Autor: rjcastillolopez

Las imágenes son la mejor fuente de información para los seres humanos y ayudan a comprender en profundidad todo tipo de entornos. Por lo tanto, la informática ha intentado incorporar la calidad de la información visual en sus actividades y sacarle provecho. En informática, el procesamiento de imágenes consiste en la manipulación de imágenes mediante computadoras. Por tanto, las imágenes se ven como una fuente de datos e información, que pueden leerse si la imagen se analiza de forma adecuada. En este artículo, realizaremos una breve descripción de cómo funciona el procesamiento de imágenes y cómo se puede emplear en la agricultura de precisión.
Cómo funciona el procesamiento de imágenes
Para ser procesada, una imagen se convierte en una matriz numérica, que una computadora puede leer fácilmente.

Hay muchos tipos de procesamiento y permiten diferentes actividades, como mejora de imagen, restauración de imagen, compresión de imagen o análisis de imagen. Este último resulta especialmente interesante ya que permite extraer información específica directamente de una imagen. El análisis se puede ejecutar observando los bordes de las imágenes (es decir, extracción de imágenes), sus colores (es decir, análisis de textura) y los movimientos detectados al pasar de una imagen a otra (es decir, análisis de movimiento).

El proceso sigue algunos pasos básicos generales. La primera es la adquisición de imágenes , mediante la cual se recoge el material a analizar. Luego, al preprocesar la imagen se optimiza, para sacarle el máximo partido. En el paso de segmentación , la imagen se segmenta en partes más pequeñas, que luego la computadora puede comparar y analizar más fácilmente. Luego, los datos se adaptan a las computadoras y se hacen reconocibles gracias a algunas etiquetas que se asignan a diferentes piezas de datos. Estas piezas ahora se pueden juntar, interpretar y obtener información valiosa de ellas.
Cómo empezó
Los primeros estudios sobre el procesamiento de imágenes se remontan a la década de 1960, cuando se utilizó para recopilar datos sobre la luna y el sol durante la caminata lunar. Dado que la tecnología era bastante cara, el procesamiento de imágenes se ha utilizado principalmente en el campo científico, hasta el rápido desarrollo de la computadora a partir de finales de la década de 1990.

Hoy en día, el procesamiento de imágenes tiene una amplia variedad de aplicaciones . Además de todas esas técnicas para editar imágenes, los datos recopilados a través de imágenes se utilizan también en el sector médico, en la investigación científica (por ejemplo, investigaciones espaciales), en las tecnologías de huellas dactilares / iris / reconocimiento facial, en la teledetección (por ejemplo, imágenes de satélite) y aplicaciones industriales (por ejemplo, control de calidad, clasificación, etc.).

Aplicaciones importantes del procesamiento de imágenes en la agricultura
El procesamiento de imágenes también se utiliza ampliamente en la agricultura . La principal ventaja de la tecnología es que no es destructiva, lo que significa que puede proporcionar información detallada sobre los cultivos sin siquiera tocarlos.

Las principales aplicaciones están relacionadas con cuatro categorías. El primero es el manejo de cultivos , especialmente en lo que respecta a la detección de plagas y enfermedades y los métodos de riego. El segundo está relacionado con el análisis de las hojas de los cultivos y las condiciones de la piel , lo que ayuda a identificar las deficiencias de nutrientes y el contenido de las plantas. Además, las inspecciones y clasificación de la calidad de la fruta son posibles, mediante esas imágenes y sugerencias recopiladas gracias a técnicas avanzadas de aprendizaje automático. Por último, pero no menos importante, en la estimación de cultivos y tierras , el procesamiento de imágenes se utiliza para el Sistema de Información Geográfica y la segmentación de color y textura de los cultivos.

¿Qué hace Pixofarm con el procesamiento de imágenes?
Pixofarm es una solución basada en el procesamiento de imágenes , donde la fuente de datos son una serie de fotografías de frutas tomadas directamente en el huerto durante toda la temporada.

Con el objetivo de proporcionar datos sobre el crecimiento de frutas e información predicha sobre el resultado de la temporada, Pixofarm lleva esta tecnología a un área al comienzo de su desarrollo, es decir, monitoreo de rendimiento. Si bien las soluciones más desarrolladas se refieren a la detección de plagas, la inspección de calidad y el manejo de cultivos principalmente para cultivos extensivos, Pixofarm se centra en la horticultura.

La tecnología está entrenada para medir con precisión el tamaño de las frutas solo a partir de un montón de fotos tomadas con casi cualquier teléfono, ya que se puede adaptar dinámicamente según las características del hardware del teléfono (especialmente las especificaciones de la cámara y la lente).

¿Qué hace Pixofarm con el procesamiento de imágenes?
La aplicación está diseñada para ser lo más económica posible desde el punto de vista computacional, el espacio de almacenamiento, el ancho de banda y el consumo de energía. Además, da acceso a muchos usuarios en la misma cuenta.

Las principales características son:

Visión artificial de detección de objetos: Pixofarm puede reconocer la manzana y concentrarse en su forma.

Segmentación rápida y precisa utilizando algoritmos de geometría computacional y de cuencas hidrográficas.

Tolerancia de hojas y estabilidad de detección en condiciones ruidosas al aire libre mediante filtros adaptativos.

Procesamiento de imágenes independiente del color mediante algoritmos y herramientas de geometría.

Visión estéreo y análisis de nubes de puntos para reconstrucción 3D y mejor dimensionamiento.
El procesamiento de imágenes es una herramienta poderosa que puede permitir un análisis preciso y profundo.
En conclusión, el procesamiento de imágenes es una herramienta poderosa que puede permitir un análisis preciso y profundo en muchos campos diferentes. Gracias a la facilidad para adquirir imágenes en la actualidad, esta tecnología está ganando cada vez más importancia, incluso en el sector agrícola.

