Autor: rjcastillolopez

¿Tu granja es eficiente o una granja agrónoma? Habitualmente, encontramos que las granjas pequeñas están centradas en la agronomía mientras que las más grandes están centradas en la eficiencia para mantener márgenes de beneficios viables. Pero no siempre es así. Muchas granjas combinan técnicas de eficiencia con la ciencia agrónoma. De hecho, las mejores granjas a veces están en la línea intermedia entre eficiencia y agronomía para producir cosechas fantásticas de cultivos que dominan el mercado sin aumentar en exceso los gastos de la granja o sus desperdicios.

Granjas Eficientes

La eficiencia es de alta importancia para muchas granjas. Cuanto mayor sea la granja, mayor necesidad de ser eficiente. La eficiencia no es solo hacer crecer los cultivos de a forma más sencilla, también es reducir costes, materiales y horas de trabajo sin impactar en el resultado final – una buena cosecha.

Una granja que se centre en la eficiencia puede comprar un único rociador de fertilizante multiuso para todos sus campos, incluso aunque estén creciendo una variedad de cultivos diferentes. Pueden labrar y fertilizar al mismo tiempo y trabajar de la forma más rápida para cubrir todos los campos de una pasada.

Esto te da más tiempo, dinero y energía para cubrir una área más grande de la misma manera, dejándote plantar más cultivos. La desventaja es que en general tus cultivos serán de menor calidad o más propensos a la malnutrición, por ejemplo.

Tu granja es eficiente si te centras en la manera más rápida de gestionar de forma efectiva todos tus cultivos para aumentar tus números y beneficios. A veces, es a costa de parte de tu cosecha.

Granjas Agrónomas

La agronomía es la es la forma tradicional de cultivar, por así decirlo. Las granjas que se centran en la agronomía son las que están más dispuestas a utilizar agricultura de precisión. Son las granjas en las que no solo analizan sus tipos de suelo, sino que también calculan cómo cambiar esos tipos de suelo para rendimientos óptimos a largo plazo… incluso si eso significa obtener beneficios más bajos durante un par de años en el futuro más inmediato.

La eficiencia aún está en consideración porque producir cultivos de alta calidad y rendimiento y tomarse el tiempo de gestionar una granja para hacerlo aún es la principal preocupación de los granjeros.

Si tu granja es una granja agrónoma si utilizas prácticas de alta calidad para centrarte en trabajar cultivo a cultivo para aumentar los beneficios. El precio de centrarte en mejorar todos tus cultivos es que a corto plazo te adelantarán tus competidores, ya que tus gastos serán mayores.

Fertilización de Proporción Variable

La fertilización aplicando ratios de proporción variables es el proceso de fertilizado de tus campos de una manera precisa y eficiente, mientras cambia la proporción de fertilizante que aplicas para seguir varianzas agrónomas.

¡Es más fácil entenderlo con un ejemplo!

Para comenzar, tendrás solo un fertilizante. Si tienes un rango de campos con cultivos en crecimiento que necesitan diferente proporción de nitrógeno para un crecimiento óptimo, solo necesitarás un fertilizante alto en nitrógeno. Todo lo que tienes que hacer es cambiar cuánta cantidad de fertilizante necesita cada cultivo.

Después, necesitas la tecnología para que un fertilizante aplicado en diferentes proporciones funcione. Cambiar el ratio y presión de aplicación del fertilizante mientras avanzas por el campo es la manera menos precisa y más costosa de cambiar la proporción de fertilizante utilizada… Si vas en serio con la agricultura de precisión y el aumento del rendimiento de tus cosechas, puedes hacerlo mejor. Hay formas de programar que tu fertilizante aumente automáticamente o reducir el esparcido del fertilizante según avanzas. Tu tractor necesitará estar conectado con un GPS para saber cuándo has entrado en el área que necesita más o menos fertilización.

Aún más. Con la tecnología de agricultura de precisión más avanzada puedes de hecho cambiar tu ratio de fertilización para diferentes áreas del campo.

Esta tecnología de fertilización con proporción variable te permite llevar a cabo prácticas agrónomas e impulsar el rendimiento de cada cultivo de forma individual, mientras que rocías de forma eficiente tus campos en un gran barrido sin pausas.

Leer más

Los sensores de cámara de imágenes multiespectrales en los aviones teledirigidos agrícolas permiten al agricultor gestionar los cultivos, el suelo, los fertilizantes y el riego de forma más eficaz.

Hay enormes beneficios tanto para el agricultor como para el medio ambiente en general, ya que se minimiza el uso de aerosoles, fertilizantes, desperdicio de agua y, al mismo tiempo, se aumenta el rendimiento de los cultivos.

La tecnología de teledetección con cámaras multiespectrales utiliza bandas de ondas verdes, rojas, rojas e infrarrojas cercanas para capturar imágenes visibles e invisibles de los cultivos y la vegetación.

Las imágenes multiespectrales se integran con un software especializado en agricultura que produce la información en datos significativos.

Estos datos de telemetría terrestre, suelo y cultivos permiten al agricultor monitorear, planificar y administrar la finca de manera más efectiva, ahorrando tiempo y dinero, además de reducir el uso de pesticidas.

En este artículo, explicamos los fundamentos de la tecnología de imágenes multiespectrales, la reflectancia, las bandas de ondas y los índices de vegetación como NDVI y NDRE. Toda esta información le da al agricultor una visión fantástica de la salud del suelo y de las plantas.

También le mostramos los últimos sensores multiespectrales para drones en la agricultura, junto con algunos vídeos fantásticos.

Imagenología multiespectral Drones agrícolas
Beneficios de la imagen multiespectral
Las imágenes multiespectrales son una herramienta muy eficaz para evaluar la productividad del suelo y analizar la salud de las plantas. Ver la salud del suelo y de los cultivos a simple vista es muy limitado y reaccionario. La tecnología de sensores multiespectrales permite al agricultor ver más allá del ojo humano.

Los datos de las imágenes multiespectrales tienen las siguientes ventajas;

Identificar plagas, enfermedades y malezas. Optimizar el uso de pesticidas y rociadores de cultivos a través de la detección temprana.
Proporcionar datos sobre la fertilidad del suelo y refinar la fertilización mediante la detección de deficiencias de nutrientes. Ayudar en la gestión de la tierra y en la toma de tierras agrícolas para entrar o salir de la producción o para rotar los cultivos, etc.
Contar las plantas y determinar los problemas de población o espaciamiento.
Estimación del rendimiento de la cosecha.
Medir el riego. Controlar el riego de los cultivos mediante la identificación de áreas donde se sospecha que hay estrés hídrico. Luego, haga mejoras en las áreas de la tierra tales como instalar sistemas de drenaje y vías fluviales basados en los datos multiespectrales.
Ver los daños a los cultivos de la maquinaria agrícola y hacer las reparaciones necesarias o reemplazar la maquinaria problemática.
Inspeccione las cercas y los edificios de la granja.
Monitorear el ganado. Ahora, los drones con cámaras térmicas pueden ser utilizados para localizar ganado durante la noche, junto con muchos otros usos estupendos.
Solución todo el año
Lo que es fantástico de las imágenes multiespectrales es que esta tecnología de sensores se puede utilizar durante todo el ciclo de cultivo. Ya sea durante la siembra, el riego, la fertilización o la cosecha, los drones que proporcionan imágenes multiespectrales se pueden utilizar en cada paso, lo que permite al agricultor gestionar sus cultivos de forma muy eficaz en cada estación.

Con sensores multiespectrales avanzados y capacidades de imagenología, esto ofrece a los agricultores nuevas formas de aumentar el rendimiento y reducir los daños en los cultivos.

Drones de Detección Remota con Cámara Multiespectral
Levantamiento / Inspeccionar / Mapas 3D / Imágenes multiespectrales
Drones para la agricultura – SenseFly eBee AG Con sensor multiespectralAntes de profundizar en el tema de la tecnología de imágenes multiespectrales en la agricultura, una de las tareas más básicas en cualquier granja es inspeccionar visiblemente los cultivos, las cercas y los edificios.

Los mejores drones para este tipo de trabajo necesitan contar con Satélite de Posicionamiento Global (GPS), Vista en Primera Persona (FPV), gimbals estabilizados, excelentes cámaras e incluso navegación autónoma por waypoints.

Los drones que se enumeran a continuación se pueden utilizar para inspeccionar cultivos, cercas y edificios, ya que tienen cámaras fantásticas montadas en los mejores balancines estabilizados. Estos drones también pueden construir modelos de elevación y mapas de fotogrametría utilizando software como Pix4D. También pueden adaptarse para transportar sensores multiespectrales como el sensor UAS de Sequoia (ver más abajo).

DJI Mavic Pro 2 / Zoom (Nuevo).
DJI Mavic 2 Enterprise.
DJI Phantom 4 Pro.
DJI Phantom 3.
DJI Mavic Pro.
DJI Inspire 1.
3DR SOLO.
SenseFly eBee.
DJI MG-1S.
El DJI MG-1S fue diseñado específicamente para uso agrícola. Puede cubrir más de 60 acres y utiliza GPS y sensores de visión para seguir el terreno permitiendo la fumigación de los cultivos. El DJI MG-1S utiliza un software de waypoints autónomo para cubrir el área de pulverización. El DJI MG-1S ahorrará tiempo y dinero a los agricultores.

El DJI Mavic 2 Enterprise, Inspire 1, Inspire 2, DJI Phantom 4 y 3DR Solo también pueden ser adaptados para el sensor térmico FLIR Vue, que puede producir excelentes datos utilizados en la agricultura de precisión, especialmente en el área de gestión del riego.

DJI Inspire 1 para imágenes multiespectrales
Uno de los drones más innovadores del mercado hasta la fecha y perfecto para cualquier granja es el DJI Inspire 1. Este dron viene con una excelente tecnología de estabilización y una cámara de 4k. El Inspire 1 le proporcionará imágenes y vídeos perfectamente nítidos de su inspección visual en la granja.

El Inspire 1 tiene un montón de modos de vuelo inteligentes, incluidos los waypoints. Utilizando el software Pix4D junto con los waypoints, puede crear mapas de fotogrametría 3D de su terreno.

El DJI Inspire 1 es muy adaptable. El cardán Zenmuse XT fue diseñado específicamente para el Inspire 1 para llevar la cámara FLIR Thermal. Además, el último sistema de detección de imágenes multiespectrales de Parrot Sequoia puede añadirse al Inspire 1, lo que lo convierte en el avión teledirigido perfecto para cualquier explotación.

