La Universidad Estatal de Carolina del Norte desarrolla un sistema que combina imágenes aéreas, inteligencia artificial y vehículos autónomos para identificar espacios vacíos en los cultivos y colocar nuevas semillas únicamente donde se necesitan.
Redacción: Redacción Mundo Agropecuario BET
Editor: Eduardo Schmitz
Investigadores de la Universidad Estatal de Carolina del Norte, en Estados Unidos, están desarrollando una tecnología que combina drones autónomos, inteligencia artificial y robots terrestres para resolver un problema frecuente en la producción de algodón: la aparición de espacios sin plantas después de la siembra. El sistema busca identificar esas zonas mediante imágenes aéreas y permitir que un vehículo robótico deposite nuevas semillas únicamente en los lugares donde el cultivo no logró establecerse.
El proyecto, presentado por la universidad el 10 de noviembre de 2026, se encuentra en desarrollo y experimentación en la estación de investigación agrícola Sandhills, en Carolina del Norte. Su principal innovación consiste en conectar la observación aérea del cultivo con una futura intervención automatizada a nivel del suelo, evitando que la resiembra dependa exclusivamente de inspecciones manuales o de operaciones generalizadas sobre toda la parcela.
La investigación está dirigida por Frank Bai, profesor asistente de ingeniería biológica y agrícola de la universidad, con la participación de especialistas en agronomía, sistemas de información geográfica, navegación autónoma y procesamiento de datos agrícolas.
Los espacios vacíos representan un problema para los productores de algodón
Cuando las semillas de algodón no germinan o las plantas jóvenes mueren durante las primeras etapas de desarrollo, aparecen interrupciones en las hileras del cultivo. Estos espacios, conocidos en inglés como skips, pueden producirse por condiciones meteorológicas desfavorables, temperaturas bajas, exceso de humedad, granizo u otros factores.
La pérdida de plantas reduce la uniformidad de la población establecida y puede afectar el potencial productivo de la parcela. Para los agricultores, decidir si conviene resembrar implica considerar el tamaño de los espacios vacíos, el estado de las plantas supervivientes, el momento de la campaña y los costos de una nueva intervención.
Guy Collins, profesor del Departamento de Ciencias de Cultivos y Suelos y especialista en algodón de NC State Extension, señala que los productores disponen de períodos relativamente cortos para realizar la siembra. Cuando es necesario repetirla, la operación puede resultar costosa y difícil de ejecutar oportunamente.
Según Collins, los costos de las semillas pueden superar los 100 dólares por acre. Por ello, una tecnología capaz de intervenir únicamente en las zonas donde faltan plantas podría ofrecer ventajas económicas, siempre que el sistema demuestre su eficacia en condiciones productivas.
La propuesta representa una aplicación específica de la inteligencia artificial para ajustar las decisiones de siembra. En lugar de modificar la densidad inicial de semillas según las características de una parcela, el proyecto busca actuar después de la emergencia del cultivo, cuando ya se conoce dónde quedaron espacios sin plantas.
Un dron identifica los espacios donde no germinó el algodón
La primera etapa del sistema se desarrolla mediante una aeronave no tripulada equipada con cámaras de alta resolución. El dron sobrevuela las hileras de algodón y obtiene imágenes detalladas que posteriormente son examinadas mediante modelos de inteligencia artificial.
Estos algoritmos permiten reconocer plantas individuales y localizar interrupciones en la continuidad del cultivo. Los investigadores han configurado el análisis para identificar espacios vacíos superiores a tres pies, equivalentes aproximadamente a 91 centímetros.
La detección automatizada permite transformar fotografías agrícolas en información espacial que puede utilizarse para planificar una intervención específica.
Justin Macialek, investigador asociado del Departamento de Ingeniería Biológica y Agrícola, participa en las operaciones aéreas. Desde una oficina situada en el campus universitario de Raleigh, puede controlar y supervisar vuelos realizados en la estación Sandhills, ubicada aproximadamente a una hora y media de distancia.
El dron permanece inicialmente en una estación de acoplamiento protegida de las condiciones meteorológicas. Desde allí puede despegar para recopilar imágenes del campo sin que el operador tenga que desplazarse físicamente hasta la parcela.
Macialek dispone de una autorización especial de la Administración Federal de Aviación de Estados Unidos para realizar operaciones más allá de la línea de visión directa, una condición importante para el desarrollo de sistemas de observación agrícola remota.
