Desde sus albores hace 9000 años, la agricultura ha enfrentado varias revoluciones, incluida la Revolución Neolítica, la transformación al sistema moderno y productivo en Gran Bretaña entre los siglos XVII y XVIII, y finalmente, el uso generalizado de fertilizantes y pesticidas artificiales que inició una hace algunas décadas. Ahora, en el siglo XXI, somos testigos de la agricultura de precisión, el cambio que tiene todo el potencial para llamarse la revolución.
agricultura de precisión
¿Qué es la agricultura de precisión?
La agricultura de precisión se trata de cuantificación y medidas que racionalizan las acciones. Su objetivo es optimizar el rendimiento de los insumos al tiempo que se conservan los recursos. La agricultura moderna implica el uso de tecnología de punta, como inteligencia artificial, visión por computadora, vehículos aéreos no tripulados, sensores remotos, GIS (Sistemas de Información Geográfica), etc. De hecho, la “tecnología agrícola” ya se ha convertido en una necesidad más que en una novedad, ya que aborda desafíos comunes de los productores modernos, como:
Abordar la necesidad interminable de aumentar la productividad agrícola,
Limitar el uso de fertilizantes y pesticidas artificiales,
Asegurar la utilización eficiente de los recursos hídricos,
Tratar las malezas y las especies nocivas de forma sostenible.
Hacer frente al cambio climático, los desastres naturales y la erosión del suelo,
Satisfacer la creciente demanda de alimentos de alta calidad y bajo costo.
En Picterra, estamos orgullosos de hacer posible este cambio al ofrecer una plataforma geoespacial impulsada por IA que se usa ampliamente en la agricultura de precisión, específicamente para contar cultivos, detectar plantas muertas o faltantes, especies invasoras y malezas. Obtener acceso a datos aéreos ya ha cambiado las reglas del juego, ya que ya no es necesario realizar inspecciones manuales. Permite:
Tener una visión y medidas holísticas,
Planificación y control eficientes,
Intervención anterior,
Optimización de costes e impacto medioambiental,
Reducir el trabajo manual con una intervención centrada en el sitio,
Aplicar cantidades de fertilizantes locales y precisas,
Reclamaciones precisas de daños y seguros.
Sin embargo, en muchos casos, no es suficiente. Las imágenes necesitan interpretación y el análisis manual de cantidades colosales de datos todavía requiere mucho tiempo y es propenso a errores. Aquí viene Picterra: todo lo que necesita hacer es cargar imágenes y entrenar un detector rápida y fácilmente. Echemos un vistazo a un par de ejemplos de la vida real de cómo Picterra marca la diferencia.
Contando plantas
Hay muchas razones para contar plantas. Da la vista del campo y permite detectar dificultades para reaccionar lo más rápido posible. Sin embargo, realizar un conteo manual es particularmente tedioso, lento y propenso a errores. Si necesita controlar la cantidad de plantas con regularidad, los métodos manuales son completamente ineficaces. Picterra resuelve este problema. A continuación, puede encontrar un ejemplo del detector que cuenta tomates que se construyó y entrenó en menos de una hora. También puedes acceder al proyecto y ver los resultados directamente en nuestra plataforma.
ejemplo de agricultura de precisión: contar tomates
La detección y el recuento de árboles jóvenes es otro ejemplo interesante del uso de Picterra en la agricultura. Estos pequeños árboles jóvenes son particularmente difíciles de detectar manualmente en la imagen porque, como puede ver en la captura de pantalla a continuación, son difíciles de diferenciar de otras plantas. Con Picterra, solo necesita anotar algunos ejemplos y contraejemplos para enseñarle al modelo cómo se ve un árbol joven.
agricultura de precisión – recuento de árboles jóvenes
Detección de plantas muertas o faltantes
En Picterra, puede detectar no solo plantas, sino también espacios entre ellas, lo que es un indicador importante de la calidad de la plantación. Es un desafío evitar las brechas por completo: son causadas por varios factores, como la erosión local, las plagas, las máquinas pesadas, etc. Sin embargo, el análisis de imágenes de drones permite llenar estos vacíos de la manera más eficiente. Consulte este artículo para leer más sobre cómo detectar brechas en los cultivos de caña de azúcar.
brechas en los cultivos de caña de azúcar
Los resultados de la detección de brechas de caña de azúcar en la plataforma Picterra. Derechos de autor de la imagen: Indshine.
Detectando malezas y enfermedades
Las malezas y las especies invasoras son una amenaza significativa para la agricultura en términos de productividad y sostenibilidad. A menudo crecen rápidamente, compiten agresivamente con el cultivo y se transfieren rápidamente de un campo a otro. Lo que empeora las cosas, las malas hierbas tienden a introducir bacterias y hongos, lo que provoca que el productor disminuya el rendimiento y los ingresos de la cosecha. Por eso es crucial detectarlos lo antes posible para eliminarlos de manera eficiente del campo. Ya hemos descrito cómo un cultivador estadounidense manejó este problema con muy buenos resultados, así que consulte este artículo sobre la detección de Shuttercane para obtener más información al respecto.
agricultura de precisión: detección de malezas
Estimación y mejora del rendimiento
La estimación del rendimiento es la clave para comprender la productividad de los campos. Está relacionado con un conjunto de varios parámetros, como elementos específicos del cultivo (por ejemplo, granos, frutos, etc.), tipo de suelo, condiciones climáticas, índice de área foliar, etc. En general, el software utilizado en agricultura de precisión permite analizar NDVI (índice de vegetación de diferencia normalizada) del rendimiento, no es suficiente en muchos casos. Sin embargo, combinado con el aprendizaje automático, los productores pueden obtener todos los detalles necesarios, incluida la identificación, el conteo y la localización de objetos en imágenes satelitales y de drones.