Tecnología de imágenes multiespectrales
¿Qué son las imágenes multiespectrales ?
Un sensor de imagen multiespectral captura datos de imagen en frecuencias específicas a través del espectro electromagnético. Las longitudes de onda pueden estar separadas por filtros o por el uso de instrumentos que son sensibles a longitudes de onda particulares, incluyendo la luz de frecuencias más allá de nuestra vista visible, como el infrarrojo. Las imágenes espectrales también permiten la extracción de información adicional que el ojo humano no puede captar.

Importancia de las imágenes multiespectrales
El ojo humano es sensible sólo a longitudes de onda entre 400 y 700 nm, lo que se conoce como el espectro visible. Los humanos pueden percibir una variedad de colores que van desde el violeta hasta el rojo. Sin embargo, las longitudes de onda también pueden ser más cortas (ultravioleta) o más largas (infrarrojo) que las de nuestra vista visible.

Aunque no podamos verlas, estas bandas de ondas invisibles son muy indicativas de las características agronómicas del suelo, las plantas y los cultivos.

Aquí un excelente vídeo que explica un poco más sobre el tema de la teledetección y la cartografía espectral.

Cámara de imágenes multiespectrales para la agricultura
Fundamentos de las imágenes multiespectrales
Cada superficie refleja parte de la luz que recibe. Los objetos con diferentes características superficiales reflejan o absorben la radiación solar de diferentes maneras. La relación entre la luz reflejada y la luz incidente se conoce como reflectancia y se expresa como porcentaje.

Índices de vegetación
Las propiedades de reflectancia de la vegetación se utilizan para obtener índices de vegetación (VIs). Los índices se utilizan para analizar varias ecologías. Los índices de vegetación se construyen a partir de mediciones de reflectancia en dos o más longitudes de onda para analizar características específicas de la vegetación, como el área foliar total y el contenido de agua.

La vegetación interactúa con la radiación solar de forma diferente a otros materiales naturales, como los suelos y las masas de agua. La absorción y reflexión de la radiación solar es el resultado de numerosas interacciones con diferentes materiales vegetales, que varían considerablemente según la longitud de onda.

El agua, los pigmentos, los nutrientes y el carbono se expresan en el espectro óptico reflejado de 400 nm a 2500 nm, con comportamientos de reflexión a menudo superpuestos, pero espectralmente distintos. Estas firmas conocidas permiten a los científicos combinar mediciones de reflectancia en diferentes longitudes de onda para mejorar las características específicas de la vegetación mediante la definición de VIs.

Se han publicado más de 150 índices de vegetación en la literatura científica, pero sólo un pequeño subconjunto tiene una base biofísica sustancial o ha sido probado sistemáticamente. El índice de vegetación más popular es el NDVI (Normalized Difference Vegetation Index). NDRE (Normalized Difference Red Edge) también es bastante común con el sensor único de Sentera que tiene un filtro NDRE opcional.

Índice de vegetación NDVI
NDVI y NDRE Sensores multiespectrales en dronesEl Índice de Diferencia Normalizada de Vegetación (NDVI) es un índice de «verdor» o actividad fotosintética de las plantas, y es uno de los índices de vegetación más utilizados. Los índices de vegetación se basan en la observación de que diferentes superficies reflejan diferentes tipos de luz de forma diferente.

La vegetación fotosintéticamente activa, en particular, absorbe la mayor parte de la luz roja que le llega mientras refleja gran parte de la luz infrarroja cercana. La vegetación muerta o estresada refleja más luz roja y menos luz infrarroja cercana. Asimismo, las superficies no vegetadas tienen una reflectancia mucho más uniforme en todo el espectro de luz.

Tomando la proporción de bandas rojas e infrarrojas cercanas de una imagen de teledetección, se puede definir un índice de «verdor» de la vegetación. El Índice de Diferencia Normalizada de Vegetación (NDVI) es probablemente el más común de estos índices de relación para la vegetación. El NDVI se calcula por píxel como la diferencia normalizada entre las bandas roja y cercana al infrarrojo de una imagen.

El NDVI puede calcularse para cualquier imagen que tenga una banda roja y otra de infrarrojo cercano. La interpretación biofísica del NDVI es la fracción de la radiación fotosintéticamente activa absorbida.

Varios factores pueden afectar los valores del NDVI, como la actividad fotosintética de la planta, la cubierta vegetal total, la biomasa, la humedad de la planta y del suelo, y el estrés de la planta. Debido a esto, el NDVI está correlacionado tanto con los atributos agrícolas como con los de los ecosistemas, que son de interés para los investigadores y los gestores (por ejemplo, productividad primaria neta, cubierta de copas, cubierta vegetal, cubierta vegetal desnuda).

Además, como se trata de una relación de dos bandas, el NDVI ayuda a compensar las diferencias en la iluminación dentro de una imagen debido a la pendiente y al aspecto, y las diferencias entre las imágenes debidas a cosas como la hora del día o la estación del año en que se tomaron las imágenes. Así, los índices de vegetación como el NDVI permiten comparar imágenes a lo largo del tiempo para buscar cambios agrícolas y ecológicos significativos.

Beneficios de la gestión de cultivos NDVI
Cobertura de la cubierta y detección de densidad.
NDVI con el tiempo proporciona una tendencia de crecimiento precisa.
Detección de daños por heladas.
Brotes de plagas a gran escala.
Optimizar la duración de la rotación de cultivos.
Beneficios ecológicos.
Dinámica de la vegetación o cambios fenológicos de la planta a lo largo del tiempo.
Producción de biomasa.
Impactos o atributos del pastoreo relacionados con el manejo del pastoreo (por ejemplo, carga ganadera).
Cambios en las condiciones de los pastizales.
Clasificación de la vegetación o de la cubierta vegetal.
Humedad del suelo.
Secuestro de carbono o flujo de CO2.
Índice de vegetación NDRE
El índice de diferencia normalizada de borde rojo (NDRE) es una métrica que puede utilizarse para analizar si las imágenes obtenidas a partir de sensores de imágenes multiespectrales contienen vegetación sana o no. Es similar al Índice de Vegetación por Diferencia Normalizada (NDVI), pero utiliza la proporción de infrarrojo cercano y el borde de rojo.

NDRE utiliza un filtro de borde rojo para ver la reflectancia desde el dosel del cultivo. El borde rojo es una región en la zona de transición rojo-NIR del espectro de reflectancia de la vegetación y marca el límite entre la absorción por la clorofila en la región roja visible y la dispersión debida a la estructura interna de la hoja en la región NIR.

Esto permite al agricultor determinar las diferentes variables para el manejo del cultivo. La comprensión de los niveles de clorofila puede proporcionar al agricultor la capacidad de monitorear la actividad de la fotosíntesis.

Con la información NDRE el cultivador puede optimizar los tiempos de cosecha basándose en las transiciones de la actividad fotosintética. Durante los eventos de cosecha como: corte de la cáscara en almendras, o contenido máximo de azúcar en las uvas, se produce un cambio notable en los valores de NDRE.

Este cambio ocurre porque las moléculas de azúcar producidas por la fotosíntesis ya no son necesarias en una demanda tan alta, ya que la fruta/nuez ha alcanzado la madurez. Esta información es invaluable como una herramienta de gestión de cultivos para la programación de la cosecha que permite al agricultor tener un producto de la más alta calidad.

Otros factores que pueden cambiar los niveles de clorofila y causar estrés en los cultivos son las infestaciones de insectos. Utilizando NDRE se puede determinar la gravedad de un brote de ácaros en un campo de almendros y luego utilizar una forma precisa de terminar con la infestación. Esto no sólo le permite monitorear los brotes, sino también reducir los costos asociados con el control de plagas.

Aplicaciones de software multiespectrales
En torno a los índices de vegetación se construyen diversas herramientas y aplicaciones para la agricultura de precisión y el estrés de los cultivos agrícolas con el fin de ofrecer una solución completa, que incluye el procesamiento, almacenamiento, presentación y análisis de datos multiespectrales. Más información sobre las aplicaciones de software multiespectrales a continuación.

Además, algunos de los mejores programas de fotogrametría pueden analizar el NDVI y los índices de vegetación. Un ejemplo es la aplicación de mapeo 3D DroneDeploy.

Espectro de Vegetación
Las propiedades de reflexión de un objeto dependen del material y de su estado físico y químico (p.ej. humedad), de la rugosidad de la superficie así como de las circunstancias geométricas (p.ej. ángulo de incidencia de la luz solar). Las características más importantes de la superficie son el color, la estructura y la textura de la superficie. El color percibido de un objeto corresponde a la longitud de onda del espectro visible con mayor reflectancia.

Estas diferencias permiten identificar diferentes características de la superficie terrestre o materiales analizando sus patrones de reflectancia espectral o firmas espectrales. Estas firmas pueden ser visualizadas en las llamadas curvas de reflectancia espectral en función de las longitudes de onda.

El siguiente diagrama muestra las curvas de reflectancia espectral típicas de tres tipos básicos de características de la Tierra: vegetación verde, suelo seco y desnudo y agua clara. El verde, el rojo y el infrarrojo son los principales utilizados en la agricultura. El borde rojo (banda corta correspondiente al punto de entrada del infrarrojo cercano) también se utiliza a veces para obtener índices adicionales.

La imagen del espectro de vegetación que se muestra a continuación contiene detalles y explicaciones sobre la reflectancia y las bandas de ondas de vegetación.

Sensores de imágenes multiespectrales para la agricultura que utilizan bandas espectrales de vegetación

Curva de vegetación
La curva de reflectancia espectral de la vegetación verde sana tiene un mínimo significativo de reflectancia en la parte visible del espectro electromagnético resultante de los pigmentos en las hojas de las plantas. La vegetación sana se absorberá tanto en las bandas azules como en las rojas, dando lugar a lo que se denomina el «bulto verde de la vegetación sana».

La reflectancia aumenta drásticamente en el infrarrojo cercano. La vegetación estresada también puede ser detectada porque la vegetación estresada tiene una reflectancia significativamente menor en el infrarrojo.

Curva del suelo
La curva de reflectancia espectral del suelo desnudo es considerablemente menos variable. La curva de reflectancia se ve afectada por el contenido de humedad, la textura del suelo, la rugosidad de la superficie, la presencia de óxido de hierro y materia orgánica. Estos factores son menos dominantes que las características de absorbancia observadas en los espectros de reflectancia de la vegetación.

Curva de agua
La curva de agua se caracteriza por una alta absorción en el rango de longitudes de onda del infrarrojo cercano y más allá. Debido a esta propiedad de absorción, los cuerpos de agua, así como los elementos que contienen agua, pueden ser fácilmente detectados, localizados y delineados con datos de teledetección. El agua turbia tiene una mayor reflectancia en la región visible que el agua clara.