En un contexto de fuerte crecimiento del procesamiento de imágenes, Pixofarm quiere llevar tecnologías de vanguardia a los huertos y desarrollar un procesamiento de imágenes más ligero y avanzado, para dar un paso más hacia una agricultura 4.0 mejorada.

¿Tienes curiosidad por saber más sobre Pixofarm? Suscríbase a nuestro boletín a continuación o reserve una demostración aquí para descubrir más sobre nuestra solución.

Leer más

El uso de la toma de decisiones basada en la agricultura de precisión para determinar las tasas de fertilizantes y los tipos de híbridos y las tasas de siembra se está volviendo más común.
Sin embargo, con el uso cada vez mayor de la agricultura de precisión y la recopilación de información agrícola, surgen preguntas sobre la propiedad y los derechos de los datos.

En 2014, los grupos de la industria y los proveedores de tecnología de Precision Ag idearon una serie de principios que guían la propiedad y el uso de los datos agrícolas. Entre los signatarios se encuentran la Oficina Agrícola Estadounidense, la Asociación Nacional de Cultivadores de Maíz, Dow Agrosciences, DuPont Pioneer, John Deere, CNH Industrial, GROWMARK, la División de Clima de Monsanto y otros. Estos principios se pueden encontrar aquí. Se debe considerar comprender esos principios y cómo afectan su operación al usar el software Precision Ag o contratar los servicios de Precision Ag.

Uno de los principios acordados es que los agricultores conservan la propiedad de la información generada en sus operaciones agrícolas. Esto significa que los mapas tal como se plantaron, los resultados de los monitores de rendimiento, los datos de las pruebas del suelo o la información recopilada mediante el mapeo de conductividad eléctrica (Veris) son propiedad del agricultor. Luego, depende del agricultor determinar si los datos se comparten con programas de software, consultores u otras personas que deseen utilizar sus datos y cómo se comparten.

Los datos de Precision Ag comúnmente se pueden compartir con consultores de cultivos, distribuidores de equipos o proveedores de productos fitosanitarios para determinar el éxito de los productos en su granja. Si bien este tipo de recopilación de datos puede ser mutuamente beneficioso para el agricultor y la empresa (es decir, ambos pueden saber mejor qué funciona en su granja), una preocupación de esto es que las empresas pueden usar sus datos para aprovechar los precios de productos que han demostrado que funcionan. en su granja. Además, la suposición de que los datos generados sobre la operación agrícola son propiedad del agricultor puede significar que cosas como fertilizantes de dosis variable o recomendaciones de plantación o la creación de zonas de muestreo de suelos pueden ser propiedad del proveedor de tecnología y estarían sujetos a el acuerdo entre el agricultor y el proveedor. También,

Es probable que el uso de productos tecnológicos como el Climate de Monsanto o software GIS basado en la nube como SST o FarmLogs sea el más formal y definido. Si se ha registrado para utilizar estos productos, es probable que haya celebrado un Acuerdo de licencia de usuario final (ya sea que lo haya leído y comprendido o no) antes de utilizar el programa, en el que acepta los términos de ese acuerdo antes de continuar. Esos acuerdos identificarán específicamente cuáles son las expectativas de privacidad y uso de datos y sus derechos con esos productos. Sin embargo, a medida que los fabricantes de equipos agrícolas celebran acuerdos de intercambio de datos con proveedores de tecnología, la explicación de las licencias de usuario puede depender del distribuidor de equipos y la transferencia del consentimiento de esos acuerdos a un segundo o tercer propietario puede resultar difícil.

Otro principio acordado es que los datos no agregados (individuales) no se transferirán a un tercero sin el consentimiento del fabricante. Lo que esto significa es que los proveedores de tecnología pueden enviar los datos estadísticos basados ​​en grupos de granjas a un tercero, siempre que se cumplan los acuerdos de divulgación de consentimiento originales. Además, el uso de la entrega de datos en tiempo real para especular sobre los mercados de productos básicos está muy limitado y las empresas no podrán vender datos agregados a los comerciantes de productos básicos.

¿Qué significa esto para usted? A continuación, se muestran algunos escenarios de cómo los principios de datos de Precision Ag pueden aplicarse a su granja.

Si contrata los servicios de Precision Ag en su operación, los datos recopilados sin procesar son suyos. Un ejemplo es el mapeo de Veris proporcionado con una tarifa por acre. Además de los mapas en papel o digitales, los datos que salen directamente de la unidad Veris (comúnmente un shapefile) son suyos. Aunque los datos brutos son probablemente los más importantes en términos de propiedad, al hablar con los proveedores de servicios de precisión, hay pocos agricultores que soliciten datos brutos.
Si desea llevar esos datos sin procesar de una empresa a otra, debería estar en su derecho de hacerlo. Con aquellos con los que he hablado, todos están dispuestos a ayudar a los agricultores a recopilar sus datos para que los utilice otra empresa.
Aunque posee los datos de su granja, es posible que los datos procesados ​​no sean suyos. Por ejemplo, un proveedor de servicios puede crear zonas de gestión basadas en el mapeo de Veris utilizando un algoritmo patentado y recomendar tasas de aplicación de fertilizantes basadas en esas zonas. Depende del acuerdo entre el agricultor y el proveedor si esos datos se pueden llevar a otro lugar o si son exclusivos de la empresa que creó esas recomendaciones. Sin embargo, si tiene los datos sin procesar, nada le impide que un consultor diferente cree zonas y recomendaciones similares.
Si utiliza una aplicación de teléfono inteligente o tableta o un servicio proporcionado por un consultor para recomendar o rastrear el rendimiento de productos como semillas o productos fitosanitarios, sus datos pueden recopilarse y agregarse con datos similares para determinar el rendimiento de esos productos, esencialmente proporcionando » investigación científica o de mercado gratuita «para esas empresas. Además, es posible que esas recomendaciones solo se apliquen a los campos en los que pagó por esas recomendaciones, o en otras palabras, no puede aplicarlas a campos con tipos de suelo o niveles de fertilidad similares sin pagar por ello.
Es posible que los propietarios deseen tener acceso a datos de precisión, como datos de monitoreo de rendimiento o mapas de fertilidad del suelo, para ayudarlos a negociar los precios de alquiler cuando los datos estén a su favor. De acuerdo con los principios señalados anteriormente, dichos datos son propiedad del agricultor y el intercambio de esos datos está sujeto al acuerdo entre el agricultor y el propietario.
Es probable que los agricultores apunten a un objetivo en movimiento a medida que lleguen al mercado nuevas plataformas y usos de datos. Sin embargo, la necesidad de comprender qué datos son suyos y qué pertenecen a los proveedores de tecnología de precisión seguirá siendo esencial para saber cómo se comparten los datos y qué puede y qué no puede hacer con las recomendaciones agronómicas.