La inteligencia artificial procesa los datos dentro de la explotación
Uno de los componentes tecnológicos del proyecto es la infraestructura informática instalada directamente en la estación experimental.
En lugar de transferir grandes cantidades de imágenes hacia servidores remotos, los investigadores utilizan un sistema de procesamiento local capaz de analizar la información recopilada por los drones.
Este servidor funciona como un centro de procesamiento que convierte las imágenes en datos sobre la ubicación de las plantas y los espacios vacíos.
El procesamiento local puede reducir la dependencia de conexiones externas y facilitar el manejo de grandes volúmenes de información. Sin embargo, la universidad no ha publicado una comparación cuantitativa que permita establecer cuánto tiempo o dinero ahorra esta arquitectura frente a otras alternativas.
La estrategia forma parte del proyecto Automating Intelligence from Research Stations, conocido como AIRS, una iniciativa destinada a mejorar la infraestructura digital de las estaciones agrícolas de Carolina del Norte y automatizar la recopilación y utilización de datos experimentales.
El trabajo se relaciona con otros avances en los que la inteligencia artificial distribuye el procesamiento de imágenes entre drones y sistemas informáticos. Aunque ambos enfoques buscan mejorar el manejo de datos agrícolas, el proyecto de Carolina del Norte se concentra específicamente en generar instrucciones para una posible resiembra robotizada.
Un robot terrestre utilizará mapas para depositar nuevas semillas
Después de localizar los espacios sin plantas, el sistema debe transformar esa información en instrucciones para un vehículo autónomo capaz de desplazarse entre las hileras del algodón.
Los investigadores están desarrollando un robot terrestre no tripulado que recibirá un mapa digital con las coordenadas de las zonas que necesitan nuevas semillas.
El objetivo es que el vehículo recorra la parcela de forma autónoma y realice la siembra únicamente en esos puntos, evitando intervenir innecesariamente sobre las plantas que ya se encuentran establecidas.
Para construir los mapas, el equipo combina las imágenes procesadas con una red de posicionamiento satelital cuya precisión nominal alcanza aproximadamente una pulgada, equivalente a 2,54 centímetros, en cada dirección.
Esta precisión es relevante porque la máquina deberá identificar espacios relativamente pequeños y maniobrar dentro de un cultivo existente.
ShengDao Du, estudiante doctoral de ingeniería biológica y agrícola, trabaja en la navegación autónoma del vehículo. Su contribución incluye la construcción de un prototipo, el desarrollo del software y la instalación de sensores necesarios para orientar el robot.
La universidad ha informado sobre estos avances, pero no ha presentado todavía resultados definitivos que demuestren una operación comercial completa de resiembra autónoma, ni ha cuantificado una reducción de costos o un incremento del rendimiento atribuible al sistema.
La navegación autónoma debe evitar daños a las plantas existentes
Uno de los principales desafíos de la resiembra selectiva es que la maquinaria deberá trabajar en un campo donde ya existen plantas vivas.
Una operación convencional puede resultar problemática porque el paso de equipos agrícolas podría dañar las hileras establecidas o alterar el suelo en zonas donde no es necesario intervenir.
El robot propuesto busca reducir ese problema mediante una navegación guiada por coordenadas y sensores, de manera que pueda localizar los espacios vacíos sin recorrerlos de forma indiscriminada.
El desarrollo se diferencia de los robots utilizados para reconstruir tridimensionalmente plantas de maíz. En aquellos sistemas, la finalidad principal consiste en medir características del cultivo; en la nueva investigación, la información digital debe utilizarse para ejecutar una tarea agrícola concreta.
La diferencia resulta importante para la automatización rural: observar y analizar un cultivo es una función distinta de intervenir físicamente sobre él.
La integración de ambas capacidades exige resolver problemas de percepción, localización, planificación de trayectorias y control del mecanismo encargado de depositar las semillas.
Las pruebas se realizan en una estación agrícola de suelos arenosos
La estación Sandhills proporciona un entorno experimental particular debido a las características de sus suelos.
Jeremy Martin, superintendente de la instalación, explica que aproximadamente el 95 % de sus suelos pertenece al tipo arenoso Candor, caracterizado por una elevada porosidad y una rápida infiltración del agua.
Estas condiciones pueden favorecer la pérdida de nutrientes por lixiviación y generar situaciones de estrés para las plantas.
Para los investigadores, trabajar en este ambiente permite observar cómo responden los cultivos y evaluar herramientas tecnológicas bajo condiciones agrícolas exigentes.
