Mes: noviembre 2020

La aparición de malas hierbas en los campos agrícolas de producción de cereales y fibras ha causado pérdidas a los agricultores durante mucho tiempo. Con la introducción de genes de resistencia en especies cultivadas como la soja y el algodón, muchos creían que este problema se resolvería. En Brasil, la soja resistente al glifosato se cultiva desde 2003. Pero después de casi 15 años, el problema de las malezas no se ha resuelto y ha vuelto a cobrar importancia, principalmente debido a la aparición de malezas resistentes al glifosato. Como se puede ver en el mapa, el problema se está extendiendo en las principales regiones productoras de Brasil, principalmente en las áreas donde se han cultivado cultivos resistentes al glifosato, como soja, maíz y algodón.

La foto de abajo ilustra una escena común en los campos brasileños, la presencia de tres especies de malezas resistentes al glifosato en la misma área ( Digitaria insularis , Conyza canadensis y Eleusine indica ), más una docena de otras especies, pero con una ocupación espacial de menos del 50% del área total. Naturalmente, las malas hierbas no se distribuyen uniformemente por los campos. La mayoría de las veces se agregan en juncos principalmente debido a la forma de dispersión de las semillas. En otros, los brotes pueden ser plantas muy escasas o aisladas.

Malezas-resistentes-en-Brasil
Un escenario común en los campos brasileños: la presencia de tres especies de malezas resistentes al glifosato en la misma zona (Digitaria insularis, Conyza canadensis y Eleusine indica), más una docena de especies más.

Debido a esta variabilidad espacial, existe un gran potencial para la aplicación localizada de herbicidas. La fumigación de malezas localizada en tiempo real se basa en la identificación de la planta mediante un sensor y la aplicación instantánea de herbicida solo en el objetivo. El proceso de identificación de una planta se realiza reconociendo un patrón de reflectancia cuando se somete a una fuente de radiación. En este caso, los sensores generalmente están “activos” porque tienen su propia fuente de radiación, lo que les permite trabajar tanto de día como de noche.

Actualmente, existen dos equipos comerciales en Brasil que realizan la identificación y fumigación de malezas en tiempo real: WEEDit y WeedSeeker. Para la detección de plantas, el primer sistema se basa en la técnica de detección de la fluorescencia de la clorofila que se crea mediante la acción de una potente fuente de luz, mientras que el segundo utiliza la reflectancia en dos bandas espectrales. La tecnología de estas herramientas no se trata solo de los sensores, sino de la velocidad extremadamente rápida de las válvulas encargadas de abrir y cerrar las boquillas. En el caso de WEEDit, la tecnología Pulse Width Modulation (PWM) a una frecuencia de 60 Hz permite rociar con precisión la tasa correcta de herbicida sobre la maleza independientemente de las variaciones en la velocidad de la máquina.

MÁS DE RODRIGO TREVISAN
Conectividad
22 de enero de 2019
Diez conclusiones clave de la conferencia PrecisionAg VISION de 2019
Por Rodrigo Trevisan
Conectividad
24 de octubre de 2018
ConBAP 2018: de la recopilación de datos a la toma de decisiones
Por Rodrigo Trevisan
Conectividad
9 de julio de 2018
Aspectos destacados de la 14a Conferencia Internacional sobre Agricultura de Precisión
Por Rodrigo Trevisan
Otro beneficio de este tipo de sistemas es la posibilidad de realizar las aplicaciones con mayor frecuencia. Debido a que solo se rociará sobre las malezas, no es necesario esperar a que germinen todas las malezas y correr los riesgos de un bajo control debido a la presencia de malezas fuera de la etapa de control adecuada. Además, esperar puede darles a estas plantas la oportunidad de producir nuevas semillas, lo que agrava el problema para los cultivos futuros. Las aplicaciones más frecuentes reducirán naturalmente el banco de semillas en el área a lo largo de los años. Hay informes de productores australianos con ahorros de herbicidas del 98% después de 7 años usando la tecnología.

Una de las limitaciones del uso de estas herramientas radica en la capacidad limitada para diferenciar especies de plantas. Los dos equipos mencionados anteriormente tienen límites de detección ajustables que permiten apuntar a objetivos más grandes o más pequeños, pero sin la capacidad total para diferenciar especies. Con el objetivo de solucionar esta limitación, existen tecnologías que se están desarrollando y probando a nivel de investigación, principalmente utilizando reconocimiento de patrones en imágenes RGB (formato hojas) y cámaras hiperespectrales (intensidad de reflectancia en regiones específicas del espectro). Un ejemplo de este tipo de tecnología está siendo desarrollado por la startup estadounidense Blue River Technology. Su concepto de máquina inteligente para visualización y pulverización hace uso de visión por computadora e inteligencia artificial para la diferenciación de especies de plantas y su aplicación en tiempo real.

La presencia de malezas en diferentes niveles de infestación dentro de un solo campo hace posible el uso de herramientas de agricultura de precisión como una forma más eficiente de control de malezas a través de la aplicación localizada utilizando las tasas adecuadas requeridas para cada parte de un área agrícola. El aumento en la ocurrencia de malezas resistentes a herbicidas genera una mayor demanda de estas tecnologías, ya que las formas tradicionales de control tienen altos costos y baja eficiencia. El riesgo de introducción o selección de nuevas especies resistentes, asociado al lento desarrollo de nuevas moléculas herbicidas, hace que el manejo correcto de las malezas sea cada vez más importante para el mantenimiento de un sistema de producción sostenible. El control de malezas localizado con identificación de sensores y aplicación de herbicidas en tiempo real permite grandes ahorros de producto, así como reducir los impactos sobre el medio ambiente y contribuir a reducir el problema a largo plazo. Se deben desarrollar nuevas tecnologías para satisfacer estas demandas en los próximos años, ya que sin duda habrá un enorme mercado por explorar.

Leer más

El campo se comenzó a cultivar en el Neolítico y desde entonces, la agricultura ha evolucionado tanto, que actualmente buena parte del trabajo se realiza de forma mecanizada. Y hasta los drones se han incorporado a la agricultura moderna.

Cada vez son más las empresas que apuestan por los agrodrones para aumentar su productividad a un menor coste. Ya que, estas aeronaves realizan más trabajo con menos recursos y su tecnología permite que los cultivos saquen su máximo rendimiento.

Tipos de agrodrones
Existen dos tipos de drones agrícolas: para escanear las plantaciones y para aplicar el tratamiento necesario. Además podemos diferenciarlos, en aeronaves de ala fija, usados para cubrir grandes extensiones, y multirrotores, usados cuando el campo es de menor tamaño o más abrupto.