Leer más

Teniendo en cuenta el estado actual de la caída de los precios de los cultivos, las discusiones en la conferencia InfoAg de 2014 se centraron en el retorno de la inversión (ROI) de las prácticas de agricultura de precisión (AP). Los productores generalmente tienen poco control sobre los precios e intentan administrar la rentabilidad en tiempos económicos desafiantes controlando los costos de insumos mientras continúan optimizando la producción. Sin embargo, simplemente reducir los costos de insumos no garantiza una mayor rentabilidad si da como resultado una menor producción. “El rendimiento importa, incluso cuando los precios son bajos”, es una cita que me llevé a casa de la conferencia. Nos recuerda que distribuir los costos de los insumos sobre los rendimientos más altos reduce los costos unitarios de producción, lo que aumenta los rendimientos netos.

Dale Bartholomew de Growmark dijo: «El ROI [para PA] se obtiene al hacer lo que se debe hacer cuando se debe hacer». También se podría agregar, “donde sea necesario”, lo que implica que la rentabilidad de la AP aumenta cuando se usa de acuerdo con la administración de 4R. Tomemos, por ejemplo, la idea de «lugar correcto»; Se ha demostrado que el autoguiado RTK en sembradoras, equipos de labranza, pulverizadores y cosechadoras genera un ahorro promedio del 5% (que varía del 2 al 7%) en los costos de insumos. Otro estudio realizado por el Dr. John Fulton en la Universidad de Auburn indicó que la tecnología de hilera automática podría resultar en un ahorro promedio de 4.3% en los costos de insumos para una granja con una recuperación de la inversión de alrededor de dos años. Si se incluyeran los ahorros debidos a la guía GPS, los ahorros de costos totales podrían estar en el rango del 20 al 30%.

La tecnología de fertilizantes de tasa variable (VRT) fue otro tema popular en la conferencia InfoAg de este año. Allan Baucom de AL Baucom Family Farms en Carolina del Norte, habló sobre varias formas en que VRT se está utilizando de manera rentable en su operación. Baucom ha estado utilizando aplicaciones de dosis variable para nitrógeno (N), potasio (K), yeso y cal desde 1997. Una de las claves de su éxito han sido las zonas de gestión bien definidas basadas en 17 años de muestreo constante del suelo, cosecha datos y otras investigaciones agronómicas. También complementan las prescripciones basadas en mapas con mediciones NDVI sobre la marcha y durante la temporada para ajustar las recomendaciones de N utilizando un sensor de cultivos GreenSeeker®. En 2014, el uso de tecnología PA para gestionar la aplicación de N en el algodón le ahorró a Baucom Farms $ 12,50 / A.

Las zonas de gestión bien desarrolladas pueden guiar no solo las aplicaciones de dosis variable, sino también un programa completo de administración de nutrientes 4R. El enfoque de las 4R es integral: considera la fuente, la tasa, el momento y la ubicación de los nutrientes simultáneamente dentro de un contexto de sistema de cultivo específico. La combinación correcta de estos factores depende de muchos factores específicos del sitio; por lo tanto, las zonas de gestión para la custodia de las 4R deben incluir información sobre tantos factores como sea posible. Tyler Lund de Veris Technologies dio una presentación en InfoAg 2014 que demostró cómo la fusión de CIC, EC del suelo, pendiente y curvatura de la superficie podría crear zonas de gestión de «riesgo de pérdida de N» que podrían usarse para minimizar la desnitrificación de N y las pérdidas por lixiviación guiando la fuente, la tasa , el tiempo y las decisiones de ubicación dentro de un programa 4R, optimizando la rentabilidad de la aplicación de fertilizantes nitrogenados,

La rentabilidad del manejo de precisión también fue evidente en las presentaciones sobre la siembra de maíz multihíbrido y la siembra de tasa variable. Una vez más, la clave del éxito fueron las zonas de gestión. Jason Webster de Beck’s Hybrids dijo en su presentación: «Sin zonas de manejo, las sembradoras multihíbridas no valen nada». Al delinear claramente las zonas de alto y bajo rendimiento en el campo y cambiando los híbridos entre «ofensivos» en las zonas de alto potencial y «defensivos» en las áreas de bajo rendimiento (el híbrido correcto en el lugar correcto), Webster pudo aumentar el rendimiento de grano de maíz en 9.5 bu / A y aumentar las ganancias netas en más de $ 50 / A. John McGuire de Simplified Technology Services habló sobre la siembra de maíz de tasa variable y señaló que la siembra rentable de tasa variable requería dos cosas: saber dónde cambiar las tasas (lugar correcto) y cuánto cambiar las tasas (tasa correcta).