Esto también es cierto para las aguas que contienen altas concentraciones de clorofila. Estos patrones de reflectancia se utilizan para detectar colonias de algas.

Bandas multiespectrales de vegetación
Bandas de ondas de imágenes multiespectrales de rojo, verde, borde rojo e infrarrojo

Verde
El verde corresponde a la energía reflejada en la banda espectral de 500-600 nm y tiene la mayor reflectancia de una planta en esta banda. El pico de reflectancia está alrededor de los 550 nm. Se ha comprobado que esta banda espectral está fuertemente correlacionada con la cantidad de clorofila contenida en la planta.

En esta parte visible del espectro de la vegetación, la curva de reflectancia de una planta sana muestra la mayor reflectancia en una onda verde (en el rango de 550 nm). Es por eso que las plantas nos parecen verdes.

Un compuesto químico en las hojas llamado clorofila absorbe fuertemente la radiación en las longitudes de onda roja y azul, pero refleja las longitudes de onda verdes. Las hojas nos parecen «más verdes» en verano, cuando el contenido de clorofila es máximo.

En otoño, hay menos clorofila en las hojas, por lo que hay menos absorción y proporcionalmente más reflexión de las longitudes de onda rojas, haciendo que las hojas aparezcan rojas o amarillas (el amarillo es una combinación de longitudes de onda rojas y verdes).

La estructura interna de los cultivos sanos actúa como excelentes reflectores difusos de longitudes de onda infrarrojas cercanas. Medir y monitorear la reflectancia cercana al infrarrojo es una forma de determinar cuán saludable (o no) puede ser la vegetación.

Aún así, la mayor parte de la luz en el espectro visible reflejada por una planta bajo estrés se encuentra en el rango verde. Por lo tanto, a simple vista, una planta bajo estrés es indistinguible de una planta sana. Por otro lado, la diferencia se puede ver en la reflectancia de la luz en el rango infrarrojo, que es mucho menor.

Rojo

Corresponde a la energía reflejada en la banda espectral de 600-700 nm. La fuerte absorción de clorofila en esta banda resulta en una baja reflectancia. La reflectancia varía significativamente en relación con factores como la biomasa, el LAI (Leaf Area Index), la historia del suelo, el tipo de cultivo, la humedad y el estrés de la planta.

Para la mayoría de los cultivos esta banda ofrece un excelente contraste entre las plantas y el suelo y se utiliza ampliamente para compilar la mayoría de los índices de vegetación en la agricultura.

Borde Rojo

Esta es una banda muy estrecha (700-730 nm) que corresponde al punto de entrada del infrarrojo cercano. Es el punto de un cambio repentino en la reflectancia, de una fuerte absorción del rojo a una reflexión sustancial del infrarrojo cercano. Esta banda es muy sensible al estrés de la planta y proporciona información sobre la clorofila.

Análisis de la salud de los cultivos.
Recuento de plantas.
Gestión del agua.
NIR (infrarrojo cercano)
Corresponde a las longitudes de onda en el rango de 700 nm a 1,3 µm, tiene la mayor reflectancia de las bandas estudiadas. Existe una fuerte correlación entre esta reflectancia y el nivel de clorofila en la planta. Una variación muy significativa de la reflectancia en esta banda se produce cuando una planta está bajo tensión.

Junto con la banda espectral roja, el infrarrojo se utiliza ampliamente para compilar la mayoría de los índices de vegetación en la agricultura.

NIR es sensible a la estructura celular de la hoja y proporciona datos críticos para monitorear los cambios en la salud del cultivo.

Propiedades del suelo y análisis de humedad.
Análisis de la salud de los cultivos y del estrés.
Gestión del agua.
Análisis de erosión.
Recuento de plantas.
La vegetación sana absorbe energía azul y roja para alimentar la fotosíntesis y crear clorofila. Una planta con más clorofila reflejará más energía infrarroja cercana que una planta poco saludable. Por lo tanto, el análisis del espectro de absorción y reflexión de una planta en longitudes de onda visibles e infrarrojas puede proporcionar información sobre la salud y productividad de la planta.

Infrarrojos térmicos
La radiación infrarroja térmica es la parte del espectro electromagnético que tiene una longitud de onda de entre 3,0 y 20 micrómetros. La mayoría de las aplicaciones de teledetección utilizan el rango de 8 a 13 micrómetros. La principal diferencia entre el infrarrojo térmico y el infrarrojo (color infrarrojo – CIR) es que el infrarrojo térmico es la energía emitida que se percibe digitalmente, mientras que el infrarrojo cercano (también llamado infrarrojo fotográfico) es la energía reflejada.

Los drones con cámaras de visión térmica han crecido rápidamente y han desempeñado un papel importante en varios campos de la agricultura, como por ejemplo;

Monitoreo de viveros.
Análisis de la fisiología de la planta.
Programación del riego.
Detección del estrés de salinidad del suelo.
Detección de enfermedades de las plantas.
Evaluación de madurez.
Detección de hematomas en frutas.
Previsión de rendimientos.
Sensores de cámara de profundidad ToF 3D
Además de los sensores multiespectrales para la agricultura, las cámaras 3D de tiempo de vuelo pueden ayudar a mejorar los datos y proporcionar datos adicionales de dos maneras;

Los sensores de la cámara ToF se pueden utilizar como altímetros reactivos de alta precisión que proporcionan una estabilidad adicional al avión teledirigido mientras se capturan imágenes multiespectrales.
La tecnología de profundidad ToF 3D es excelente para medir volúmenes. Estos sensores de cámara se pueden utilizar para medir reservas como abono orgánico, estiércol y mantillo.
RGB (rojo/verde/azul)
La luz visible se define como la que tiene longitudes de onda en el rango de 400 a 700 nm. En agricultura, un dron de calidad con un excelente cardán y cámara puede ser utilizado para inspecciones visuales de la granja, modelado de elevación e incluso conteo de plantas.

Este video ofrece más detalles sobre el mapeo multiespectral.

Sensores de cámara multiespectral para agricultura
Veamos ahora algunos de los últimos sensores remotos de imágenes multiespectrales, el software necesario para analizar, procesar y emitir los datos y los drones compatibles en los que está montado el sensor.

Sentera – 3 sensores multiespectrales para drones
Los sensores de drones multiespectrales Sentera ofrecen un rendimiento excepcional y son muy competitivos en precio, calidad y función. Sentera dispone de 3 sensores multiespectrales para drones destinados a la agricultura. Estos sensores también se pueden montar en los aviones no tripulados DJI, incluyendo los modelos DJI Mavic, Phantom 3, Phantom 4 e Inspire.

Sus sensores producen datos de color ricos en contexto e imágenes de infrarrojo cercano (NIR) para proporcionar los mejores datos NDVI a los cultivadores.

Sentera Alta Precisión NDVI & NDRE Single Sensor: El sensor se integra en una multitud de plataformas de aviones teledirigidos, lo que permite a cualquier cultivador acceder de forma rápida y asequible a los datos críticos y precisos de los cultivos en TrueNDVI™

El sensor único de alta precisión está disponible en dos variantes: índice de vegetación de diferencia normalizada (NDVI) y borde rojo de diferencia normalizada (NDRE), los filtros de sensor único de alta precisión Sentera rechazan eficazmente las fugas fuera de banda antes de que puedan contaminar la medición y provocar errores de índice.

Estos sensores avanzados facilitan a los usuarios la integración de los datos índice basados en satélites con los datos índice basados en drones. Utilizando filtros de alta precisión, usted recibe información invaluable de NDVI o NDRE sobre la salud, madurez y vigor del cultivo.

Los sensores producen imágenes RGB nítidas y detalladas o imágenes de infrarrojo cercano (NIR), lo que permite a los cultivadores producir rápidamente mapas de cultivos con índice de diferencia de vegetación normalizado (NDVI). El nivel de información detallada proporciona a los usuarios información invaluable sobre la salud y madurez de los cultivos.

Se integra fácilmente en prácticamente cualquier sistema, incluyendo varias plataformas de aviones no tripulados DJI.
Recoge de forma efectiva sólo las bandas precisas necesarias para realizar mediciones precisas de NDVI y NDRE.
La óptica de baja distorsión y la tecnología de obturador global garantizan imágenes nítidas y claras.
Captura datos para crear mapas NDVI precisos, lo que proporciona a los usuarios un informe completo sobre la salud de los cultivos.
Ayuda a personalizar la aplicación de fertilizantes, pesticidas y herbicidas en base a la información de la unidad de datos.
El flujo de datos sin fisuras en el software AgVault permite ver las imágenes desde el borde del campo y tomar medidas inmediatas.
Sentera Quad: Este es el sensor multiespectral más ligero, compacto y de mayor rendimiento disponible hoy en día para los drones.

Este sensor avanzado tiene la capacidad de reconocer seis bandas específicas de luz, así como de medir el espectro completo de RGB para generar imágenes en color verdadero. El sensor Quad proporciona una visión más profunda sobre la salud y el vigor de los cultivos para la industria agrícola.

Ahorra tiempo al capturar imágenes RGB de espectro completo y datos de borde rojo completos en un solo vuelo.
Permite la aplicación personalizada de fertilizantes, pesticidas y herbicidas, basándose en información basada en datos.
Facilita la detección y el diagnóstico de problemas de crecimiento.
Compatible con AgVault™ para que los datos puedan organizarse, almacenarse, visualizarse y compartirse con un equipo.
Sensor Sentera Doble 4k: Este sensor agrícola es el sensor dual más pequeño y ligero disponible en la actualidad. También es compatible con cualquier dron. El Double 4k captura imágenes de alta resolución de 12 megapíxeles y cuenta con un procesador mejorado que acelera la entrega de imágenes precisas de la salud del cultivo a las herramientas de costura más populares, incluyendo Pix4D y Agisoft.

Con una mayor resolución de imagen y una mayor velocidad de procesador, los usuarios quedarán completamente satisfechos con los mapas de recorte nítidos, con archivos de formas y costuras mejoradas.

El vídeo NDVI se transmite en directo al dispositivo móvil a través de la tecnología LiveNDVI™
Captura simultáneamente imágenes NDVI de 12 megapíxeles e imágenes RGB de alta resolución.
Acelera la descarga de imágenes utilizando un procesador mejorado.
Descarga instantánea de imágenes a través de WiFi o conexión por cable.
Fácilmente modificable para avanzar con las tecnologías de la industria.
Capaz de capturar video de ultra alta definición de 4k.
Se integra perfectamente con AgVault™ Software.