Tipos de agrodrones

Drones mapeadores
El primer tipo de drones, utilizado en la agricultura de precisión, tiene sensores especializados para identificar las necesidades del cultivo, el punto óptimo de recolecta, realizar mapas GPS, contar los árboles o monitorizar el ganado. Los sensores multiespectrales son los más utilizados, miden la cantidad de luz que reciben y reflejan las plantas, con esta información pintan un mapa de colores (mapa de reflectancia) con indicadores NVDI de estado clorofílico, la longitud de onda señala el estado de salud o el momento óptimo de recolecta. Y todo ello, lo hacen de forma automática, como el drone Parrot BlueGrass Fields, que recoge con su cámara multiespectral Sequoia la información necesaria para generar estos mapas con índices NVDI.

Las cámaras multiespectrales recogen información no perceptible al ojo humano, aunque si necesitamos información de posición, de dimensiones del área afectada u otros datos visuales, nos bastaría con un drone profesional con cámara RGB (de imagen real) o como mucho combinada con una cámara térmica. Esta información nos permite planificar las plantaciones o hacer recuento de árboles, incluso de ganado, si además es termográfica, como en el caso del cuadricóptero Parrot Thermal.

Agrodrone mapeador camara visual y termicaSi queremos tomar decisiones más eficientes, la tecnología actual nos permite combinar los datos obtenidos de forma aérea con los obtenidos en tierra, como humedad del suelo, cantidad de agua, estrés hídrico de la planta, temperatura,…. De este modo aplicaríamos el tratamiento necesario sólo sobre el área afectada y en la cantidad precisa, haciendo un uso más eficiente de los productos agroquímicos y salvaguardando las zonas sanas, no como se hacía tradicionalmente, que se fumigaba todo el campo.

Drones fumigadores
Tras escanear y conocer las necesidades de las plantaciones, entrarían en acción los drones fumigadores, el segundo tipo de agrodrones, son multicópteros de gran envergadura y potencia, capaces de fumigar hasta 10 hectáreas por hora, como el nuevo drone agrícola T16 de DJI, con tanque de 16 litros, que rocía 6,5 metros a una velocidad de 4,8 litros / minuto. El DJI T16 es todo un gigante del cielo que igual vuela sobre huertos, laderas como reconoce y aplica tratamiento sobre cada árbol. Lo mejor de estas aeronaves es que trabajan solas, el vuelo se programa en función del mapa de necesidades y automáticamente aplica el producto sobre la zona afectada, resultando un ahorro en coste, tiempo y con un menor impacto sobre el medio ambiente y sobre la salud de los trabajadores. Pulverizar de forma manual o con el tractor pasó a la historia.

Mejoran la producción
Estos drones para agricultura de precisión incorporan una tecnología que nos permite pasar de recolectar en función de percepciones a realizarlo en base a datos precisos, logrando, por tanto, mejores resultados. Incluso son capaces de detectar enfermedades precozmente, localizar fácilmente malas hierbas, hacer recuento de árboles, obtener datos para aprovechar mejor las extensiones de tierra y optimizar los recursos, tanto hídricos como de aporte de nitratos o fertilizantes. Todo para conseguir cosechas de mejor calidad a un menor coste.

Seguramente te surjan muchas dudas tras leer el artículo, qué empresas utilizan estas aeronaves, qué resultados obtienen, qué permisos se necesitan para operar con ellas, qué drone sería mejor para mi explotación? Llámanos y te contaremos cómo está el panorama actual de los drones en la agricultura y cómo puedes beneficiarte de su tecnología.

Leer más

El conocimiento más profundo que Paul Mask obtuvo sobre el valor de la agricultura de precisión ocurrió hace más de una generación, años antes de que el término se volviera común en la agricultura.

Un productor de lácteos de Alabama central ferozmente decidido y, como lo demostraron más tarde los acontecimientos, con visión de futuro, había elaborado una estrategia para gestionar los costos de aplicación de fertilizantes.

Usando un mapa del Servicio de Conservación de Suelos, el lechero dividió todos los campos pequeños que cultivaba en secciones y luego analizó el suelo en cada uno de ellos, basando sus aplicaciones de fertilizantes en lo que revelaba cada prueba, recuerda Mask, subdirector de Agricultura del Sistema de Extensión Cooperativa de Alabama. , Forestal y Recursos Naturales y profesor de agronomía y suelos de la Universidad de Auburn.

Como recuerda Mask, este lechero, años adelantado a su tiempo, había aprendido a «utilizar la cartografía y las pruebas de suelo para obtener una imagen clara de su operación agrícola».

A pesar de todos los cambios que se han producido en la agricultura de precisión, a pesar de todos los enormes avances que se han registrado en las últimas dos décadas, ask todavía cree que la visión innovadora de este perseverante ganadero todavía proporciona el principio rector para la adopción y el uso de esta tecnología.

Eso, como lo ve Mask, es la esencia – y la promesa – de la agricultura de precisión: usar la tecnología para obtener una imagen clara y completa de las operaciones agrícolas de uno para asegurar la mayor medida de eficiencia y rentabilidad de la granja al reducir el uso de insumos, aislando contra el riesgo. y mejora de las prácticas agrícolas sostenibles.

“Ese siempre ha sido el desafío”, dice Mask. «Para mí, nunca se ha tratado de adoptar piezas de tecnología individuales, sino de cómo la adopción de esta tecnología conduce a un cambio de mentalidad».

John Fulton, un especialista en agricultura de precisión de Alabama Extension y profesor asociado de ingeniería de biosistemas de la Universidad de Auburn que ocupó el lugar de Mask hace una década después de que asumió su puesto administrativo actual, ve el próximo desafío como ayudar a los productores a anclarse firmemente en este principio rector.

“En la última década hemos avanzado mucho en mostrar a los agricultores cómo utilizar tecnologías de agricultura de precisión para evitar la aplicación excesiva y aumentar la eficiencia”, dice Fulton.

El próximo gran desafío es ayudar a los productores a adquirir una comprensión integral de esta tecnología y sus usos más amplios.

Tomando decisiones más informadas
«Básicamente, todo se reduce a esto: ¿Cómo tomamos todos estos datos agronómicos y los procesamos y, al adquirir conocimientos de ellos, tomamos decisiones agrícolas más informadas?» Pregunta Fulton.

«En este momento, la gestión de datos es el desafío, el más grande que enfrentamos».

Si bien la adquisición del panorama general siempre ha sido el objetivo implícito de la adopción de tecnología de precisión, Fulton dice que ha habido una tendencia de los productores a perder de vista este hecho.