Entonces, ¿dónde está la recuperación? Un programa de AP rentable debe basarse en ciencia agronómica sólida, como los principios fundamentales que guían la administración de nutrientes 4R. Sin una base agronómica para todo, desde la recopilación de datos, el análisis de datos, la toma de decisiones, la implementación de tecnología y el mantenimiento de registros, la PA será solo dispositivos y datos inútiles que no dan como resultado conocimientos que conduzcan a una gestión de insumos más eficiente, mayores rendimientos y mayores ganancias.

Leer más

Desarrollar tecnología junto con los agricultores puede significar una mayor tasa de adopción
Por Rozita Dara
Tiempo de lectura: 3 minutos
Publicado: 10 de noviembre de 2020
Cultivos , Noticias

El crecimiento de los datos en la agricultura está impulsado por muchas aplicaciones nuevas diferentes. Foto: lamyai / Getty Images
Tiempo de lectura: 3 minutos
Las aplicaciones de inteligencia artificial en la agricultura continúan creciendo, impulsadas por las crecientes demandas de la agricultura de precisión.

Este crecimiento se debe a la creciente demanda de productos agrícolas, el seguimiento del ganado en tiempo real y la necesidad de mejorar la toma de decisiones para optimizar la gestión de la explotación.

Otros factores que contribuyen al creciente interés en las soluciones de agricultura de precisión son la creciente demanda de alimentos y la asistencia del gobierno a los agricultores.

India, por ejemplo, está experimentando un crecimiento significativo en las aplicaciones de la IA en la agricultura debido al esfuerzo de su gobierno por promover el uso de herramientas de análisis agrícola entre los agricultores.

ARTÍCULOS RELACIONADOS

Veinticinco fincas albergan investigaciones sobre la salud del suelo en la finca

Más rasgos de maíz y soja se extienden entre las empresas de semillas

La marca de Canadá se actualiza para el mundo digital

ANUNCIO

La agricultura de precisión utiliza tecnologías de IA para aumentar el rendimiento y la producción de cultivos y ganado, monitorear las condiciones de crecimiento de los cultivos, monitorear la salud de los animales individuales y mejorar una amplia gama de prácticas agrícolas a lo largo de la cadena de suministro.

Estas tecnologías de IA operan combinando grandes volúmenes de datos con algoritmos inteligentes e iterativos. Estas tecnologías pueden reconocer patrones, predecir resultados futuros y recomendar o tomar decisiones utilizando datos históricos. Pueden procesar datos en varias formas, como texto, imágenes, videos y sonidos. Pero su rendimiento depende de la disponibilidad de datos grandes y de alta calidad.

Las granjas recopilan un gran volumen de datos en estos días y se espera que estos datos crezcan exponencialmente en el futuro cercano. Este crecimiento se debe principalmente al uso cada vez mayor de dispositivos de detección y monitoreo, sistemas de control, sistemas de posicionamiento global y por satélite y otras tecnologías inteligentes como los teléfonos inteligentes. La conectividad de banda ancha mejorada en las zonas rurales también contribuye al crecimiento de los datos agrícolas.

¿Cómo pueden la IA, los datos y los sensores mejorar la producción agrícola?
Las tecnologías de IA integradas en las soluciones de agricultura de precisión ayudan a los agricultores a mejorar la precisión y la productividad de una variedad de prácticas agrícolas.

ANUNCIO

Los agricultores pueden crear y usar modelos para pronosticar patrones climáticos y cambios estacionales en el medio ambiente para impulsar el crecimiento de cultivos de alto rendimiento. Los sensores basados ​​en IA se pueden utilizar para identificar malezas y enfermedades y aplicar productos químicos solo en las áreas que se necesitan para controlarlas. Además, las imágenes y los videos recopilados por satélites y drones no tripulados se analizan para comprender las condiciones del suelo a lo largo del tiempo y mejorar las decisiones sobre las perspectivas sobre el rendimiento y la producción de los cultivos.

Además, estas tecnologías ayudan a la detección temprana de brotes de enfermedades en animales e incluso recomiendan estrategias de prevención. Los sensores de movimiento combinados con algoritmos de IA son capaces de monitorear el comportamiento de los animales en el mundo real, como comer, masticar, caminar, detectar el comportamiento anormal de los animales individuales y luego brindar información a los agricultores.

Estas tecnologías pueden predecir la gravedad de la enfermedad en un animal de antemano y recomendar tratamientos para mejorar su bienestar.

Las plataformas de agricultura de precisión basadas en inteligencia artificial también pueden abordar desafíos laborales y de habilidades. Los robots y la automatización pueden reducir la necesidad de trabajadores estacionales y aumentar el trabajo humano mediante la cosecha, la plantación de cultivos y la eliminación de malezas.

Otra aplicación de estas tecnologías incluye el uso de chatbots, que recientemente ha ganado popularidad entre los agricultores. Los chatbots agrícolas, que son capaces de procesar una gran cantidad de datos recopilados de diferentes fuentes y mediante la comunicación con los agricultores para agregar y analizar la información de forma inteligente en tiempo real y ayudar a los agricultores en la toma de decisiones.

ANUNCIO

A pesar de la creciente necesidad y las posibles ventajas, la adopción de tecnologías de IA en la agricultura ha sido lenta.

Todavía queda un largo camino por recorrer hasta que podamos ver la automatización a gran escala de las prácticas agrícolas. Esto se debe a una serie de factores, incluida la complejidad inherente de los sistemas de producción agrícola, el costo de lanzamiento y mantenimiento de tecnologías, la disponibilidad limitada de tecnología adecuada y la falta de mejores prácticas legales y agrícolas para guiar el establecimiento de nuevas tecnologías.