Sensor multiespectral Parrot Sequoia

El Parrot Sequoia es uno de los sensores remotos multiespectrales UAS más pequeños y ligeros del mercado hasta la fecha. Captura imágenes de cultivos a través de las cuatro bandas espectrales altamente definidas, visibles y no visibles, además de imágenes RGB. Esta solución utiliza dos sensores.

Sensor multiespectral Sequoia para agricultura de precisiónEl segundo sensor es el sensor de sol y se monta en la parte posterior del avión no tripulado. Durante el vuelo, el sensor de luz solar detecta y registra continuamente las condiciones de luz en las mismas bandas espectrales que el sensor multiespectral. Los datos de luz así recogidos permiten confirmar los valores de las firmas espectrales identificadas.

El sensor Sequoia tiene su propio GPS, IMU y magnetómetro, por lo que no depende del dron para estos datos de posición. Es quizás el mejor sensor multiespectral del mercado hasta la fecha. Algunos de sus beneficios son los siguientes;

Identificar áreas problemáticas en un campo que requieren atención y exploración adicional.
Refinar la fertilización detectando los síntomas de deficiencia de nutrientes.
Optimizar la entrada de pesticidas mediante la detección temprana del estrés biótico.
Controlar el riego de los cultivos mediante la identificación de áreas donde se sospecha que hay estrés hídrico.
Estimar el rendimiento de los cultivos mediante el procesamiento y la explotación de los índices agronómicos.

Drones compatibles con sensores Sequoia
El sistema de teledetección multiespectral Sequoia es totalmente compatible con los siguientes drones:

SenseFly eBee Ag.
DJI Mavic 2 Pro.
3DR Solo.
DJI Phantom 3/4.
DJI Inspire 1.
Yuneec Typhoon H.
Sensor ADC Lite de Tetracam
El ADC Lite de Tetracam es un sistema de teledetección multiespectral ligero (7 onzas) que es una solución ideal para vehículos aéreos no tripulados. El ADC Lite contiene un único sensor de 3,2 megapíxeles optimizado para la captura de longitudes de onda de luz visible superiores a 520 nm y longitudes de onda de infrarrojos cercanos de hasta 920 nm.

Tetracam Software Multiespectral
PixelWrench2: es el software de procesamiento de imágenes incluido con la cámara multiespectral y permite la extracción de índices de vegetación estándar (como NDVI, SAVI, segmentación del dosel y relaciones NIR/Verde) de las imágenes capturadas.

Sensor MicaSense RedEdge

RedEdge sistema de detección multiespectral captura simultáneamente cinco bandas espectrales discretas, permitiendo la creación de índices personalizados para aplicaciones personalizadas.

El diseño global del obturador crea imágenes sin distorsiones en todas las plataformas. Una variedad de opciones de interfaz que incluyen modo autónomo, serie, Ethernet y WiFi, ofrecen a los integradores de RedEdge una mayor flexibilidad.

El sensor de luz de fondo (DLS) de RedEdge permite medir las condiciones de luz ambiental durante el vuelo para obtener datos más precisos en condiciones de luz variables.

Drones RedEdge
RedEdge está listo para integrarse con cualquier dron. Viene con interfaces flexibles que incluyen Ethernet, serie y disparador PWM/GPIO,

MicraSense es la mejor solución de software para analizar datos del sensor multiespectral RedEdge. Vea abajo para más detalles sobre MicraSense.

Airinov multiSPEC 4C Sensor Agronómico
Estas son las principales características del sistema de teledetección por imágenes multiespectrales Aironov para la agricultura de precisión.

El sensor multiSPEC 4C mide la luz reflejada de los cultivos en las cuatro bandas espectrales diferentes: verde, rojo, borde rojo y NIR.
10 puntos de vista del mismo tipo para mejorar la precisión.
Corrección de la señal de reflectancia para una precisión absoluta.
El luxómetro integrado mide la intensidad de la luz y el color.
El sensor también registra la posición geológica y la fecha de cada imagen.
La lente gran angular permite realizar mapas de alta velocidad gracias a la gran superposición.
Resolución terrestre típica de 5 a 15 cm.
El obturador global proporciona imágenes claras y sin distorsiones incluso en condiciones de viento.
Adaptable a cualquier dron.
Empresas de imágenes multiespectrales
Pix4DMappter AG: Este software le permite tomar imágenes multiespectrales y convertirlas en mapas de índice precisos, como NDVI y ortomosaicos de sus campos, dándole información vital para una respuesta rápida, mejor rendimiento y eficiencia operativa.

MicaSense: proporciona una solución completa para el procesamiento, almacenamiento, presentación y análisis de datos multiespectrales. Proporcionan tecnologías que recopilan información sobre la salud de los cultivos de forma rentable sin tener que esperar a recibir pases de satélite ni pagar los elevados costes de los vuelos tripulados.

Las imágenes pueden ser recogidas a resoluciones medidas en sólo pulgadas por píxel. Los datos recopilados con frecuencia permiten a los agricultores y agrónomos trazar un mapa de la salud y el vigor de los cultivos en la actualidad, así como observar los cambios en la salud de los cultivos a lo largo del tiempo.

Airinov: proporciona soluciones de teledetección basadas en aviones teledirigidos para la agricultura de precisión. Ayudan a los profesionales de la agricultura a convertir sus imágenes y datos multiespectrales en una verdadera herramienta de gestión agrícola. Parrot Airinov apoya al agricultor desde los primeros pasos de la logística de vuelo, pasando por la interpretación agronómica, hasta la integración final del mapa en el sistema de guía del tractor.

Leer más

La agricultura de precisión es una metodología de gestión agrícola que se basa en datos y análisis de datos para respaldar el proceso de toma de decisiones del agricultor para reducir los insumos.

El origen de la agricultura de precisión comienza cuando los investigadores recolectan muestras de suelo y utilizan métodos de estadísticas espaciales para determinar los diferentes tipos de suelo en un campo. A partir de este análisis, los investigadores desarrollaron mapas de suelos. Las granjas fueron las primeras en adoptar tecnologías de GPS y sistemas de información geográfica (GIS). A medida que el GPS civil se volvió más preciso, las granjas comenzaron a utilizar esta tecnología para aumentar la precisión de los datos espaciales operativos. Recopilación de datos espaciales de equipos y sensores que permitieron a las granjas identificar las áreas de alto rendimiento. Además, el uso de datos de GPS para determinar dónde aumentar o disminuir el uso de pesticidas, fertilizantes y riego.

Software como insumo agrícola
El caso comercial de los métodos de agricultura de precisión es la reducción de insumos agrícolas. Los insumos agrícolas van desde equipos, semillas, pesticidas hasta energía. A su vez, una reducción de los insumos agrícolas reduce el costo total para producir una cosecha.

Los insumos agrícolas modernos incluyen un ecosistema de Internet de las cosas (IoT): redes de sensores avanzados, tractores de conducción autoguiada (que recolectan tanto cultivos como datos), servidores y drones. Además, los datos adquiridos también son un insumo de la explotación. Los datos adquiridos por la finca ayudan en la planificación y ejecución de la cosecha, como información meteorológica e imágenes de satélite.
Cosecha, tanto cultivos como datos
Durante la siembra y la cosecha, estos insumos agrícolas producen más datos para que la granja los analice. Ubicación de los tractores y su estado, vuelos de drones para encontrar áreas de cultivos bajo presión y los rendimientos de los campos individuales. Las granjas más pequeñas solo pueden generar unos pocos cientos de filas de datos al día, mientras que una granja grande podría generar miles de millones.

Según Business Insider, la cantidad de datos generados por la granja aumentará drásticamente durante los próximos 20 años.

A medida que aumenta la cantidad de datos que genera la granja, la gestión y el análisis de datos se vuelven más difíciles y costosos.

Software de código abierto y agricultura
La tecnología de software libre y de código abierto para geoespacial (FOSS4G) puede desempeñar un papel en la reducción del costo de las entradas de software y permitir que las granjas analicen y visualicen sus datos.

Dos proyectos de software LocationTech, alojados en la Fundación Eclipse, pueden ayudar a las granjas con el análisis de grandes cantidades de datos espaciales: LocationTech GeoMesa y LocationTech GeoTrellis.

GeoMesa
GeoMesa trae análisis y visualizaciones espaciotemporales a Accumulo, un sistema escalable de almacenamiento y recuperación de datos. Las granjas que aprovechan GeoMesa podrán realizar análisis a gran escala en sus datos vectoriales. Los datos vectoriales normalmente se recopilan mediante sensores y tractores: datos operativos generales. Los datos vectoriales también pueden incluir informes meteorológicos y cualquier dato que se haya convertido de ráster a vector.

Al darle a la granja la capacidad de procesar estos conjuntos de datos operativos masivos, la información sobre el impacto de las operaciones diarias en la cosecha se vuelve más clara. Estos análisis le darán a la finca una mejor comprensión de cómo administrar las operaciones y aplicar estas lecciones aprendidas a la próxima temporada de cosecha.

Para obtener más información sobre GeoMesa, lea este artículo .

GeoTrellis
GeoTrellis puede procesar por lotes grandes cantidades de datos ráster. Con las actualizaciones diarias de los satélites y la recopilación de drones sobre la marcha, la cantidad de datos ráster recopilados por las granjas nunca ha sido mayor.

Al utilizar GeoTrellis, una granja puede analizar grandes cantidades de datos ráster a bajo costo. Esto ayudará a la finca a identificar dónde las plantas están bajo presión o qué áreas están siendo regadas en exceso o en exceso. Mediante el procesamiento de estos datos ráster, la granja comprenderá mejor los puntos problemáticos y podrá investigar esas áreas objetivo.

Para obtener más información sobre GeoTrellis, lea este artículo .

Las granjas más pequeñas también pueden beneficiarse del uso de la tecnología FOSS4G. Las granjas con un SIG basado en la web pueden usar Geoserver para generar y mantener mapas y aplicaciones web. Postgres / PostGIS puede proporcionar gestión de datos espaciales y geoanálisis de datos agrícolas.

Para el análisis espacial de escritorio del día a día, una granja puede usar QGIS o gvSIG. Ambas aplicaciones de escritorio pueden realizar análisis geoespaciales robustos y generar mapas.

Al reducir los costos de sus entradas de software para realizar geoanalíticas y visualizaciones tanto a gran como a pequeña escala, la granja podrá aumentar el rendimiento de sus operaciones y aumentar la eficiencia.