“Por nuestra parte, creo que hemos hecho un buen trabajo ayudando a nuestros productores a adoptar las tecnologías adecuadas para sus operaciones”, dice Fulton. «Del mismo modo, creo que hemos hecho un buen trabajo ayudándoles a comprender cómo crecen con esta tecnología a lo largo del tiempo para maximizar los beneficios».

Ahora viene el desafío de mostrar a los productores cómo integrar toda esta tecnología a la perfección en un panorama más amplio, dice.

«Con suerte, lo que aprendemos de todo esto es que todo está interrelacionado y que una sola decisión agrícola no se lleva a cabo en el vacío, sino que afecta a toda la operación».

Este enfoque de sistemas para la agricultura que es posible gracias a la adopción de la agricultura de precisión es una habilidad que los agricultores ya no pueden descartar, especialmente considerando que una serie de factores económicos están obligando a los productores a expandir o aumentar la producción para mantenerse rentables.

“Tanto a nivel estatal como nacional, los agricultores están tratando de crecer para cubrir los costos de los insumos”, dice Brandon Dillard, un agente regional de Alabama Extension en el sureste de Alabama.

«Esta tecnología les brinda la capacidad de crecer sin mucha más gente y equipo».

A pesar de la promesa que ofrece este enfoque transparente, Fulton dice que cultivar esta mentalidad está resultando un desafío para algunos agricultores que siempre han valorado su autonomía.

La generación y gestión de datos son el pan y la mantequilla en el futuro de la producción de cultivos, y bajo algunos acuerdos de licencia, los agricultores están utilizando esta tecnología a cambio de permitirles a las empresas de equipos tener acceso abierto a los datos agrícolas recopilados en maquinaria agrícola.

«Eso es un obstáculo para muchos productores», dice Fulton. “No les gusta la idea de entregar todos sus datos a una empresa.

“Siempre ha existido una fuerte tradición de libertad de elección en la agricultura. No solo les preocupa cómo se utilizarán todos estos datos, sino también cómo afectarán su control sobre sus operaciones y sus identidades como productores «.

Aun así, en esta economía agrícola global altamente cargada, los productores no tienen alternativa, dice Mask.

Cita a Brasil y otras potencias agrícolas emergentes como la razón por la cual la adopción de la agricultura de precisión a gran escala será inevitable.

“A menos que aprendamos a utilizar todos los insumos de la manera más eficiente posible, ya no estaremos equipados para ofrecer productos al menor costo. Es realmente así de simple «.

Leer más

Recientemente asistí al Iowa Power Farming Show y una de las tecnologías que presenté en una publicación en nuestro blog hermano Precision Pays fue la nueva tecnología SMS Mobile Technologies de Ag Leader . Como resultado, me pidieron que escribiera una publicación de invitado para Broadband for America . Me preguntaron si podía escribir un blog sobre cómo la tecnología de banda ancha realmente ha cambiado la forma en que la agricultura hace negocios. La agricultura de precisión no solo ha facilitado un poco la agricultura, sino que también la ha hecho un poco más rentable. Ahora, con Internet, la agricultura de precisión puede dar un paso más.

Con su permiso, estoy reimprimiendo el artículo aquí .

BfA_logoPara mi madre, que creció en una granja en Iowa, era difícil imaginar hasta qué punto la tecnología haría avanzar la agricultura en tan poco tiempo. Por ejemplo, la introducción de la banda ancha sería una grata sorpresa para muchos. Es difícil imaginar la vida sin acceso a Internet; sin embargo, en el pasado, los que vivían en las zonas rurales de Estados Unidos no tenían tanto acceso como los que vivían en las zonas urbanas. Afortunadamente, esto está cambiando. Según Pew Internet, los adultos que viven en las zonas rurales de Estados Unidos han visto crecer el uso de alta velocidad del 38% en 2008 al 46% en 2009. Muchos de estos adultos son agricultores.

Con la introducción de la banda ancha también vino la introducción de muchas tecnologías de agricultura de precisión. Por ejemplo, la nueva tecnología móvil SMS de Ag Leader ayuda a los agricultores a obtener información importante. La tecnología está diseñada para ejecutarse en su Mesa Rugged Notepad portátil y proporciona una plataforma para que los agricultores recopilen información como análisis de suelo, registros de exploración y documentación de ensayos de prueba. Con la ayuda de una red de banda ancha inalámbrica, los agricultores pueden transferir instantáneamente los datos a su software de escritorio SMS. Los datos se pueden combinar con datos anteriores y llevar su manejo de cultivos a otro nivel, un nivel que está diseñado para mejorar su rentabilidad.

Si bien esta tecnología se encuentra todavía algo en su infancia, el acceso a las comunicaciones inalámbricas ha ofrecido posibilidades que antes no se creían posibles. La agricultura de precisión está aprovechando al máximo esta tecnología. Cada año, la integración de datos y los programas son más efectivos y fáciles de usar a medida que aumenta la adopción entre los productores.

Según Tim Murphy, en un artículo de 2002, “ Máximos y mínimos de la conexión de banda ancha en las zonas rurales de América ”, el censo encontró que la mitad de las granjas del país estaban conectadas a Internet de alguna manera, ya sea a través de banda ancha o por discado. En 2007, el porcentaje de granjas conectadas aumentó al 56,5 por ciento. A medida que la agricultura de precisión alcance la mayoría de edad, espero ver un mayor crecimiento en la adopción de la banda ancha en las zonas rurales de Estados Unidos. ¿Por qué? Porque la banda ancha y la agricultura de precisión, juntas, están ayudando a cambiar el rostro de la agricultura de una manera positiva y rentable.