Para superar estos obstáculos, el acceso a la infraestructura para recopilar y procesar grandes cantidades de datos heterogéneos es esencial. Integrados en la infraestructura, se requieren sistemas de administración de datos efectivos para garantizar la calidad de los datos y formatos de datos estandarizados que estén listos para su procesamiento.

Además, se deben abordar varios aspectos de la gobernanza de los datos y del sistema de IA. Los problemas legales, como la propiedad de los datos, requieren una atención especial para ganar la confianza de los agricultores y otros actores de la cadena de suministro.

Se necesitan modelos y conceptos comerciales novedosos para la creación conjunta de valor y para alentar a los agricultores a compartir datos. Se necesitan nuevas soluciones y políticas tecnológicas para proteger la granja y los datos confidenciales durante todo el ciclo de vida del desarrollo del sistema de IA. Se necesitan algoritmos, sistemas, datos y protocolos estandarizados para una automatización integral y de extremo a extremo. Un alto nivel de estandarización permite la reutilización de recursos a su máxima capacidad y mejora la usabilidad.

La adopción limitada de tecnología basada en IA en las granjas también está relacionada con la falta de disponibilidad de soluciones simples que sean fáciles de usar y se adapten a las prácticas diarias de los agricultores sin un gran esfuerzo.

Es esencial probar las soluciones prototipo en una prueba en la granja a gran escala para evaluar sus limitaciones y mejorar su usabilidad y rendimiento. Por último, es esencial co-crear soluciones de tecnología agrícola con los agricultores. Esto puede motivar a un gran número de agricultores a participar en la implementación y prueba de estas tecnologías y, a su vez, mejorar la confianza y la adopción de soluciones basadas en IA posteriormente.

No hay duda de que las tecnologías de inteligencia artificial permitirán que las granjas trabajen de manera más eficiente. Las granjas del futuro operarán con menos trabajadores y serán más sostenibles y responsables. Solo necesitamos asegurarnos de que los agricultores, científicos, tecnólogos y gobiernos cooperen e inviertan estratégicamente hacia este importante objetivo.

Leer más

La modernización de la agricultura y el uso de la tecnología digital han hecho que surjan nuevos conceptos como la agricultura de precisión, la agricultura digital y la agricultura inteligente. Estos términos, a pesar de que a menudo se usan indistintamente, tienen una sutil diferencia de significado.

▪ ¿Agricultura de precisión o agricultura de precisión?
El informe del Parlamento Europeo sobre la agricultura de precisión y el futuro de la agricultura en Europa define la agricultura de precisión como: “un concepto moderno de gestión agrícola que utiliza técnicas digitales para controlar y optimizar los procesos de producción agrícola”. El punto clave aquí es la optimización. En lugar de aplicar una cantidad igual de fertilizantes en todo un campo, la agricultura de precisión implica medir las variaciones del suelo dentro del campo y adaptar la estrategia de fertilizantes en consecuencia. Esto conduce a un uso optimizado de fertilizantes, ahorrando costos y reduciendo el impacto ambiental.

▪ Agricultura
inteligente La agricultura inteligente es la aplicación de tecnologías de información y datos para optimizar sistemas agrícolas complejos. La atención se centra más bien en el acceso a los datos y la aplicación de estos datos: cómo la información recopilada se puede utilizar de manera inteligente.

▪ Agricultura digital
La esencia de la agricultura digital radica en la creación de valor a partir de los datos. La agricultura digital significa ir más allá de la mera presencia y disponibilidad de datos y crear inteligencia procesable y valor agregado significativo a partir de dichos datos. La agricultura digital está integrando ambos conceptos: agricultura de precisión y agricultura inteligente. Según un documento sobre agricultura digital de DLG (Sociedad Agrícola Alemana), la agricultura digital se entiende como “aplicación consistente de los métodos de agricultura de precisión y agricultura inteligente, redes internas y externas de la granja y uso conjunto de plataformas de datos basadas en la web con análisis de Big Data ”.

Leer más

“El agua es imprescindible para la producción de alimentos. Sin ella no hay comida”, señala Joan Girona, investigador del Institut de Recerca i Tecnologia Agroalimentàries (IRTA). Al representar cerca del 70% del total del consumo de agua en España, la agricultura es el principal sector consumidor de este escaso y preciado recurso. La actual situación de crisis climática, con temperaturas en aumento, no hace más que aumentar las necesidades hídricas de los cultivos.

El sector lleva décadas investigando e implementando medidas para mejorar la eficiencia en el uso de agua. “El reto es conseguir el máximo de producción por cada gota”, puntualiza Girona. Se ha invertido y avanzado mucho en este aspecto: “Los agricultores del Urgell son capaces de producir una manzana con la mitad de lo que es habitual (unos 70 litros)”, explica el investigador del IRTA. Pero sigue habiendo margen de mejora y la tecnología tiene mucho que aportar en este aspecto.

Tarea de regado en un campo
Tarea de regado en un campo (Agustí Ensesa)
“El riego localizado o las mejoras genéticas para obtener variedades con menores requerimientos hídricos son avances que vienen ya de lejos”, apunta Miquel Pascual, profesor de la Universitat de Lleida (UdL). “Ahora los enfoques son otros, como el uso de satélites o de drones”, explica. Muy resumidamente, se trata de recopilar información de utilidad en torno los cultivos, sacar conclusiones y realizar previsiones en función de ellas y utilizar estos datos para automatizar un riego que debe ser de alta precisión, pero a la vez muy fácil de manejar para el agricultor.