Leer más

La agricultura de precisión ha sido posible simplemente conectando computadoras, el Sistema de Posicionamiento Global, los sensores en movimiento y otros dispositivos. En resumen, algunos de los usos del GPS son mapeo de rendimientos, siembra de tasa variable, aplicación de fertilizantes, mapeo de campo, hilerado paralelo y aplicación de pesticida de tasa variable. El GPS juega un papel fundamental en la optimización de los beneficios, la sostenibilidad con un impacto medioambiental reducido.

Con la tecnología invadiendo todos los rincones de la vida moderna, la agricultura no es una excepción. Los tractores reemplazaron a los caballos de tiro como fuente de energía para impulsar el equipo de siembra y cosecha. De manera similar, el GPS ha reemplazado el ojo humano desnudo, la ubicación del campo, las conjeturas experimentadas en la guía del tractor, la exploración de cultivos y una serie de otras tareas agrícolas. El GPS permite a los agricultores trabajar en condiciones climáticas de baja visibilidad, como polvo, lluvia, niebla y oscuridad. La implementación de la agricultura de precisión y la agricultura específica del sitio se ha permitido combinando GPS y un sistema de información geográfica.

El GPS permite la recolección de datos en tiempo real, brindando información de posición precisa, lo que a su vez conduce a un análisis y manipulación eficientes de grandes cantidades de datos geoespaciales. En los últimos años, fue un desafío para los agricultores correlacionar los métodos de producción y el rendimiento de los cultivos con diferentes tamaños de tierra. Esto implicaba que tenían una capacidad limitada para desarrollar la mayoría de los tratamientos de plantas y suelos que, de otro modo, habrían mejorado su productividad. La agricultura de precisión se trata de recopilar información geoespacial oportuna sobre los requisitos del suelo y las plantas y prescribir medicamentos específicos del sitio para proteger el medio ambiente y aumentar los rendimientos agrícolas.

Hoy en día, muchos agricultores utilizan productos derivados del GPS para mejorar las operaciones en sus actividades agrícolas. Los receptores GPS recopilan información que se utilizará para el riego y el mapeo de campos o para identificar áreas con problemas dentro de la granja. La precisión del GPS permite al agricultor conocer las distancias entre los puntos de interés y la ubicación de la carretera con precisión. Por esta virtud, los agricultores pueden navegar con precisión a diferentes lugares de interés explícitamente de vez en cuando para monitorear la salud de los cultivos o recolectar muestras de suelo.

Los datos del GPS son utilizados por investigadores y asesores de cultivos para combatir eficazmente plagas, insectos o infestaciones de malezas en el campo. Los fumigadores que están equipados con GPS pueden volar franjas con precisión sobre los campos mientras aplican productos químicos solo en las áreas necesitadas. Esto minimiza la deriva de productos químicos al reducir la pulverización excesiva en áreas que no requieren pulverización. Por tanto, beneficia al medio ambiente y a su hábitat en general.

Usos del GPS en la agricultura agrícola moderna
Arado de precisión

Arar es algo que la tecnología GPS está facilitando. Junto con la tecnología de guía moderna y otros sistemas de dirección automática, el GPS puede ayudar a los agricultores a colocar surcos en su campo con gran precisión.

Plantación y fertilización

Cuando un campo ya ha sido arado, la información del GPS se utiliza para colocar con precisión las semillas dentro de los surcos creados. Esto ayuda a los agricultores a ahorrar mucho tiempo y evitar el desperdicio de semillas. La fertilización se realiza mediante el mismo método. A través del GPS, los agricultores pueden identificar lugares con deficiencia de nutrientes y aplicar las cantidades adecuadas.

Arado de precisión

El GPS, junto con alguna otra tecnología de guía moderna y sistemas de dirección automática, puede colocar surcos dentro de un campo con una precisión milimétrica.

Mapeo de campo

Confiar en las señales visuales es frenético cuando se trata de determinar los límites de una granja y es tedioso. La tecnología GPS hace que el trabajo sea más manejable, realmente ayuda a los agricultores a superar los desafíos que enfrentan mientras trabajan en sus campos.

Eficiencia

Al igual que cualquier otro negocio rentable, la agricultura rentable necesita un uso eficiente de los recursos limitados. El sistema GPS ofrece una gran cantidad de alternativas rentables a los métodos anticuados anteriores de plantar, cosechar o cultivar. Los costos más bajos implican mayores ganancias potenciales. Los márgenes de beneficio más altos ayudan a los agricultores a cubrir la pésima cosecha del año anterior.

Sistemas de control de rendimiento

El GPS también se puede utilizar para monitorear los rendimientos en un campo determinado. Los sistemas de monitoreo de rendimiento utilizan un sensor de flujo másico midiendo el peso cosechado del cultivo.

El GPP económico puede permitir al agricultor limitar los factores inhibidores del rendimiento. Ejemplos son:

Puntos húmedos: los agricultores pueden trazar los límites para futuras decisiones de drenaje o para otras actividades de exploración de cultivos.
Parches de malezas perennes: los límites se pueden trazar para futuras aplicaciones de insecticidas o herbicidas en sitios específicos. Esos límites mapeados se pueden marcar con calificaciones según la gravedad del problema de las malezas y la persistencia para que los agricultores puedan priorizar su programa de fumigación.
Reventones / sumideros de baldosas de drenaje: estos puntos pueden mapearse para que se puedan identificar y arreglar en condiciones secas o para ayudar a evitarlos con el tractor y la sembradora durante las operaciones de campo.
Áreas para el futuro sitio: el GPS ayuda en el monitoreo específico de plagas de insectos. Los parásitos como las larvas del gusano cortador negro pueden identificarse fácilmente en los cultivos de los que se está alimentando. Puntos donde la maquinaria había fallado, fallado o se había retrasado el funcionamiento.
Áreas de experimentos de campo y ensayos híbridos.

Algunos de los datos interesantes del GPS son: –

El primer GPS se lanzó en 1978.
El sistema GPS actual está compuesto por satélites GPS de segunda generación, conocidos como Bloque II.
En 1989, se lanzó el satélite First Block II.
En 1995, el Departamento de Defensa declaró el Sistema de Posicionamiento Global, en pleno funcionamiento en 1995.
Fuera del planeta tierra, hay 24 satélites GPS

Leer más

La fertilización es un proceso en el que las plantas reciben una cantidad precisa de fertilizante a través de sistemas de micro riego.

Además, este proceso tiene muchos beneficios tanto para los agricultores como para las plantas. Además de los beneficios económicos, reduce la erosión del suelo, previene las enfermedades transmitidas por el suelo, reduce el consumo de agua y el uso de fertilizantes.

Además, permite a los agricultores maximizar el potencial de rendimiento de los cultivos, ya que entrega con precisión los nutrientes que las plantas pueden necesitar. Además, maximiza la absorción de nutrientes de las plantas ya que va donde vaya el agua de riego.

Aunque tiene sus propias limitaciones, no podemos negar el hecho de que la fertirrigación es uno de los métodos más útiles en la agricultura de precisión.

Leer más

Con la creciente demanda de los consumidores de un mejor bienestar animal y una mayor sostenibilidad en todo el sector ganadero, están surgiendo nuevas innovaciones disruptivas para permitir a los agricultores monitorear la salud de sus rebaños en tiempo real, prevenir brotes de enfermedades y optimizar la nutrición.

La Cumbre de Innovación Animal AgTech (San Francisco, 16 de marzo) identificó 16 empresas emergentes con tecnologías innovadoras para apoyar una industria ganadera sostenible y eficiente, con soluciones que van desde el tratamiento sin antibióticos para la mastitis bovina, la tecnología de fagos genéticamente modificada, la IA, la máquina. visión, robótica de gallineros y monitoreo autónomo de ganado.

Las empresas emergentes en el centro de atención en Animal AgTech incluyen:

Armenta (Israel) ha desarrollado el primer tratamiento sin antibióticos para la mastitis bovina utilizando tecnología de pulso acústico (APT). La mastitis causa pérdidas anuales de más de $ 6 mil millones en los Estados Unidos y Europa. Las vacas infectadas tratadas con APT han mostrado tasas de curación del 70% y, en consecuencia, un aumento del 10% en la producción de leche. La implementación de APT aumenta la rentabilidad de los agricultores, mejorando la salud del hato y el bienestar de las vacas.

BinSentry (Canadá) es una empresa de IoT agrícola que resuelve un problema de 40 años en la industria de alimentos para animales: el monitoreo confiable del inventario de los contenedores de alimento en la granja. En una misión para «retirar el mazo», el sensor de IoT de BinSentry permite a las fábricas de alimentos y a los integradores verticales lograr ahorros de costos significativos al permitir aumentos dramáticos en la eficiencia operativa.

CattleEye (Irlanda) ha creado la primera plataforma autónoma de monitoreo de ganado del mundo que mejora la vida de los agricultores y su ganado y revoluciona la cadena de suministro de proteínas. Su plataforma de inteligencia artificial de aprendizaje profundo está diseñada para interpretar imágenes visuales del ganado de cámaras web y extraer información valiosa sobre esas vacas.

Faromatics (España) emplea robótica, inteligencia artificial y big data para aumentar simultáneamente el bienestar animal y la productividad de la granja en la producción animal intensiva. Su producto estrella, el ChickenBoy, es el primer robot suspendido en el techo del mundo que monitorea las condiciones ambientales, la salud y el bienestar y la función del equipo para pollos de engorde.

FarrPro (EE. UU.) Se fundó para cambiar la forma en que el mundo cría carne de cerdo. Su plataforma Haven reduce la mortalidad de los lechones, ahorra energía y mejora el bienestar de las cerdas al crear un entorno microclimático para que los lechones se mantengan seguros, cálidos y saludables. The Haven es el primer hito en la hoja de ruta de FarrPro para llevar trazabilidad y automatización a la industria porcina; proporcionando la información y el control necesarios para prevenir brotes de enfermedades, desarrollar rápidamente vacunas y salvaguardar la cadena de suministro porcina.

General Probiotics (EE. UU.) Desarrolla robots celulares innovadores y probióticos antimicrobianos que eliminan los patógenos dañinos en el ganado, permiten la producción de alimentos seguros y reducen la dependencia actual de los antibióticos. Su competencia principal es la ingeniería precisa de probióticos avanzados utilizando biología sintética e inteligencia artificial.

H2Oalert (Países Bajos) es el primer sistema de gestión de control de agua en tiempo real de IoT inalámbrico exclusivo para ganado lechero y de carne. La calidad y cantidad del agua potable del ganado se comprueba en tiempo real, 24 horas al día, 7 días a la semana, para detectar contaminación y posibles averías en el suministro de agua. De esta manera, el sistema H2Oalert y los datos obtenidos darán como resultado una contribución directa al bienestar animal, la producción de leche y carne.

