Un agricultor observa un insecto desconocido en una hoja. ¿Es un polinizador? ¿O una plaga? ¿Buenas noticias para la época de la cosecha? ¿O malas? ¿Hay que controlarlo? ¿O no?
por la Universidad Estatal de Iowa
Ese agricultor puede tomar una fotografía, usar un teléfono inteligente o una computadora para ingresar la foto en una aplicación web llamada InsectNet y, con la ayuda de la tecnología de aprendizaje automático, obtener información en tiempo real.
«La aplicación identifica al insecto y devuelve una predicción de su clasificación taxonómica y su papel en el ecosistema como plaga, depredador, polinizador, parasitoide, descomponedor, herbívoro, indicador y especie invasora», afirma un artículo científico que describe a InsectNet publicado recientemente por la revista PNAS Nexus . Baskar Ganapathysubramanian y Arti Singh, de la Universidad Estatal de Iowa, son los autores correspondientes.
InsectNet , que cuenta con el respaldo de un conjunto de datos de 12 millones de imágenes de insectos, muchas de ellas recopiladas por científicos ciudadanos, permite identificar y predecir más de 2500 especies de insectos con una precisión de más del 96 por ciento. Cuando la aplicación no está segura de un insecto, indica que no está segura, lo que brinda a los usuarios más confianza cuando proporciona respuestas.
Y, como la aplicación se creó como un modelo global y local, se puede ajustar geográficamente utilizando conjuntos de datos locales y regionales verificados por expertos, lo que la hace útil para los agricultores de todo el mundo.
Así que tengan cuidado, gusanos cogolleros, gusanos cortadores, saltamontes, chinches apestosas y todos los demás insectos dañinos. Y, hola, mariposas, abejas y todos los demás polinizadores. Me alegro de verlos, mariquitas, mantis y todos los demás depredadores de plagas.
«Prevemos que InsectNet complementará los enfoques existentes y será parte de un conjunto creciente de tecnologías de IA para abordar los desafíos agrícolas», escribieron los autores.
Un pueblo de investigadores
La capacidad de InsectNet de adaptarse a regiones o países específicos lo hace particularmente útil, dijo Singh, profesor asociado de agronomía.
En Iowa, por ejemplo, Singh dijo que hay alrededor de 50 especies de insectos particularmente importantes para la producción agrícola del estado. Para identificar y proporcionar predicciones sobre esos insectos, Singh dijo que el proyecto utilizó alrededor de 500.000 imágenes de insectos.
Esto podría sucederles a los agricultores de todo el mundo. Y donde no hay suficientes datos (estos modelos sofisticados a menudo requieren millones de imágenes) para realizar ajustes locales, el conjunto de datos global sigue estando disponible para los agricultores.
Sin embargo, InsectNet no es sólo para agricultores. Singh dijo que también podría ayudar a los agentes en los puertos o cruces fronterizos a identificar especies invasoras . O podría ayudar a los investigadores que trabajan en estudios ecológicos.
La aplicación es útil y flexible, pero ¿es accesible?
«Todavía no se puede ir a una tienda de aplicaciones y descargar una versión», dijo Ganapathysubramanian, profesor de ingeniería Joseph y Elizabeth Anderlik y director del Instituto de IA para la Agricultura Resiliente con sede en Iowa State. Pero la aplicación se ejecuta en un servidor de Iowa State. Con un código QR (ver barra lateral) o esta URL, los usuarios pueden cargar imágenes de insectos y obtener una identificación y predicción.
Esto funciona en todas las etapas de la vida de un insecto: desde el huevo hasta la larva, la pupa y el adulto. Funciona con especies similares y con distintas calidades y orientaciones de imagen.
Lo fundamental para cualquier usuario es obtener información básica sobre un insecto: «¿Es una plaga?», preguntó Singh. «¿O es un amigo?».
Los desarrolladores demostraron la aplicación durante la feria Farm Progress Show del pasado mes de agosto en Boone, Iowa. Y ahora el artículo de investigación la presenta a un público científico más amplio.
¿Pero no existen ya aplicaciones que ayudan a identificar insectos?
Sí, dijo Ganapathysubramanian, pero no tienen la escala de InsectNet y no son capaces de funcionar a nivel global y local. Tampoco son aplicaciones de código abierto con tecnología que se pueda compartir.
«Hacer que InsectNet sea de código abierto puede fomentar esfuerzos científicos más amplios», afirmó. «La comunidad científica puede aprovechar estos esfuerzos, en lugar de empezar desde cero».
El proyecto también respondió a muchas preguntas técnicas que podrían aplicarse a otros proyectos, dijo.
¿Cuántos datos son suficientes? ¿Dónde podemos obtener tantos datos? ¿Qué podemos hacer con los datos ruidosos? ¿Cuánta potencia informática es necesaria? ¿Cómo podemos manejar tantos datos?
«Por último, se necesita un pueblo de expertos para llegar a este punto, ¿no?», dijo Ganapathysubramanian.
Se necesitaron agrónomos, ingenieros informáticos, estadísticos, científicos de datos y especialistas en inteligencia artificial alrededor de dos años para crear InsectNet y hacerlo funcionar.
«Lo que hemos aprendido trabajando con insectos se puede ampliar para incluir malezas y enfermedades de las plantas o cualquier otro problema de identificación y clasificación relacionado con la agricultura», dijo Singh. «Estamos muy cerca de tener un punto único para identificar todo esto».
Más información: Shivani Chiranjeevi et al, InsectNet: Identificación en tiempo real de insectos mediante un proceso de aprendizaje automático de extremo a extremo, PNAS Nexus (2024). DOI: 10.1093/pnasnexus/pgae575