Estos nuevos enfoques “no se quedan en los centros de investigación, sino que las empresas del sector los están haciendo suyos, y ya se están empezando a implementar en el campo”, asegura el portavoz del Irta. La compañía israelí Manna Irrigation Intelligence, por ejemplo, acaba de introducir en España una solución que unifica distinta información, tal como tipología del terreno, coeficientes de cultivo, datos de satélites que permiten obtener imágenes del verdor y el vigor de la planta y datos de información meteorológica localizada para, a partir de su análisis con algoritmos, ofrecer recomendaciones de riego precisas y adaptadas a las condiciones de cada terreno. La solución además ofrece un acumulado comparativo de los dos años anteriores, lo que posibilita analizar tendencias y desarrollar estrategias de cultivo.

Un dron sobrevuela unos cultivos
Un dron sobrevuela unos cultivos (Vertical Aerospace / Reuters)
Según estimaciones de Manna Irrigation Intelligence, la adopción de nuevas tecnologías para la toma de decisiones de programación del riego puede reducir entre un 7% y un 30% el uso de agua. En concreto, en el caso de los almendros, la mejora de la eficiencia de consumo es del 18%; del 15% para el tomate de industria; del 10% para el algodón y hasta del 23% en el caso del maíz. La rentabilidad de estas inversiones varía enormemente en función del precio del agua y de la cotización del cultivo en cuestión.

Entre los cultivos locales que más agua requieren, destacan la alfalfa y el maíz, explica Jaume Casadesús, responsable del programa de Uso Eficiente del Agua del IRTA. Les siguen los árboles frutales. Casadesús explica que cultivos que tradicionalmente habían sido de secano, como el almendro o la viña, se están reconvirtiendo a regadío para con seguir mayores producciones. “Cuanta más agua, más biomasa se genera, y esto en general va asociado a más cosecha, aunque no en todos los cultivos. Un exceso de agua, por otro lado, puede provocar problemas en el árbol o planta”, advierte el experto.

En todo caso, Girona recuerda que más del 90% del agua que se utiliza en agricultura no se pierde porque vuelve a la atmósfera.

Pasar de 70 a 30 litros por manzana
Para producir una sola manzana se precisan unos 70 litros de agua, según estimaciones de la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). Reducir esta cantidad hasta 50 litros es relativamente fácil, asegura Joan Girona del Irta, pero solo con tecnología se puede rebajar la cifra hasta los 30-35 litros conseguidos por las agricultores del Urgell, señala.

Leer más

La Ciudad de Buenos Aires se extiende sobre una superficie de 203 km2. El 30,4 por ciento de esta superficie (equivalente a 61 km2) presenta cobertura vegetal, definida como la masa vegetal emplazada en suelos absorbentes y no absorbentes, identificables gracias a la fotogrametría.

Desde la Dirección General de Datos, Estadística y Proyección Urbana se releva información de primera mano, complementaria a la provista por otras áreas de Gobierno, y se articula con tecnología aplicada como, en este caso, la fotogrametría aérea que hace posible delimitar con precisión centimétrica las parcelas, manzanas y todo hecho físico sobre el territorio, como plazas, parques y mobiliario urbano.

La cámara del vuelo cuenta, además, con un sensor infrarrojo que permite identificar la masa vegetal con una certeza del 100 por ciento. Gracias a este sensor es posible, no sólo distinguir la vegetación (en color rojizo), sino también conocer su salubridad cuando se manifiesta de forma más brillante, ya que la masa vegetal refleja más fácilmente la energía frente a la luz infrarroja.

El objetivo de este proyecto, como el de cada uno de los que se desarrollan en el área, es la generación de nueva información con valor agregado que permita la toma de decisiones acertadas para la planificación urbana estratégica.

En ese sentido, a partir del Informe de Cobertura Vegetal se puede conocer la cobertura arbórea de los barrios y su continuidad en cada arteria de la Ciudad; entender la relación entre los espacios verdes de acceso libre, restringido y privado; observar su relación con la densidad de población, la morfología de cada zona y los usos del suelo; identificar los sitios con déficit de verde en el espacio público; e incluso estudiar la conformación de los pulmones de manzana o establecer relaciones entre la presencia de masa vegetal, el valor del suelo y los indicadores de sustentabilidad urbana.

En las ciudades la cobertura vegetal no sólo cumple funciones ambientales, sino también sociales. Una buena trama arbórea, por ejemplo, aumenta el bienestar y mejora la calidad de vida de los habitantes, aumenta la infiltración de agua en el suelo y disminuye la temperatura, colabora con la absorción del dióxido de carbono, reduce los niveles de ruido y la contaminación atmosférica, y cumple funciones de tipo arquitectónico como dar privacidad, enfatizar vistas y reducir la luz intensa.

En definitiva, una ciudad más verde, es una ciudad más habitable. Por eso, en línea con los Objetivos de Desarrollo Sostenible (ODS), la Ciudad se compromete a trabajar en la generación de nuevas hectáreas de espacio verde público de calidad y el fortalecimiento de la cobertura vegetal para lo cual es indispensable un diagnóstico adecuado; y es frente a ese desafío que este Informe se convierte en una herramienta que facilita información territorial clave para la formulación de metas claras y la generación de indicadores para el control y medición de resultados de la gestión pública.