Hencol (Suecia) presenta el siguiente nivel de la ganadería de precisión con sus algoritmos de big data e inteligencia artificial que permiten brindar a sus clientes un sistema de soporte de decisiones optimizado en tiempo real y accesible desde cualquier lugar a través de un teléfono inteligente, tableta o PC. Funciona como una solución independiente, además de estar integrado en otros sistemas o plataformas Agri a través de API. Permite la digitalización de toda la cadena de valor con importantes beneficios para todos los actores involucrados.

Jaguza Tech (Uganda) utiliza sensores, ciencia de datos y aprendizaje automático para mejorar los aspectos centrales de las operaciones agrícolas para que sean más eficientes, productivas y sostenibles. Jaguza es un sistema de gestión de ganado fuera de línea y basado en IoT en la nube que cuenta con monitoreo de salud animal y grabaciones de sensores de IoT, sistemas de administración de granjas, identificación de ganado animal, así como también utiliza etiquetas inteligentes para animales y lecturas de códigos QR a través de tecnologías inalámbricas.

Moonsyst (Hungría) es un sistema de seguimiento inteligente para los productores de carne y leche progresivos. Recopila diferentes parámetros del ganado, ayudando a los ganaderos con datos en tiempo real a aumentar la productividad y detectar enfermedades, estrés y calor.

Nextbiotics (EE. UU.) Tiene el objetivo de aprovechar las herramientas de biología sintética de vanguardia y la tecnología de bacteriófagos para brindar soluciones únicas a la crisis de resistencia a los antibióticos. Ofrece soluciones para destruir bacterias patógenas (malas). Su primer producto es un aditivo alimentario para los productores de animales para mejorar la nutrición animal y reducir significativamente el uso de antibióticos.

Nutrivert (EE. UU.) Ha descubierto que los antibióticos reducen los costos de los productores de una manera que en realidad no requiere eficacia antibacteriana. Ahora está desarrollando promotores de crecimiento no antibacterianos patentados para productores de ganado de todo el mundo.

Roper (EE. UU.) Está revolucionando la producción de carne de vacuno con una etiqueta auricular GPS y una aplicación móvil complementaria que funciona con energía solar. La tecnología única de Roper proporciona geolocalización y monitoreo de la salud del ganado en los pastos, lo que permite a los productores reducir el tiempo de manejo en un 30% y maximizar la fertilidad y la nutrición, administrar el pasto de manera sostenible e identificar el ganado que está enfermo o angustiado.

Simple Ag Solutions (EE.UU.) es una empresa de software como servicio B2B que proporciona el puente entre la salud animal y la producción. Su plataforma fue diseñada desde cero para que los productores de ganado y aves de corral administren el uso de antibióticos, optimicen la producción y faciliten las auditorías.

SomaDetect (Canadá) proporciona a los agricultores la información que necesitan para producir la mejor leche posible. La tecnología central de la compañía es un sensor en línea capaz de monitorear indicadores críticos del estado reproductivo, salud y componentes de la leche de vacas individuales. SomaDetect cierra la brecha de información al proporcionar datos de cada vaca en cada ordeño.

SwineTech (EE. UU.) Es una empresa de salud animal que aprovecha el reconocimiento de voz y la visión por computadora para ayudar a llevar la automatización y la trazabilidad a la industria porcina. El producto de SwineTech, SmartGuard, proporciona la automatización necesaria para prevenir con más éxito las muertes de lechones por aplastamiento y hambre, rastrear y facilitar la asistencia obstétrica y registrar información biométrica y de producción importante.

La Cumbre de Innovación Animal AgTech, que se celebra anualmente en San Francisco y Ámsterdam , es un evento internacional de creación de redes y acuerdos para productores de ganado lechero y avícola, proveedores de salud animal, empresas de piensos, fabricantes de ingredientes, empresas de tecnología, empresarios e inversores. Más de 350 líderes de tecnología agrícola animal se reunirán en San Francisco el 16 de marzo para conectar negocios e innovación para una industria saludable, sostenible y de alto bienestar.

Leer más

La teledetección es un término utilizado para la identificación y recolección de información sin tener contacto físico con el objeto de estudio; más específicamente, se refiere a la información recopilada por dispositivos que detectan radiación electromagnética, luz visible, luz infrarroja y luz infrarroja cercana. En usos agrícolas, la teledetección puede producir mediciones significativas de factores como la temperatura del aire y del suelo, la humedad, la altura del cultivo, el ancho y diámetro de la planta, las condiciones del viento y más. Los dispositivos de detección remota generalmente se instalan en equipos como satélites de posicionamiento global, UAV (vehículos aéreos no tripulados, también conocidos como drones) y otras formas de aeronaves de recolección de datos como dirigibles y globos. El uso de la detección remota en la agricultura puede proporcionar a los operadores agrícolas mapas de precisión ,capacidades de exploración de cultivos , información para ayudar en el cuidado de los cultivos y más.

Tipos de teledetección
Los tipos más comunes de teledetección utilizados en la agricultura se pueden dividir en cuatro categorías principales de resolución, que incluyen resolución espacial, resolución espectral, resolución radiométrica y resolución temporal . En resolución espacial, se puede recopilar información para identificar rasgos físicos en los cultivos, como el tamaño, la distancia relativa y los patrones de proximidad, la altura, el ancho y el diámetro de las plantas, el daño a los cultivos por infestación de plagas, el clima y más. La resolución espectral puede recopilar información basada en ciertos rangos de frecuencia, incluida la luz visible, la radiación electromagnética y la luz no visible, como la infrarroja y la infrarroja cercana.

La resolución espacial es la distancia entre una imagen que se está observando y el instrumento que la detecta. Un ejemplo sencillo para ayudar a visualizar la diferencia en la resolución espacial es la diferencia entre lo que un astronauta puede ver desde el espacio o lo que un piloto puede ver desde su avión. Si bien un piloto podría distinguir casas o calles, lo más probable es que el astronauta solo vea países y continentes. La resolución espacial puede ayudar a un agricultor a obtener imágenes precisas y de alta resolución que muestran puntos específicos en el campo y muestran una menor proporción de mapa a suelo. Mientras que, por otro lado, la resolución espacial también puede mostrar imágenes de baja resolución que ayudan a mostrar el campo completo o muchos campos a la vez, dando al agricultor una idea más general del estado general de sus campos.

Con la resolución espectral, se puede recopilar información sobre la salud de los cultivos mediante determinaciones como el color de las hojas; las hojas sanas de color verde brillante tendrán una longitud de onda espectral diferente a la de las hojas amarillas o marrones moribundas o en descomposición. Las concentraciones de nutrientes dentro de los cultivos, como el nitrógeno e incluso los niveles de humedad dentro del suelo, también darán firmas espectrales diferentes.

Al usar este tipo de resoluciones visuales, un operador agrícola puede determinar los problemas que afectan a sus cultivos y aplicar los remedios adecuados a las áreas afectadas. Si la resolución espectral ha identificado áreas dentro del campo de cultivo que tienen muy poco o demasiado de un nutriente dado, por ejemplo, los agricultores pueden aplicar menos o más fertilizante a esas áreas según sea necesario, en lugar de tratar todo el campo con una dosis medida uniformemente. . Lo mismo sería cierto para el manejo de infestaciones de plagas con tratamientos tradicionales con pesticidas.

La resolución radiométrica se refiere a los diferentes niveles de intensidad que puede detectar un sensor. Por lo general, el rango de resolución radiométrica es de 8 bits a 14 bits y de 256 niveles de escala de grises a 16.384 tonos de color distintos representados por separado en cada una de las bandas. Si la resolución radiométrica se usa correctamente, se puede usar para ayudar enormemente a los agricultores al mejorar la calidad, precisión y legibilidad de la imagen para que las fotografías aéreas y los escaneos se puedan usar y comprender de manera efectiva.

La resolución temporal se refiere esencialmente al período de tiempo durante el cual se recopilan los datos. Los períodos de recolección más largos recopilarán más datos que los más cortos, proporcionando así patrones más detallados en lo que respecta a la pérdida de nutrientes y humedad, las infestaciones de plagas, el crecimiento de los cultivos y más.

A menudo, existen factores que pueden dificultar la percepción remota, cosas como nubes, tormentas, inundaciones y muchas otras pueden interponerse en el camino. Estos factores pueden enturbiar la información y distorsionar los datos, aunque cuando se utiliza la resolución temporal, estos factores pueden mitigarse.

Cuando se utiliza un sistema de detección remota, existen compensaciones comunes entre las diferentes resoluciones. Por ejemplo, si un agricultor deseara una resolución espacial mucho mayor, la aumentaría reduciendo el IFOV (Campo de visión instantáneo). Si esto se redujera, disminuiría la capacidad de detectar energía fina y, por lo tanto, reduciría la resolución radiométrica y alteraría la imagen, lo que dificultaría la obtención de datos. Cuando se utiliza la teledetección, debe haber un equilibrio entre la resolución espacial, la resolución espectral, la resolución radiométrica y la resolución temporal; sin ella, la información recopilada podría ser inexacta o sesgada.

Páginas relacionadas sobre agricultura de precisión
Agricultura de precisión Agricultura Página Principal , Crop Care , Crop Scouting , Mapas de precisión , tecnología de precisión Agricultura , Agricultura de precisión Economía , Rendimiento Monitoreo

Leer más

La agricultura moderna emplea cada vez más tecnología de detección y localización para aumentar la eficiencia de la actividad sobre el terreno y maximizar el rendimiento de los cultivos mediante el seguimiento de las condiciones locales de cultivo y la aplicación de recursos apropiados como el agua, el insecticida y el fertilizante, según sea necesario. Los diseñadores de sistemas para esta aplicación entienden que el posicionamiento por satélite tiene sus limitaciones con respecto a la precisión. Sin embargo, la aplicación de unidades de medición inercial (UMI) puede llenar el vacío.

Las UMI integran acelerómetros de tres ejes con giroscopios de tres ejes para medir el movimiento del sistema y determinar la posición del sistema mediante un cálculo aproximado. Al combinarlos con la información del Sistema de Posicionamiento Global (GPS), los diseñadores pueden desarrollar sistemas de control de maquinaria agrícola con un conocimiento preciso y continuo de la posición del equipo en relación con los campos y los cultivos, a la vez que corrigen factores como la inclinación del terreno, el movimiento del brazo del equipo y otros factores.