Leer más

Los productores necesitan métodos asequibles para muestrear poblaciones de malezas a fin de reducir el uso de herbicidas con el manejo de malezas específico del sitio. Los programas de muestreo y los métodos de desarrollo de programas de muestreo para el manejo integrado de plagas no son suficientes para el manejo de malezas específico del sitio porque se necesita más información diferente para hacer mapas de tratamiento que simplemente estimar la densidad promedio de plagas.
Los planes de muestreo para el manejo de malezas en sitios específicos deben proporcionar información para mapear las malezas en el campo, pero deben desarrollarse con el objetivo de prescribir un manejo espacialmente variable. Los científicos de malezas tendrán más éxito en el diseño de planes para el manejo de malezas en sitios específicos si se enfocan en este objetivo durante todo el proceso de diseño de un plan de muestreo. También deben aprender más sobre la distribución espacial y la dinámica de las poblaciones de malezas y utilizar ese conocimiento para identificar planes rentables, recomendar métodos para hacer mapas y recopilar datos y encontrar formas de evaluar mapas que reflejen el manejo que se prescribirá a partir de mapa. Ante todo, el muestreo debe considerarse como un proceso continuo a lo largo del tiempo que utiliza muchos tipos de información en lugar de un solo evento de recopilación de un tipo de información. Específicamente, Los científicos deberán identificar características comunes en lugar de solo diferencias de la distribución espacial de malezas entre campos y especies, reconocer que la precisión del mapa puede ser un indicador pobre del valor de un plan de muestreo y desarrollar métodos para utilizar el conocimiento de los productores sobre la distribución. de malezas y manejo espacialmente variable del pasado dentro de un campo tanto para hacer un mapa como para recomendar un plan de muestreo. También se debe demostrar el valor de los métodos propuestos para el muestreo y el mapeo, o la adopción del manejo de malezas específico del sitio podría limitarse a los productores que disfrutan del uso de tecnología sofisticada. y desarrollar métodos para utilizar el conocimiento de los productores sobre la distribución de malezas y el manejo espacialmente variable del pasado dentro de un campo, tanto para hacer un mapa como para recomendar un plan de muestreo. También se debe demostrar el valor de los métodos propuestos para el muestreo y el mapeo, o la adopción del manejo de malezas específico del sitio podría limitarse a los productores que disfrutan del uso de tecnología sofisticada. y desarrollar métodos para utilizar el conocimiento de los productores sobre la distribución de malezas y el manejo espacialmente variable del pasado dentro de un campo, tanto para hacer un mapa como para recomendar un plan de muestreo. También se debe demostrar el valor de los métodos propuestos para el muestreo y el mapeo, o la adopción del manejo de malezas específico del sitio podría limitarse a los productores que disfrutan del uso de tecnología sofisticada.

Leer más

Sensores

Los sensores remotos se pueden agrupar según la cantidad de bandas y el rango de frecuencia de esas bandas que el sensor puede detectar. Las categorías comunes de sensores remotos incluyen sensores pancromáticos , multiespectrales , hiperespectrales y ultraespectrales .

Los sensores pancromáticos cubren una amplia banda de longitudes de onda en el espectro de luz visible o infrarroja cercana. Un ejemplo de un sensor de banda única de este tipo sería una cámara de película fotográfica en blanco y negro.

Los sensores multiespectrales cubren dos o más bandas espectrales simultáneamente, típicamente de 0,3 ma 14 m de ancho.

Los sensores hiperespectrales cubren bandas espectrales más estrechas que los sensores multiespectrales. Los datos de imagen de varios cientos de bandas se registran al mismo tiempo y ofrecen una resolución espectral mucho mayor que un sensor que cubre bandas más anchas.

av_concept1.gif (35853 bytes)

Figura 2.1 Diagrama de una imagen hiperespectral.

Los sensores ultraesprectrales aún están en desarrollo y aún no están en uso. Estos sensores cubrirán miles de bandas con un ancho de banda aún más estrecho que los sensores hiperespectrales.

Sistemas de entrega de datos de imágenes digitales

Sistemas de sensores de escáner

Los escáneres de imágenes electro-ópticos y espectrales producen imágenes digitales con el uso de detectores que miden el brillo de la energía electromagnética reflejada. Los escáneres constan de uno o más detectores de sensor según el tipo de sistema de sensor utilizado.

Un tipo de escáner se denomina escáner de escoba batidora, también conocido como escáner transversal. Utiliza espejos giratorios para escanear el paisaje de abajo de lado a lado perpendicular a la dirección de la plataforma del sensor, como una escoba. El ancho del barrido se conoce como la franja del sensor. Los espejos giratorios redirigen la luz reflejada a un punto en el que se agrupan uno o pocos detectores de sensor. Los escáneres Whiskbroom con sus espejos móviles tienden a ser grandes y complejos de construir. Los espejos móviles crean distorsiones espaciales que el proveedor de datos debe corregir con un procesamiento previo antes de que los datos de imagen se entreguen al usuario. Una ventaja de los escáneres whiskbroom es que tienen menos detectores de sensores para mantener calibrados en comparación con otros tipos de sensores.

instr.gif (15095 bytes)

Figura 2.2 Escáner de batidor AVIRIS

Otro tipo de escáner, que no utiliza espejos giratorios, es el escáner de barrido, también conocido como escáner de trayectoria. Los detectores de sensor en un escáner de escoba de empuje están alineados en una fila denominada matriz lineal. En lugar de barrer de lado a lado a medida que avanza el sistema de sensores, la matriz de sensores unidimensionales captura toda la línea de exploración de una vez como lo haría una escoba. Algunos escáneres recientes a los que se hace referencia como escáneres de mirada por pasos contienen matrices bidimensionales en filas y columnas para cada banda. Los escáneres pushbroom son más livianos, más pequeños y menos complejos debido a que tienen menos partes móviles que los escáneres whiskbroom. También tienen mejor resolución radiométrica y espacial. Una de las principales desventajas de los escáneres de barrido es la calibración necesaria para una gran cantidad de detectores que componen el sistema de sensores.

implemen1.gif (34447 bytes)

Figura 2.3 (a), (b), (c), (d)

Sistemas de plataforma de escáner

Sistemas de aeronaves

Los aviones han servido como plataformas de detección remota, comenzando con Wilber Wright llevando la primera cámara al aire. Las aeronaves tienen varias ventajas útiles como plataformas para sistemas de teledetección. Las aeronaves pueden volar a altitudes relativamente bajas, lo que permite una resolución espacial del sensor por debajo del metro. Las aeronaves pueden cambiar fácilmente su horario para evitar problemas climáticos como las nubes, que pueden bloquear la vista del suelo de un sensor pasivo. Se pueden hacer cambios de tiempo de último minuto para ajustar la iluminación del sol, la ubicación del área que se visitará y visitas adicionales a esa ubicación. Los cambios de configuración, reparación y mantenimiento de sensores se realizan fácilmente en las plataformas de los aviones. Las rutas de vuelo de las aeronaves no conocen fronteras, excepto fronteras políticas. Obtener permiso para entrometerse en el espacio aéreo extranjero puede ser un proceso largo y frustrante. La baja altitud a la que vuelan las aeronaves reduce el campo de visión del sensor, lo que requiere muchas pasadas para cubrir un área grande en el suelo. El tiempo de respuesta que se necesita para hacer llegar los datos al usuario se retrasa debido a la necesidad de devolver la aeronave al aeropuerto antes de transferir los datos de la imagen sin procesar a las instalaciones del proveedor de datos para su preprocesamiento.

GERScanner.jpg (12868 bytes)

Figura 2.4 Sensor de 40 bandas instalado dentro de un avión.