Leer más

Manejo de cultivos específico del sitio(SSCM) es un concepto de gestión agrícola que se basa en la observación, la medición y la respuesta a la variabilidad de los cultivos entre campos o intracampo. Es una de las muchas técnicas agrícolas modernas que pueden hacer que la producción sea más eficiente. Y para asegurar las prácticas de conservación del suelo también. Con el SSCM, los agricultores pueden obtener un mejor rendimiento, el suelo también se alterará menos y no habrá agotamiento de recursos o minerales. También se puede decir que SSCM es la ‘agricultura específica del sitio’ o la ‘agricultura de precisión’. Los agricultores tomaron grandes campos y luego los dividieron en pequeños parches para que no ocurra una mala aplicación de los productos. Con SSCM, la eficiencia de los cultivos y las granjas también aumentará. Los agricultores que utilizan las prácticas de SSCM utilizan datos meteorológicos, humedad, temperatura del suelo, crecimiento y otros factores para la rotación de cultivos. También gestionan las tasas de riego para que no se acumulen sales en la superficie del suelo. Algunos agricultores utilizan la técnica moderna como GPS, tractores y cosechadoras operados por computadora. También utilizan prácticas modernas como imágenes aéreas, recolección de muestras de suelo, tipo de suelo y rendimiento potencial, etc. para dividir los campos grandes en unidades pequeñas para reducir el desperdicio y aumentar la producción. Los sensores también se colocan en todo el campo, estos sensores detectan incluso los micro cambios en la planta o en el suelo y al detectar estos cambios, los sensores envían la información a los centros. Los centros recopilan datos de los campos y los procesan en tiempo real y ayudan a los agricultores a decidir sobre la siembra, la fertilización, el riego y la cosecha. Ahora los sensores están conectados al goteo u otro tipo de sistema de riego operado por computadora. Los sensores detectan los cambios y el sistema de riego funciona y entregan la cantidad exacta de agua necesaria al lugar donde se necesita. Los fertilizantes también se aplican mediante el sistema de riego y los sensores también funcionan para ello. Los insecticidas y weedicidas se aplican cuando es necesario y son inspeccionados por sensores y se aplican cuando las imágenes aéreas muestran su necesidad. Los agricultores usan los datos del suelo para analizar sus campos y saber que donde el suelo es mejor, tiene mejores nutrientes y una buena capacidad de retención de agua, cultivan un cultivo denso allí o donde el suelo es pobre, los agricultores cultivan cultivos de acuerdo con las condiciones del suelo. Los cultivos funcionan mejor en ambos tipos y el suelo también se verá menos alterado. En parcelas más débiles, los agricultores pueden cultivar pastos para el pastoreo del ganado. Mediante las prácticas de agricultura de precisión O SSCM, los agricultores pueden producir un mejor rendimiento y también pueden conservar el suelo.

Leer más

Los productores de cítricos se enfrentan a problemas derivados de un número creciente de plagas y enfermedades. Se necesitan herramientas rápidas y precisas para la detección temprana de plagas y enfermedades a fin de mejorar la precisión y el manejo oportuno.

Casi todos los agroquímicos (p. Ej., Plaguicidas) que se aplican en la producción de cultivos especiales se fabrican de manera uniforme con equipos de aspersión convencionales, a pesar de que la distribución de patógenos suele ser irregular. Las aplicaciones uniformes dan como resultado el uso de agroquímicos donde no se producen enfermedades, malezas o plagas. Este uso innecesario de agroquímicos conduce a mayores costos, riesgo de daño a los cultivos, contaminación ambiental y contaminación de los productos comestibles.

El rápido desarrollo de nuevas tecnologías y el panorama cambiante del mundo en línea (por ejemplo, Internet de las cosas, soluciones basadas en la nube) brindan una oportunidad única para desarrollar sistemas agrícolas inteligentes para aplicaciones de precisión. Los avances tecnológicos en visión artificial, inteligencia artificial (IA) y aprendizaje automático permitieron el desarrollo de tecnologías agrícolas inteligentes para aplicaciones de precisión. Estas tecnologías pueden optimizar la identificación y el manejo de malezas, plagas y enfermedades. En este artículo, se presentan varios ejemplos de tecnologías emergentes en cítricos.

APLICACIONES DE UAV Las
técnicas de detección convencionales para la evaluación de fenotipos de plantas (por ejemplo, variedades de portainjertos) se basan en el muestreo manual y, a menudo, requieren mucho tiempo y trabajo. Los estudios de campo utilizados para la detección de malezas y enfermedades, para evaluar el estado sanitario de las plantas y para crear un inventario de plantas también son costosos y laboriosos. Recientemente se han puesto a disposición pequeños vehículos aéreos no tripulados (UAV) equipados con varios sensores. Son soluciones rentables para el fenotipado y la detección rápidos y precisos de alto rendimiento.

Los UAV pueden proporcionar a los productores una herramienta de bajo costo para monitorear constantemente el estado de salud de los cultivos, estimar las necesidades de agua de las plantas e incluso detectar enfermedades. Ofrecen un método rápido para la adquisición de imágenes de alta resolución y se han estudiado cada vez más para aplicaciones agrícolas. Por ejemplo, este año desarrollamos una técnica basada en UAV utilizando imágenes multiespectrales e inteligencia artificial. Puede:

Detectar, contar y geolocalizar árboles cítricos y huecos de árboles (ubicaciones con árboles muertos o sin árboles)
Categorizar árboles según el tamaño de su copa (inventario de plantas)
Desarrollar mapas de estado de salud de árboles individuales (mapas de índice de salud)
Evaluar variedades y portainjertos de cítricos

Figura 1. Este mapa fue elaborado utilizando tecnología de vehículos aéreos no tripulados con inteligencia artificial. El mapa muestra la detección de árboles y huecos, categorías de tamaño de copa y otros análisis de campo. Cada color representa una categoría de tamaño de dosel.
La Figura 1 presenta un mapa de detección de árboles generado a partir de esta técnica. Este mapa presenta la cantidad de árboles detectados y el tamaño de su copa, la cantidad de árboles que pertenecen a una categoría específica del tamaño de la copa y los espacios entre árboles. También incluye análisis de campo (por ejemplo, distancia entre filas, entre árboles y entre bloques de árboles). Todos estos parámetros son producidos automáticamente por el algoritmo desarrollado.