El proyecto de resiembra se beneficia de esta infraestructura porque reúne parcelas experimentales, conectividad, sistemas de procesamiento y equipos capaces de recopilar información directamente en campo.
La universidad también utiliza la estación para investigar tecnologías de medición fisiológica, navegación robótica y evaluación de cultivos mediante sensores.
El equipo también utiliza drones para estudiar la resistencia a la sequía
La investigación sobre resiembra forma parte de un programa más amplio dirigido por Frank Bai para desarrollar herramientas digitales destinadas a la agricultura.
En colaboración con especialistas del Servicio de Investigación Agrícola del Departamento de Agricultura de Estados Unidos, el equipo también estudia la respuesta de cultivos de soja a condiciones de disponibilidad limitada de agua.
En estos experimentos, los drones realizan vuelos frecuentes para obtener información sobre la temperatura de las plantas y estimar procesos relacionados con la evapotranspiración.
La evapotranspiración comprende la pérdida de agua hacia la atmósfera mediante la evaporación desde el suelo y la transpiración vegetal.
Los investigadores utilizan las observaciones aéreas junto con estaciones de medición instaladas en el terreno, que permiten contrastar los resultados obtenidos mediante sensores remotos.
El objetivo es proporcionar información más detallada para identificar diferencias entre materiales vegetales y apoyar la selección de líneas de soja con características favorables frente al estrés hídrico.
Esta línea de investigación se vincula con el uso de drones y sensores para detectar señales tempranas de estrés en los cultivos, aunque el trabajo desarrollado en Carolina del Norte incorpora además aplicaciones de automatización y análisis experimental.
El proyecto busca reducir intervenciones agrícolas innecesarias
La principal ventaja potencial de la resiembra robotizada es que permitiría sustituir determinadas operaciones generalizadas por intervenciones localizadas.
En una parcela donde solamente algunas secciones presentan fallas de establecimiento, volver a sembrar toda la superficie puede implicar gastos adicionales y riesgos para las plantas supervivientes.
Un sistema capaz de identificar y tratar exclusivamente las zonas afectadas podría reducir el uso innecesario de semillas y limitar el tránsito de maquinaria sobre áreas que no requieren intervención.
Sin embargo, estas ventajas todavía deben comprobarse mediante ensayos que evalúen el funcionamiento completo de la tecnología.
Entre las cuestiones pendientes se encuentran la precisión del depósito de semillas, la capacidad del robot para desplazarse entre plantas, la oportunidad agronómica de la resiembra y la relación entre los costos del sistema y los beneficios obtenidos.
También será necesario determinar en qué condiciones las nuevas plantas pueden desarrollarse suficientemente rápido para contribuir a la cosecha, especialmente cuando las plantas originales ya han avanzado en su ciclo de crecimiento.
La existencia de un espacio vacío no significa automáticamente que resembrarlo sea la mejor decisión. La tecnología deberá integrarse con criterios agronómicos que permitan evaluar cuándo conviene intervenir.
Una nueva aplicación de la robótica agrícola de precisión
La investigación desarrollada por NC State muestra cómo la combinación de observación aérea, inteligencia artificial y maquinaria autónoma puede utilizarse para abordar problemas concretos del manejo agrícola.
El sistema ya incorpora vuelos remotos, reconocimiento de plantas mediante imágenes, procesamiento local de datos y generación de mapas digitales. Paralelamente, el equipo continúa desarrollando el robot terrestre encargado de realizar la intervención física.
El financiamiento de Cotton Incorporated respalda el desarrollo de una solución orientada a las necesidades de los productores de algodón, particularmente en situaciones donde las fallas de germinación obligan a evaluar una posible resiembra.
La principal novedad no reside en utilizar drones o robots por separado, sino en conectarlos dentro de un procedimiento que comienza con la identificación automática de un problema y busca terminar con una actuación localizada sobre el cultivo.
Los próximos resultados deberán demostrar si esa integración puede operar de manera fiable, económicamente viable y sin ocasionar daños significativos a las plantas existentes.
Por ahora, el proyecto constituye un desarrollo experimental que amplía las posibilidades de la agricultura de precisión y plantea una aplicación práctica para los sistemas robóticos capaces de actuar a partir de información recopilada directamente en el campo.
Fuente referencial:
Universidad Estatal de Carolina del Norte — On the Ground and In the Air, 10 de noviembre de 2026

