto de agronomía, dirige un equipo de investigación multidisciplinario que recientemente recibió una subvención de $ 499,845 por tres años del Instituto Nacional de Alimentación y Agricultura del Departamento de Agricultura de EE. UU. Para desarrollar tecnología de aprendizaje automático que podría automatizar la capacidad. de los agricultores para diagnosticar una variedad de tensiones importantes en la soja. La tecnología en desarrollo utilizaría cámaras conectadas a vehículos aéreos no tripulados, o UAV, para recopilar imágenes a vista de pájaro de los campos de soja. Una aplicación informática analizaría automáticamente las imágenes y alertaría al agricultor de los puntos problemáticos.
«En su forma más básica, el aprendizaje automático es simplemente entrenar una máquina para hacer algo que hacemos», dijo Singh. «Cuando quiere enseñarle a un niño lo que es un automóvil, le muestra automóviles. Esto es lo que estamos haciendo para entrenar algoritmos informáticos, mostrando una gran cantidad de imágenes de diversos estreses de la soja para identificar, clasificar, cuantificar y predecir estreses en el campo.»
El equipo de investigación ha reunido un enorme conjunto de datos de imágenes de soja, algunas sanas y otras sometidas a estrés y enfermedad, que luego etiquetaron. Un programa de computadora revisa las imágenes etiquetadas y ensambla algoritmos que pueden reconocer el estrés en nuevas imágenes. Singh dijo que el programa de aprendizaje automático podría ser capaz de detectar una amplia gama de estreses comunes de la soja, incluidas las enfermedades fúngicas, bacterianas y virales, así como la deficiencia de nutrientes y las lesiones por herbicidas.
El uso de imágenes hiperespectrales, o cámaras que capturan rangos de longitud de onda más allá de los que ve el ojo humano, podría permitir que la tecnología prediga la presencia de tensiones incluso antes de que aparezcan los síntomas, dando a los agricultores tiempo adicional para manejar el problema, dijo.
La fascinación de Singh por el aprendizaje automático comenzó en 2014 cuando asistió a un seminario sobre el tema organizado por el ISU Plant Sciences Institute. Inmediatamente pensó que la tecnología era prometedora para el fitomejoramiento y la patología vegetal, pero una revisión de la literatura académica mostró que la mayor parte del trabajo en el campo provenía de disciplinas de ingeniería, no de ciencias de las plantas. Se dio cuenta de que sería necesaria una mayor colaboración para hacer avanzar este campo en la agricultura.
«Necesitamos incluir también a los científicos de plantas», dijo. «De lo contrario, tendremos ingenieros trabajando en problemas de ciencia vegetal. La colaboración entre disciplinas es lo que lo hace posible».
Ella ayudó a formar un equipo interdisciplinario que creó una aplicación que permite a los usuarios de teléfonos inteligentes tomar fotografías de plantas de soja para determinar si las plantas sufren de deficiencia de hierro. Ahora, el equipo de investigación tiene como objetivo ampliar su trabajo desde la aplicación original, que requiere fotos tomadas manualmente para diagnosticar un solo estrés , a algoritmos capaces de tomar imágenes de UAV e identificar una variedad de estreses.
El futuro de la tecnología depende de la capacidad de los científicos e ingenieros para recopilar el tipo correcto de conjunto de datos y luego desarrollar la capacidad de analizar esos datos. Al final de la subvención, Singh dijo que el equipo tiene la intención de haber completado un marco de mejores prácticas para la recopilación de datos utilizando UAV. Eso incluye determinar resoluciones de imagen óptimas, así como alturas y velocidades óptimas para los UAV. Los investigadores esperan integrar a la perfección la recopilación , la conservación y el análisis de datos que conduzcan a su aplicación en los campos agrícolas para detectar y mitigar el estrés de las plantas de manera oportuna. Singh dijo que el equipo pondrá a disposición del público todos sus hallazgos al finalizar el proyecto.