Sistemas de satélite

Las plataformas de satélite que vuelan desde el espacio proporcionan un campo de visión muy amplio para el sensor y visitas periódicas repetitivas sistemáticas. La resolución es limitada debido a la altitud fija del satélite y la trayectoria orbital volada. Los satélites no conocen fronteras políticas, lo que les permite cubrir cualquier rincón del mundo desatendido por la interferencia de gobiernos extranjeros. Se requieren costosas instalaciones de apoyo en tierra para operar satélites. Los sistemas de satélites son intensivos en capital, cuestan cientos de millones de dólares y tienen una vida operativa relativamente corta, generalmente de cinco años o menos.

Principales programas de satélite

Algunos de los principales programas de satélite que ofrecen imágenes que se utilizan en la agricultura en la actualidad son los siguientes:

Landsat 5 utiliza un sensor temático («TM») que opera en 7 bandas con una resolución de 30 metros excepto el infrarrojo térmico que tiene una resolución de 120 metros. Space Imaging EOSAT de Thornton, Colorado, es el distribuidor exclusivo de imágenes Landsat.

Los puntos 1, 2, 3 y 4 utilizan sensores visibles de alta resolución («HRV») que operan en 4 bandas con una resolución de 10 m pancromática y 20 m multiespectral. Las imágenes puntuales son distribuidas por Spot Image con sede en Toulouse, Francia.

El IRS-1C utiliza tres sensores: el LISS-III, con una resolución de 23 metros en cuatro bandas espectrales, un sensor pancromático, con una resolución de 5,8 my un sensor de campo amplio («WiFS»), con una resolución de 188 m. Las imágenes del IRS son distribuidas por Space Imaging EOSAT de Thornton, Colorado, bajo una licencia exclusiva de ANTRIX Corp. Ltd. de India, la empresa de marketing comercial de la Organización de Investigación Espacial de la India.

Invertir en satélites comerciales puede ser un negocio arriesgado. El satélite Lewis de TRW con sensores hiperespectrales se perdió poco después del lanzamiento en agosto de 1997. EarthWatch también perdió su satélite EarlyBird cuatro días después del lanzamiento en diciembre de 1997.

Sistemas terrestres

Los sistemas de sensores remotos terrestres son sistemas de sensores terrestres. Se han realizado algunas investigaciones utilizando sensores remotos conectados a largos brazos hidráulicos izados sobre el dosel del cultivo desde el suelo. Las imágenes recopiladas desde una distancia tan cercana tienen resoluciones mucho mayores que las imágenes de aviones o satélites. Otros sistemas terrestres utilizan sensores montados en el vehículo que controlan los aplicadores de dosis variable en tiempo real. Por ejemplo, los sensores remotos que pueden distinguir las malezas del cultivo están montados en rociadores que cambian la tasa de aplicación de herbicidas aplicados sobre la marcha (Figuras 2.5 y 2.6). Se utiliza una forma de tecnología de detección remota llamada visión artificial para detectar las malas hierbas en el cultivo y controlar el pulverizador. (Steward y Tian, ​​1998).

Leer más

A medida que aumenta la competencia en el mercado de la horticultura, los agricultores de todo el mundo deben maximizar el rendimiento de los cultivos y, al mismo tiempo, reducir los costos de producción. Con este objetivo en mente, una mayor eficiencia en el uso de agua y fertilizantes es esencial, ya que estos insumos influyen de manera crítica en el rendimiento y la calidad del cultivo, así como en los costos.

El sistema «Gavish», producido únicamente en Israel, ofrece una solución, ya que su controlador de riego puede controlar el riego por separado o junto con fertilizantes líquidos (fertirrigación).

Los beneficios de «Gavish»:

– Fácil de operar: el sistema ofrece la máxima precisión, lo cual es muy importante al aplicar fertilizantes líquidos.
– El sistema permite flexibilidad al alternar entre diferentes tipos de fertilizantes y proporciones de fertilizantes según el clima, la etapa del cultivo, la calidad del agua y otros factores.
– En los invernaderos también se pueden controlar los accesorios para el control del clima como cortinas térmicas, generadores de neblina, cortinas húmedas y ventiladores.
– El sistema se puede operar con una computadora / teléfono inteligente o directamente con un controlador en el sitio.
– El sistema proporciona seguimiento y documentación de la ejecución de la fertirrigación.

El software informático del sistema mantiene la información relativa a la fertirrigación tanto durante el ciclo de fertirrigación como después de su finalización. Esto incluye las tasas de flujo del fertilizante y las cantidades totales utilizadas por los diferentes fertilizantes.
Además, la fertirrigación se puede ajustar al tipo de suelo, clima, cultivo específico y fases de crecimiento.

Además, el sistema cuenta con dos controladores de seguridad para limitar la inyección de fertilizante o detener la acidificación cuando sea necesario.

Estudio de caso: una granja en Kenia donde se cultivan hierbas frescas para la exportación.
Esta gran finca, ubicada cerca del río Athi, cubre un área de aproximadamente 175 acres (70 hectáreas). La finca cultiva hierbas frescas, claveles y rosas, todo para exportar a Europa; tanto en campo abierto en suelo como en invernaderos en sistemas hidropónicos.
Hace aproximadamente una década, la granja introdujo la automatización con el sistema Gavish.

LEER MÁS: Pakistán ha pasado de excedente de agua a estrés hídrico
Este sistema permitió a la granja hacer frente a un suministro de agua de varios pozos con diferentes calidades de agua ajustando el programa de fertirrigación en consecuencia.

Ventaja del tamaño: después de que Jain comprara la empresa «Gavish», la distribución internacional de la empresa Jain condujo a un aumento de las ventas.

Recientemente, Jain compró otra empresa con sistemas para el monitoreo remoto de los parámetros climáticos y del suelo. En el futuro, las capacidades de los sistemas de esta empresa se integrarán en el sistema «Gavish».
Esto permitirá al agricultor recibir información en línea sobre las condiciones del campo para respaldar las decisiones de fertirrigación para una fertirrigación más precisa y eficiente.

Leer más

La introducción de la agricultura de precisión a menudo se conoce como una revolución agrícola. Sin duda, ha ayudado a cambiar la forma en que los agricultores y los agricultores ven el proceso de producción de alimentos, centrándose en los pequeños detalles para obtener ganancias marginales que brinden beneficios de productividad y eficiencia.

La cadena de suministro agrícola se ha visto impulsada por los agricultores que exigen innovación de vanguardia y los fabricantes y proveedores pueden ofrecer innovaciones revolucionarias al mercado.