Este artículo trata de la importancia y el papel de las UMI en la agricultura de precisión. Se examinan las posibles fuentes de error al utilizar las UMI para realizar cálculos aproximados, la mitigación de esos errores, así como los factores ambientales y de seguridad que deben tener en cuenta los promotores. Por último, analiza las UMI de precisión de Honeywell Sensing and Productivity Solutions y Analog Devices y muestra cómo pueden utilizarse para ayudar a aumentar la precisión más allá de lo que los sistemas de navegación por satélite pueden lograr por sí solos.

Por qué el seguimiento de la ubicación es fundamental para la agricultura

La agricultura tradicional es un proceso amplio. El arado, la plantación, el riego, la fertilización y la cosecha se realizan de manera más o menos uniforme en campos enteros, a menudo de gran extensión, a pesar de las inevitables variaciones en la composición del suelo, la evaporación y similares dentro del campo. La dirección manual de la maquinaria podría dar lugar a que se perdieran o se superpusieran áreas durante estas actividades, reduciendo la utilización sobre el terreno o desperdiciando recursos con una aplicación redundante. Aunque un error de dirección de un pie o dos entre pasadas puede no parecer mucho, las pérdidas pueden acumularse significativamente cuando se cruza un campo grande, lo que aumenta el tiempo y el combustible requeridos (Figura 1).

La imagen de la agricultura tradicional trata campos enteros como uniformes
Figura 1: La agricultura tradicional trata campos enteros como uniformes y utiliza la dirección manual, lo que conlleva una pérdida de tiempo y recursos. La agricultura de precisión cambia eso. (Fuente de la imagen: John Deere®)

El conocimiento exacto de la ubicación conlleva muchos beneficios. Permite reunir información específica del lugar sobre las condiciones del suelo en grandes zonas y la correspondiente aplicación de agua, fertilizantes y plaguicidas para maximizar el rendimiento. Cuanto mayor sea la precisión en el conocimiento de la ubicación, idealmente hasta las plantas individuales, mayor será el beneficio.

La agricultura de precisión ha cambiado la forma en que los agricultores trabajan sus tierras. El advenimiento de la tecnología de la navegación por satélite ha permitido a los agricultores trazar mapas precisos de las variaciones de las condiciones de cultivo dentro de los campos y proporcionar a su maquinaria agrícola información en tiempo real sobre su ubicación dentro de ese espacio. Esta combinación de cartografía detallada e información precisa sobre la ubicación está permitiendo a los agricultores prescribir y aplicar tratamientos específicos para el agua, los fertilizantes y los plaguicidas a fin de aumentar la producción, reducir al mínimo los desechos y disminuir el impacto ambiental.

La información sobre la ubicación en tiempo real también permite a los agricultores maximizar la utilización del campo evitando que se pierdan o se superpongan los esfuerzos de siembra y cosecha, al tiempo que se reduce al mínimo el tiempo y el uso de combustible gracias a la optimización de los viajes. Esos sistemas también pueden proporcionar un pilotaje semiautónomo de la maquinaria agrícola para reducir la fatiga del conductor y permitir un funcionamiento eficiente incluso en condiciones de baja visibilidad como el polvo, la niebla, la lluvia y la oscuridad. Actualmente, más del 50% de las tierras de cultivo, grandes y pequeñas, utilizan métodos de agricultura de precisión cuya adopción aumenta continuamente.

Ir más allá del GPS
Un sistema de posicionamiento agrícola ideal sería lo suficientemente preciso como para localizar de forma fiable una planta individual o una hilera de cultivos dentro de un campo que podría extenderse cientos de hectáreas, es decir, ofrecer una precisión del orden de unos pocos centímetros. Pero hay límites a la precisión de posicionamiento que solo los sistemas de navegación por satélite pueden proporcionar. Los receptores básicos para el GPS de los EE. UU. solo proporcionan unos pocos metros de precisión. Los receptores GPS de doble canal o los sistemas cinemáticos en tiempo real (RTK), que retransmiten las señales GPS de las estaciones fijas, pueden alcanzar precisiones muy por debajo de un metro (m). Sin embargo, incluso entonces, dependen de la exactitud de la información que transmiten los satélites, que generalmente ha dado una precisión media de alrededor de 0.7 m. Otras complicaciones de la localización basada en el GPS incluyen los efectos de las reflexiones de, o el bloqueo de la señal por, objetos y terrenos cercanos, la geometría de las constelaciones de satélites y la hora del día.

La navegación por satélite también tiene otras limitaciones. La ubicación que proporciona el sistema es simplemente un punto, el centro de fase de la antena del receptor. El GPS no proporciona información sobre la orientación; por ejemplo, la dirección de la orientación solo puede inferirse determinando el vector de dirección entre los sucesivos puntos de localización. Del mismo modo, el GPS es insensible a la rotación pura, por lo que no puede determinar, por ejemplo, ninguna inclinación del GPS vertical.

Esta fijación de la ubicación centrada en la antena y la insensibilidad a la rotación pueden crear errores de posición en una aplicación agrícola. Un tractor con GPS, por ejemplo, podría tener su antena en la parte superior de la cabina del conductor, tal vez a 3 metros del suelo, que es donde se centrará el punto de GPS. Sería razonable suponer que la posición en el suelo del tractor, o de cualquier equipo adjunto, podría determinarse de manera fiable a partir de la posición de la antena por medio de una simple geometría. El problema es que, debido a que el sistema GPS no puede determinar la orientación, como el tractor que atraviesa una pendiente (Figura 2), la posición real del suelo se verá compensada por lo que la geometría rígida podría predecir. Incluso una inclinación tan pequeña como de cinco grados (°) producirá un error de posición del suelo de más de 10 pulgadas (in) en este caso.

La imagen del GPS no puede determinar la orientación.
Figura 2: El GPS no puede determinar la orientación, por lo que las pendientes podrían dar lugar a errores al determinar la posición real del equipo en el suelo. (Fuente de la imagen: Richard A Quinnell)

Una solución a estos problemas es complementar la navegación GPS con la navegación inercial utilizando los sensores que miden el movimiento del sistema. El cálculo inercial de los muertos puede seguir proporcionando información precisa de la posición durante los momentos en que las señales del GPS son débiles o están ausentes, al tiempo que también proporciona una «comprobación de la realidad» de los resultados espurios que podrían surgir de las distorsiones de las señales de multitrayectoria o de otro tipo. Además, los sensores de navegación inercial pueden rellenar la información de orientación que la navegación por satélite no puede proporcionar. Al medir simplemente la dirección de la atracción de la gravedad, por ejemplo, los sensores inerciales permiten que un sistema corrija los errores de inclinación en la determinación de la posición del suelo del GPS, y aumentan la seguridad del operador al apoyar las advertencias de vuelco.

En la práctica, estas unidades de medición inercial dependen de dos tipos de sensores de sistemas microelectromecánicos (MEMS): acelerómetros y giróscopos. Los acelerómetros miden los cambios en el movimiento lineal a lo largo de tres ejes ortogonales, y debido a que la atracción de la gravedad es una aceleración, también pueden revelar su dirección. Los giróscopos miden el movimiento angular (es decir, la rotación) sobre cada uno de los mismos tres ejes lineales. Combinados, los dos miden los cambios en el movimiento del sistema a lo largo de los seis grados de libertad (Figura 3).

El diagrama de navegación inercial utiliza sensores para medir los cambios en el movimiento a lo largo de seis grados.
Figura 3: La navegación inercial utiliza sensores para medir los cambios en el movimiento a lo largo de seis grados de libertad-tres lineales y tres angulares-para apoyar el cálculo de la posición. (Fuente de la imagen: Honeywell Sensing and Productivity Solutions)

Sin embargo, estos sensores inerciales no revelan directamente la posición. Los acelerómetros solo miden el aumento, el movimiento y el balanceo del sistema. Estos valores deben ser integrados con respecto al tiempo para obtener la velocidad del sistema e integrados de nuevo para obtener la posición. Del mismo modo, los giróscopos miden el balanceo, el cabeceo y el guiñada, que deben integrarse con respecto al tiempo para obtener la orientación angular.

Estas integraciones pueden ayudar a reducir los efectos del ruido de movimiento aleatorio en las mediciones de los sensores, ya que tales señales a menudo tienden a promediar. Pero la integración puede agravar los efectos de algunas fuentes clave de error sistémico inherentes a los sensores inerciales. Si no se corrigen, estos errores pueden acumularse y destruir la precisión de la posición de cálculo, limitando la eficacia del enfoque para reemplazar la información perdida del GPS. En general, cuanto menor sea el error en las mediciones de los sensores, más tiempo de espera puede proporcionar la posición con la precisión requerida.

Fuentes de error en las UMI
Error de sesgo: Una de las fuentes de error clave en los sensores inerciales MEMS, tanto para los acelerómetros como para los giróscopos, es el error de sesgo. El error de sesgo es la señal residual que un sensor produce en ausencia de rotación o aceleración lineal. Este error tiende a ser determinístico, único para cada dispositivo individual, y a menudo también es una función de la temperatura. La integración de esta señal a lo largo del tiempo puede llegar rápidamente a niveles inaceptables, pero con las pruebas de calibración adecuadas se pueden determinar y factorizar los errores de sesgo de los sensores.

Inestabilidad del sesgo: Relacionada con el error de sesgo, la inestabilidad del sesgo es el cambio aleatorio en el error de sesgo de un dispositivo que ocurre con el tiempo. Esta fuente de error no puede ser calibrada, por lo que los desarrolladores deben evaluar cuán grande es el cambio que su diseño puede tolerar y buscar un sensor con una especificación de estabilidad de sesgo lo suficientemente baja para satisfacer sus necesidades.

Error de factor de escala: Este es otro de los errores determinantes encontrados en los sensores inerciales. El factor de escala, también llamado sensibilidad, es la relación lineal más adecuada para mapear la entrada del sensor a la salida. El error del factor de escala del sensor es la desviación de su salida de esa relación de línea recta, típicamente expresada como un porcentaje o en partes por millón. Esto también puede depender de la temperatura y puede ser compensado con una calibración adecuada.

sensibilidad g: Una fuente de error exclusiva de los giróscopos es su sensibilidad a la aceleración lineal, también conocida como sensibilidad g (la g es de la abreviatura de aceleración gravitatoria, típicamente 9.8 metros por segundo al cuadrado (m/sec2)). Este error de aceleración lineal puede surgir en los giroscopios MEMS como resultado de la asimetría en sus masas de prueba.