Pero la progresión no siempre ha sido rápida. El concepto de agricultura de precisión se remonta a Estados Unidos en la década de 1980, pero otras naciones bien desarrolladas con una fuerte presencia agrícola, como el Reino Unido, Francia y otros países europeos importantes, tardaron más de 10 años en aferrarse a su potencial.

Un avance rápido de 20 años y una gran cantidad de opciones han sido entregadas por los principales fabricantes que han superado los límites de lo que es posible, maniobrable, medible y registrable en el campo. Los agricultores lo han aceptado y los países que salieron lentamente de los bloques están ahora a bordo. En el Reino Unido, por ejemplo, alrededor del 60% de las tierras agrícolas del Reino Unido se encuentran ahora bajo algún tipo de gestión de agricultura de precisión. 1

Sin embargo, ¿está por llegar la verdadera revolución?

Integración para afrontar los retos del mañana

En términos generales, los avances en tecnología de precisión desbloquean el potencial. Eso podría ser potencial para la eficiencia, la productividad, la sostenibilidad ambiental, la rentabilidad; muchos van de la mano.

Dado que los productores de alimentos están presionados para aumentar la producción a partir de menos insumos, será primordial una selección precisa de los insumos correctos en el momento adecuado.
La integración entre tecnologías y plataformas es donde la agricultura de precisión se puede llevar al siguiente nivel.

El uso de drones e imágenes satelitales para capturar información específica del sitio sobre un campo de cultivo puede indicar a los fumigadores dónde se encuentran las poblaciones de malezas. El muestreo del suelo puede funcionar de la mano con máquinas diseñadas para colocar fertilizante solo en áreas del campo donde se requiere un aumento de nutrientes.

Las decisiones de manejo se pueden analizar durante la cosecha cuando se entregan datos de rendimiento en tiempo real, lo que brinda un análisis significativo sobre si se tomaron las acciones correctas.

Big data

Parte del éxito de la próxima ola de productos agrícolas de precisión depende de los datos. La forma en que la tecnología de precisión mejora la agricultura depende enormemente de cómo se manejen los macrodatos.

Los fabricantes continuarán invirtiendo en nuevos productos y tecnología para permitir a los agricultores hacer las cosas mejor, más rápido o más eficientemente que antes. Pero la integración es donde la agricultura de precisión realmente llega a desarrollar su potencial.
Los datos se crean y capturan en todo el mundo, desde tractores que se mueven por los campos hasta agrónomos que toman muestras del suelo. Las estaciones meteorológicas transmiten continuamente información sobre las condiciones de crecimiento, mientras que los vehículos aéreos no tripulados trazan los perfiles de un solo campo.

Actualmente, gran parte de esos datos se utilizan para análisis sobre el terreno o para informar la próxima decisión de gestión en la explotación. Lo que entusiasma a los fabricantes, proveedores, asesores y agricultores es lo que podría lograrse si todos esos datos fueran capturados, limpiados y convertidos en algo más innovador.

La cadena de suministro podría usar esa información para crear una imagen precisa de cómo son las condiciones en ubicaciones o condados específicos para ayudar a asesorar a los agricultores sobre qué productos pueden usar para lograr los mejores resultados. Los fabricantes pueden ver las tendencias locales, nacionales e internacionales rápidamente, asegurándose de tener existencias y recursos para satisfacer los picos de demanda o capitalizar las áreas de crecimiento.
Los agricultores reciben mejores consejos, reciben pedidos rápidamente y usan solo los insumos que necesitan para lograr el mejor resultado.

La cadena de suministro y las granjas pueden obtener enormes beneficios. Desbloquear el potencial depende en gran medida de las relaciones entre los dos.

Y ya está sucediendo. Las principales empresas agrícolas están abriendo nuevos caminos para comprender qué datos se pueden capturar y dónde se utilizan mejor en la granja.

Mayor disponibilidad en mercados emergentes

Atrás quedaron los días en que la agricultura de precisión era solo para el granjero a gran escala.
De hecho, la agricultura de precisión tiene el potencial de generar enormes beneficios en los mercados agrícolas emergentes.

Más del 70% de los empleos en África Oriental se encuentran en la agricultura2, donde la mayoría de los cultivos se producen mediante prueba, error y experiencia. Sólo recientemente la mecanización ha contribuido a transformar la jornada laboral.

Si bien algunos de los dispositivos y maquinaria inteligente no son aplicables o no están disponibles para los pequeños agricultores en las regiones en desarrollo del mundo, como África, los principios de la agricultura inteligente se mantienen.

Las pequeñas explotaciones agrícolas sustentan a más de dos mil millones de personas en todo el mundo, pero pocas tienen acceso a la información y el asesoramiento que necesitan para reemplazar un legado de prácticas agrícolas ineficientes y ambientalmente insostenibles.

La información localizada puede mejorar enormemente la producción, reducir el uso innecesario de fertilizantes y pesticidas y aumentar las ganancias. Las innovaciones de empresas globales de alta tecnología están comenzando a penetrar en los mercados emergentes, transformando vidas y medios de vida.

A medida que la comunicación sobre el terreno continúa mejorando para muchos pequeños agricultores en los rincones no desarrollados del mundo, la información y el apoyo precisos tendrán un impacto positivo y dramático en las pequeñas granjas.

¿Hasta dónde puede llegar la agricultura de precisión?

Los fabricantes y proveedores de equipos de agricultura de precisión están preparados para seguir ofreciendo soluciones inteligentes en un mundo conectado a Internet. Su enfoque es el mismo que el de los agricultores; para afrontar los retos de la producción alimentaria moderna.

Cerrar las brechas entre las instituciones de investigación y los equipos de investigación y desarrollo y desde la fábrica hasta el campo será clave para traducir la explotación práctica para respaldar la sostenibilidad de la producción primaria y la funcionalidad de la cadena de suministro.

Los datos, la información y el conocimiento en la granja deben fluir fácilmente a través de la cadena de suministro hasta la granja y viceversa para brindar mayores oportunidades de optimización, innovación y eficiencia. Una cadena de suministro que prioriza la conectividad en beneficio de cada empresa individual y de la industria en su conjunto está bien posicionada para cosechar los lucrativos beneficios.

Leer más

Agricultura de precisión

La teledetección es solo un componente de una tecnología integrada mucho más grande conocida como agricultura de precisión. La agricultura de precisión sigue siendo una tecnología emergente con un éxito económico muy limitado. La agricultura de precisión primero tendrá que convertirse en un sistema de gestión económico antes de que la integración y el uso de la teledetección se utilicen ampliamente en la agricultura. Los primeros en adoptar nuevas tecnologías agrícolas se beneficiarán más cuando la agricultura de precisión se vuelva rentable (Cochrane, 1979).

Lucro

El aumento en las ganancias netas de la agricultura de precisión proviene de una combinación de aumentos en los ingresos por mayores rendimientos y / o menor uso de insumos y sus costos asociados.

Lowenberg-DeBoar y Swinton (1997) revisaron 17 estudios económicos de agricultura de precisión publicados en un intento de responder a la pregunta de si la agricultura de precisión es más rentable que la agricultura de campo completo. La agricultura de precisión no es rentable en cinco estudios, rentable en seis estudios y mixta o no concluyente en seis estudios. Existen varios problemas con estos estudios. Los estudios no son muy comparables debido a varios supuestos y métodos de contabilidad de costos diferentes. Doce estudios utilizan rendimientos reales de los cultivos, mientras que los cinco estudios restantes utilizan rendimientos simulados. Bajo la contabilización de los costos reales, la supuesta respuesta al nitrógeno y el alto valor del producto son tres factores que Lowenberg-DeBoar cita en el grupo de estudios que son rentables.

Teniendo en cuenta los costos reales costos omitidos tales como el costo de recolectar y analizar muestras de suelo, elaboración de mapas y aplicación de insumos.

La supuesta respuesta al nitrógeno supone que el rendimiento del cultivo alcanzará su rendimiento objetivo si el nitrógeno no es un factor limitante. Cuatro estudios rentables no generaron ningún dato para probar este supuesto.

El alto valor del producto fue un factor en dos de los seis estudios rentables. Todos los estudios no concluyentes y no rentables son cultivos de cereales de bajo valor.

Ninguno de estos estudios intentó o consideró los costos y beneficios ambientales de la colocación precisa y el uso reducido de productos químicos agrícolas.

Algunas personas asumen que el aumento de la tecnología aumenta automáticamente la contaminación. La contaminación no es el resultado de la tecnología y el alto nivel de insumos. Es el resultado del uso ineficiente de esos insumos que dan como resultado subproductos y material de desecho que se crea en el proceso de producción (Khanna et al, 1996).

La contaminación de los productos químicos agrícolas al medio ambiente aún no tiene un costo significativo que se cargue directamente al agricultor. Todos los contribuyentes, rurales y urbanos, siguen pagando el costo de eliminar la escorrentía de productos químicos agrícolas en los suministros públicos de agua.

Riesgo e incertidumbre

Lowenberg-DeBoar y Aghib (1997) determinaron que la aplicación de precisión de fósforo («P») y potasio («K») utilizando el manejo de la red o del tipo de suelo no aumentó significativamente la ganancia neta en comparación con el manejo del campo completo. Los datos se recopilaron de seis granjas ubicadas en el noreste de Indiana, el noroeste de Ohio y el sur de Michigan. El rendimiento neto promedio por acre fue de $ 146,93 para la gestión de todo el campo, $ 136,99 para la gestión de muestreo de suelos en red y $ 147,80 para las áreas de gestión según el tipo de suelo.

El estudio también encontró que, aunque la aplicación de precisión de P y K no aumentó significativamente las ganancias netas, redujo el riesgo de resultados deficientes de ganancias al disminuir la variabilidad de las ganancias netas para cada tipo de manejo de cultivo utilizado.

La variabilidad de la ganancia neta por acre fue significativa para los tres tipos de manejo. Por ejemplo:

La gestión de todo el campo tuvo un margen de beneficio de $ 276,93, variando desde un mínimo de $ 35,15 hasta un máximo de $ 312,08.

La gestión del área de la red tuvo un margen de beneficio de $ 209.80, variando desde un mínimo de $ 65.14 hasta un máximo de $ 274.94.

El manejo del tipo de suelo tuvo un margen de beneficio de $ 180,48, variando desde un mínimo de $ 57,23 hasta un máximo de $ 237,71.

profit.gif (19890 bytes)

Figura 5.1 Datos de Lowenberg-DeBoar y Aghib (1997)

La agricultura de precisión que utiliza la gestión del tipo de suelo mostró solo un aumento muy leve en las ganancias en comparación con la gestión del tipo de campo o cuadrícula. Este estudio muestra que el mayor beneficio para el agricultor que utiliza la agricultura de precisión será la reducción del riesgo de incurrir en bajas ganancias.

Ecomonics de percepción remota

La teledetección no será una tecnología de uso común hasta que la agricultura de precisión sea rentable. Los agricultores simplemente no estarán dispuestos a pagar por imágenes de teledetección si no van a agregar valor a sus operaciones de cultivo. La teledetección puede ser un componente muy costoso de la agricultura de precisión. El costo de las imágenes de detección remota tiene muy poco significado a menos que se convierta en parte de un sistema de apoyo a las decisiones de agricultura de precisión.

Los siguientes son algunos ejemplos del costo de las imágenes de teledetección de proveedores de datos especializados en imágenes agrícolas y sistemas de decisión.

Costo de la imagen de satélite

Muchas empresas de satélites no suelen entregar imágenes de teledetección directamente al cliente minorista. Las imágenes se venden a través de minoristas autorizados. Estos minoristas tomarán las imágenes de satélite y realizarán los pasos de procesamiento posterior para hacer que la imagen clasificada sea más útil para el cliente. Por ejemplo, una empresa canadiense, Prairie Geomatics, creará mapas de vegetación NDVI derivados de fotos satelitales del IRS-1D de India, SPOT francés o Landsat de EE. UU. Por aproximadamente 47 ¢ por acre.

Costo de la imagen aérea

Las imágenes aéreas comerciales tienden a ser más caras que las imágenes de satélite. Las imágenes clasificadas multiespectrales con una resolución de 2 metros están disponibles en DTN, una empresa de Nebraska, por aproximadamente 75 ¢ por acre. DTN anuncia un tiempo de respuesta de 48 horas desde la adquisición de imágenes hasta la entrega al cliente.

Los agricultores están encontrando formas económicas de adquirir imágenes aéreas con el uso de plataformas de aviones, como el paracaídas motorizado que se muestra en la figura 5.2. Las figuras 5.3 y 5.4 fueron tomadas desde el paracaídas motorizado con una cámara de mano en las bandas visible roja e infrarroja cercana.

Leer más

El 77% de todos los trabajadores agrícolas en los EE. UU. Son nacidos en el extranjero y aproximadamente la mitad de ellos son indocumentados (1). Estos trabajadores con salarios bajos han ayudado a mantener razonables los precios de los alimentos estadounidenses, especialmente para cultivar, cosechar y procesar frutas y verduras.

La mano de obra agrícola migrante legal es cada vez más difícil de encontrar, los salarios están aumentando y los trabajadores son menos confiables. Este no es solo un problema estadounidense: es mundial.