Un giroscopio MEMS funciona haciendo vibrar una masa de prueba en una dirección mientras detecta cualquier movimiento en una dirección ortogonal. Mientras el sensor gira alrededor de un eje ortogonal a estas otras dos direcciones, el efecto Coriolis da como resultado un movimiento lateral detectable de la masa de prueba.

La aceleración lineal del sensor ortogonal a la vibración de la masa de prueba también puede producir tal movimiento lateral debido a la inercia de la masa de prueba. La sensibilidad del giroscopio a esta aceleración es una función de su diseño y precisión de fabricación. Sin embargo, el uso de los datos de un acelerómetro independiente permite que un sistema compense el error.

Error de rectificación de vibraciones (VRE): Esta es otra fuente de error única del giroscopio y también se llama error cuadrático g. Es la respuesta de un acelerómetro a las vibraciones de corriente alterna que se rectifican a corriente continua, manifestándose como un cambio anómalo en el desplazamiento del acelerómetro. La VRE puede ocurrir a través de varios mecanismos y no es algo que pueda ser compensado en tiempo real, ya que depende en gran medida de las especificaciones de la aplicación. Los desarrolladores deben determinar si el VRE de su sensor está dentro de los límites aceptables. El uso de técnicas de montaje de sensores de amortiguación de vibraciones puede ayudar a mitigar algunos problemas de vibración.

Sensibilidad de eje transversal: A nivel del sistema, la desalineación mecánica de los sensores también puede introducir errores. Uno de esos errores es la sensibilidad de los ejes transversales. Esto ocurre cuando el eje de detección real se desvía de la dirección prevista, lo que da lugar a una señal de movimientos ortogonales que el sensor no debería haber detectado. Por ejemplo, un sensor que se pretende que sea horizontal puede todavía detectar la atracción de la gravedad si está desalineado. La desalineación entre los ejes del acelerómetro y del giroscopio puede comprometer los esfuerzos del sistema para compensar los errores de sensibilidad g del giroscopio.

Errores fuera del eje: La mecánica también juega un papel en la generación de errores fuera del eje en los acelerómetros. Si el punto de impacto de un choque para el sensor no está centrado en la masa de prueba del acelerómetro, el sensor puede ver una aceleración adicional debido a la ligera rotación que la masa de prueba hace alrededor de la línea de impacto.

Las IMU integradas facilitan los problemas de errores en los sensores
Esta multitud de fuentes de error crea desafíos significativos para los desarrolladores que buscan crear un IMU a partir de sensores discretos. Afortunadamente, existen IMU preintegrados con seis grados de libertad que simplifican considerablemente las cosas. Algunos de ellos están disponibles en forma de módulo, como el módulo IMU de precisión ADIS16465-3BMLZ de Analog Devices y el 6DF-1N6-C2-HWL de Honeywell (Figura 4). Esto permite a los desarrolladores simplemente atornillarlos a un chasis para incluirlos en un diseño de sistema.

Imagen de IMU integrado 6DF-1N6-C2-HWL de Honeywell
Figura 4: Las IMU integradas, como el 6DF-1N6-C2-HWL de Honeywell, ayudan a simplificar el diseño del sistema eliminando los problemas de alineación junto con muchas otras fuentes de error. También hay disponibles IMU BGA para montar en la placa. (Fuente de la imagen: Honeywell Sensing and Productivity Solutions)

Las IMU de precisión también están disponibles como dispositivos de montaje en placa con forma de chip, como la familia ADIS16500/05/07 de Analog Devices. Estos son adecuados para ser incorporados con otros sensores y receptores GPS en un conjunto unificado.

Ambos tipos de IMU ayudan a facilitar el esfuerzo de desarrollo eliminando o mitigando muchos de los posibles errores en el desarrollo de las IMU. La familia de ADIS16500/05/07 de Analog Devices, por ejemplo, integra un acelerómetro de tres ejes con un giroscopio de tres ejes y un sensor de temperatura en un solo paquete BGA. Estos dispositivos tienen calibración y filtrado incorporados que se combinan con otras características para ayudar a mitigar muchas fuentes de error de la IMU (Figura 5).

Diagrama de los IMU integrados ADIS1650 de Analog Devices
Figura 5: Un IMU integrado, como los ADIS16505 de Analog Devices mostrados aquí, puede ayudar a simplificar el diseño del sistema mitigando muchas fuentes potenciales de error a través de la calibración, el filtrado y la alineación integrada. (Fuente de la imagen: Analog Devices)
.

Errores como la sensibilidad de los ejes cruzados se abordan en la fabricación de los dispositivos. El ADIS16505, por ejemplo, limita los errores de alineación de eje a eje a menos de 0.25°. Esta cuidadosa alineación, junto con el cronometraje común de las lecturas de los sensores, simplifica el uso del diseñador de las lecturas del acelerómetro para corregir los errores de aceleración lineal en los giróscopos. El sensor de temperatura incorporado apoya los esfuerzos para mitigar la dependencia de la temperatura de muchas fuentes de error.

La cadena de señales internas de estas IMU integradas proporciona una mitigación adicional de los errores (Figura 6). La información cruda del sensor pasa primero por un filtro digital para eliminar el ruido, luego pasa por un filtro de ventana Bartlett configurable por el usuario. La Ventana Bartlett es un filtro de promediación de respuesta de impulso finito (FIR) que utiliza dos etapas en cascada.

Diagrama de los parámetros de calibración de fábrica de Analog Devices
Figura 6: Los dispositivos IMU integrados pueden ofrecer un filtrado incorporado y compensar muchos errores de los sensores sistémicos aplicando los parámetros de calibración determinados en fábrica. (Fuente de la imagen: Analog Devices)
.

Las señales pasan a continuación por una etapa de calibración que aplica correcciones específicas para el dispositivo basadas en pruebas de calibración de fábrica realizadas a múltiples temperaturas que abarcan todo el rango de temperatura de funcionamiento del dispositivo. Utilizando multiplicaciones de la matriz en las seis muestras de los sensores simultáneamente, esta etapa es capaz de compensar el sesgo, el factor de escala y los errores de alineación tanto en los acelerómetros como en los giróscopos. También corrige los errores de aceleración lineal en los giróscopos y los errores de desplazamiento de los ejes en los acelerómetros.

También se dispone de una corrección de la alineación del punto de percusión, que puede ser seleccionada por el usuario, para ajustar las salidas del acelerómetro a fin de que se comporten como si todas estuvieran situadas en el mismo punto de referencia del paquete. Todas las demás características de calibración de fábrica son inaccesibles, pero los dispositivos proporcionan a los usuarios la capacidad de ajustar la compensación de sesgo del sensor de fábrica con valores adicionales de su propia elección.

Después de las correcciones de calibración, las señales pasan por un segundo filtro digital. Este filtro de diezmación promedia múltiples muestras juntas para producir la salida final, proporcionando una reducción adicional de ruido. El número de muestras promediadas en conjunto depende de la elección del usuario de las frecuencias de muestreo y de actualización del registro.

Consideraciones del sistema
Una de las pocas fuentes de error que la IMU integrada no puede corregir es el VRE. Con la maquinaria agrícola las fuertes vibraciones son inevitables, por lo que los diseñadores deben evaluar cuidadosamente los requisitos de su sistema en este tema. Muchas IMU de bajo costo tienen un VRE muy pobre; algunas con valores tan pobres que los vendedores no se molestan en especificar. Para ser justos, en las aplicaciones previstas de estas IMU de bajo costo, el VRE no es un tema significativo. Sin embargo, los dispositivos destinados a entornos de alta vibración, como la agricultura de precisión, deben tener una VRE lo más baja posible. La familia ADIS16500, por ejemplo, tiene un VRE del orden de 4 x 10-6 (°/seg)/(m/seg2)2. Por lo tanto, una vibración sostenida de 1 g (lo suficientemente fuerte como para hacer rebotar al conductor en el asiento) solo resultaría en un error de rotación de aproximadamente un grado por hora.

Estar libre de problemas de montaje, alineación y calibración es un gran paso para obtener un sistema que funcione, pero es solo el comienzo. Los desarrolladores aún deben convertir las mediciones inerciales en rastreo de localización, resolver las diferencias entre el cálculo de los muertos y las determinaciones de localización del GPS, y comprender y mitigar los factores específicos de la aplicación, como la cantidad y la frecuencia de las sacudidas y vibraciones del sistema durante el uso rutinario.

Si el sistema de localización se utiliza para proporcionar un control autónomo o incluso semiautónomo de la maquinaria en movimiento, también hay que tener en cuenta factores de seguridad. Los sensores de MEMS pueden verse abrumados por choques de una magnitud demasiado alta. Si bien los dispositivos suelen ser capaces de sobrevivir a grandes sacudidas sin sufrir daños, una sacudida que lleve a un sensor más allá de sus límites podría provocar un apagado temporal del sensor o que su salida se quede inmovilizada al máximo a medida que se recupera. El sistema debe ser diseñado de manera que tales choques momentáneos no conduzcan inadvertidamente a comportamientos peligrosos o molestos del sistema, como el cambio repentino de dirección o la falsa activación de un cierre de seguridad del sistema.

Una buena manera de empezar es con una placa de evaluación como el de EVAL-ADIS2Z de Analog Devices (Figura 7). Esta placa da a los desarrolladores acceso basado en PC a los registros y datos del dispositivo y es lo suficientemente pequeña como para montarla fácilmente en una maquinaria objetivo representativa para recopilar estadísticas de vibración y movimiento.

Imagen de la placa de evaluación EVAL-ADIS2Z de Analog Devices
Figura 7: placas, como EVAL-ADIS2Z, simplifican la etapa de experimentación y son lo suficientemente pequeñas como para ser montadas al lado de la maquinaria para la recolección de datos. (Fuente de la imagen: Analog Devices)
.

La placa es compatible con el software de aplicación para demostración básica, acceso a registro individual y captura de datos de alta velocidad.

Conclusión
La agricultura de precisión basada en la navegación por satélite ya está proporcionando a los agricultores una mayor productividad, al tiempo que reduce el uso de recursos. Al añadir el posicionamiento inercial, los diseñadores pueden mejorar enormemente la precisión de la localización y ayudar a los agricultores a lograr una precisión a nivel de planta en la gestión de los campos. Sin embargo, para llegar allí, los desarrolladores tendrán que abordar las fuentes de errores de los sensores y del sistema en sus diseños. La disponibilidad de unidades de medición inercial integradas con una precisión de seis grados de libertad contribuye en gran medida a aliviar esa carga de desarrollo al proporcionar una cuidadosa alineación, filtrado y corrección de errores incorporada y calibrada.

Leer más