David Lane, presidente del grupo de interés especial de Robótica y Sistemas Autónomos (RAS) de la Junta de Estrategia Tecnológica del Reino Unido, dijo: «Es importante que no nos demoremos, porque la carrera ha comenzado». (5)

La carrera ha sido lenta hasta ahora. Los agricultores son muy pragmáticos y conscientes de los costos. Se han movido gradualmente hacia la agricultura de precisión (también conocida como agricultura satélite o manejo de cultivos específicos del sitio (SSCM)). [La agricultura de precisión es una gestión agrícola basada en la observación y respuesta a las variaciones dentro del campo]. Pero todavía no han adoptado la robótica. Están comenzando a experimentar con datos de robots aéreos, kits que permiten la conducción autónoma de tractores y sistemas avanzados de comunicaciones y GPS, pero por diversas razones no han pasado de la fase experimental.

Si los nuevos productos robóticos hacen su trabajo de manera eficiente, confiable y económica Y no se puede encontrar mano de obra de bajo costo, los agricultores cambiarán sus métodos y comenzarán a implementar robots. No lo han necesitado hasta ahora. Las únicas preguntas reales son (1) si los robots serán financiados, desarrollados, probados en el campo y producidos a tiempo, (2) si estos nuevos dispositivos harán su trabajo de manera adecuada y económica, o (3) si los precios al consumidor deberán aumentar para compensar por salarios más altos porque ningún robot podría adaptarse al trabajo?

Estos son algunos de los factores que afectan el cambio:

Mano de obra migrante:

Los salarios agrícolas en México están aumentando, dando trabajo a quienes solían ir a los EE. UU. A trabajar
Hay otros trabajos menos extenuantes disponibles en México y en los Estados Unidos que brindan opciones donde antes había pocas.
Cada año llegan menos trabajadores migrantes a EE. UU.
Los estados están aprobando y aplicando leyes de inmigración más estrictas que disuaden a los trabajadores indocumentados
Los ingresos son un factor importante en la migración fuera de la agricultura: los gastos de producción agrícola en el promedio de los EE. UU. $ 109,359 por año por granja, mientras que menos de 1 de cada 4 de las granjas producen ingresos brutos superiores a $ 50,000 (3) ”
Uso de robots:

Los investigadores pronostican la expansión del mercado de robots agrícolas de $ 817 millones en 2013 a $ 16,3 mil millones para 2020 (4)
Los dispositivos robóticos de recolección, riego, poda, deshierbe y raleo se están probando en el campo en todo el mundo.
La fumigación y la siembra robóticas se llevan a cabo en Japón y Australia durante años.
Los tractores sin conductor están comenzando a desplegarse y proporcionan menos compactación que los tractores tradicionales
Los sistemas robóticos de ordeño de vacas están avanzando en los EE. UU.
Los viveros están comenzando a utilizar robots de pick-and-place
Los robots de observación aérea probablemente aumentarán la precisión del movimiento agrícola de precisión global una vez que las regulaciones de la FAA estén vigentes a fines de 2015.
ABB, KUKA y Yaskawa han hecho pequeños avances en la industria, aunque proporcionan robots para ayudar a fabricar herramientas agrícolas, tractores y equipos de manipulación de materiales.
Fanuc, KUKA y Adept tienen presencia en la clasificación y el procesamiento de alimentos, pero no en el cultivo o la cosecha.
Otros conductores:

El uso de iluminación LED ha permitido la agricultura en interiores durante todo el año, lo que permite además las métricas para el procesamiento robótico en invernadero
Sensores de cultivo, químicos, de aire y de suelo mejores y más específicos, todos a bajo costo, permiten una mejor comprensión de la variabilidad de los cultivos y mejoran los métodos de precisión
Los sistemas de aprendizaje y el procesamiento de big data ayudan a los agricultores a superponer más y más datos para comprender mejor sus granjas y hacer que sus métodos de precisión sean más precisos.
Las tecnologías de enjambre y mejores sistemas telemáticos pueden optimizar el equipo y controlar la actividad del enjambre, por ejemplo, control de franja de tasa variable para ahorrar semillas, minerales, fertilizantes y herbicidas al reducir la superposición
La financiación gubernamental en los EE. UU. Ha sido insignificante: el USDA ha otorgado subvenciones por un total de $ 4.5 millones para la investigación en robótica. Las asociaciones de productores y los grandes productores de equipos agrícolas han otorgado subvenciones para la investigación o han realizado I + D interna como complemento del USDA. Las empresas de capital de riesgo, en una búsqueda por incubar nueva tecnología para la industria, han invertido $ 71,1 millones en 8 empresas de nueva creación relacionadas con la agricultura en los últimos dos años (2). Las asociaciones público-privadas europeas para varios proyectos agrícolas (que se muestran a continuación) han sido suficientes para dar una ventaja a los proveedores de equipos agrícolas de la UE, así como a las empresas emergentes.

Empresas e instalaciones de investigación a tener en cuenta: NOTA: Si conoce alguna empresa que no esté en esta lista, por favor envíemelas . Gracias.

Robótica 3D
AGCO (Fendt)
Agribotix
AgriFlight
Agritronics
AgroBot
Agrobotica
Amazone-Werke
Aris BV
Soluciones autónomas
Tractor autónomo
BA Systemes
Tecnologías Blue River
CLAAS Agrosystems
Robótica Clearpath
Robots inteligentes para cultivos
CNH Industrial
Sistemas cónicos
Cyberdyne
I + D de Dorhout
ecoRobotix (CH)
Energid
F Poulsen Aps
Proyecto FarmBot
Festo
Fuerza A
Fullwood Ltd
Maquinaria agrícola Garford
Automatización de la cosecha
Ayudante Robotech
Insentec BV
Irmato / Jentjens
Grupo ISO
Robótica Jaybridge
John Deere
Fabricación de Kinze
Industrias Kongskilde (DK)
Grupo Lely (NL)
Robótica Mack
Maf Roda Agrobotic
Magnífico Pty
Tecnologías Naio
Centro Nacional de Investigación Agroalimentaria (BRAIN) (JP)
Centro Nacional de Ingeniería Robótica en CMU
Halcón de precisión
Cosecha robótica
Rovibec Agrisolutions
Rowbot
SenseFly
Shibuya Seiko
SmartBot
Robótica SwarmFarm (AU)
Trimble
Robótica de visión
Vitirover SJCS
Wageningen UR
Wall-Ye
Estado de Washington U
Yamaha
En el próximo tiempo, The Robot Report publicará perfiles de muchas de estas empresas, sus productos relacionados con la robótica y su etapa de desarrollo y pruebas de campo. Manténganse al tanto….

Leer más