Este método detectó árboles con una precisión general del 99,8 por ciento y huecos de árboles con una precisión del 94,2 por ciento. Calculó el área individual de la copa de los árboles con más del 85 por ciento de precisión en comparación con las mediciones manuales.

MONITOREO AUTOMATIZADO DE ACP
Se pueden utilizar tecnologías agrícolas inteligentes para aplicaciones de precisión para optimizar la identificación y el manejo de plagas y enfermedades. Por ejemplo, desarrollamos un sistema automatizado, utilizando visión artificial e inteligencia artificial, para monitorear el psílido asiático de los cítricos (ACP) en las plantaciones.

Existen varios métodos para monitorear las poblaciones de ACP a fin de determinar la necesidad de fumigar. De todos estos métodos, la técnica de toma de muestras ha demostrado ser una herramienta rápida y confiable para evaluar los números de ACP en la copa de los árboles. Esta técnica fue adoptada por la División de Industria Vegetal del Departamento de Agricultura y Servicios al Consumidor de Florida como parte integral del Programa Citrus Health Response.

Figura 2. El monitoreo tradicional (manual) del psílido asiático de los cítricos se realiza con el método de muestreo del grifo.
El muestreo de grifos requiere golpear una rama seleccionada al azar con un palo y contar los adultos de ACP que caen sobre una hoja laminada sostenida debajo (Figura 2). Automatizamos este método mediante el desarrollo de un sistema inteligente y rentable para detectar, distinguir, contar y geolocalizar poblaciones de ACP en plantaciones de cítricos.

Este novedoso y móvil sistema incluye un mecanismo de golpeteo para golpear las ramas de un árbol para que los insectos caigan sobre un tablero con una rejilla de cámaras que se utilizan para la adquisición y procesamiento de imágenes (Figura 3). Se desarrolló un algoritmo único basado en IA para distinguir y contar los ACP adultos. Se puede encontrar una demostración en video de esta tecnología en https://twitter.com/i/status/1110151596770500608 .

Figura 3A. Este es un ejemplo de un diseño inicial de un sistema automatizado y móvil para monitorear y mapear psílidos asiáticos de cítricos (ACP) en plantaciones. Las flechas rojas indican todos los componentes móviles del sistema.

Figura 3B. El sistema de visión basado en inteligencia artificial detecta y cuenta ACP.
MAPAS DE DATOS
Este sistema puede generar un mapa de árboles explorados (números de ACP detectados por árbol) para una mejor visualización de los datos recopilados (Figura 4). Los datos de detección de ACP recopilados se pueden usar para generar mapas de prescripción compatibles con equipos de precisión para aplicaciones de tasa variable con el fin de aplicar la cantidad correcta de pesticidas solo donde sea necesario.

Figura 4. Un mapa aéreo muestra la visualización de la detección automatizada del psílido asiático de los cítricos (números de ACP por árbol) para cada árbol seleccionado al azar. Se utilizaron segmentos en rojo para medir el tamaño de la copa de cada árbol.
La visión artificial y las tecnologías basadas en inteligencia artificial también se pueden utilizar para detectar y contar frutas cítricas (inmaduras y maduras) también (Figura 5). Se puede encontrar una demostración en video del sistema de detección de frutas en tiempo real en https://twitter.com/i/status/1042058065481269248 .

Figura 5 . La detección de cítricos en tiempo real utiliza inteligencia artificial en frutas inmaduras (verdes).

Figura 6. Un sistema automatizado que utiliza UAV y sistemas terrestres cuenta árboles, huecos de árboles, tamaño de árbol y número de frutos por árbol, y produce mapas de estrés de árboles individuales.
La Figura 6 presenta mapas de cítricos desarrollados por los sistemas integrados terrestres y basados ​​en UAV que pueden contar árboles, huecos de árboles, tamaño de árbol, número de frutos por árbol y producir índices de estrés de árboles individuales.

Leer más

Las granjas han cambiado mucho en los últimos 50 años. Las granjas son más grandes, el ganado generalmente se cría en el interior, los rendimientos son más altos, se necesita menos mano de obra y no es común ver vacas lecheras, ganado de carne, cerdos y aves de corral en la misma granja. ¿Por qué es esto? La respuesta es simple. Tecnología.

Piense en cuánto ha mejorado la tecnología la medicina y la atención médica, las comunicaciones y el transporte en los últimos 50 años. El campo de la agricultura también ha cambiado.

Echemos un vistazo a algunas de las formas en que la tecnología ha cambiado la agricultura.

1. Genética y cría de ganado. La mejora de las razas de ganado no es una práctica nueva. Los humanos comenzaron a domesticar animales hace más de 10,000 años. Los primeros agricultores seleccionaron ganado para su adaptación a climas específicos y los criaron para mejorar la productividad, el temperamento y la calidad de la carne, el cuero y la lana. Si bien la práctica no es nueva, la tecnología utilizada para mejorar la genética del ganado y criar animales ha cambiado drásticamente en los últimos años.

Los genetistas de animales trabajan para identificar elementos dentro de los genes que pueden mejorar el crecimiento, la salud y la capacidad de los animales para utilizar los nutrientes. Estos avances genéticos pueden aumentar la producción al tiempo que reducen los impactos ambientales.

Es común que los criadores de ganado vacuno y porcino compren pajitas de semen de animales machos con genética superior y utilicen la inseminación artificial para criar hembras. La transferencia de embriones también está ganando popularidad en las industrias de ganado lechero y de carne.

soja

2. Genética de cultivos y manejo de plagas. Como ocurre con la cría de ganado, la idea de mejorar la genética vegetal no es nueva. Los agricultores y científicos han utilizado técnicas de selección y mejoramiento de plantas para mejorar el rendimiento de los cultivos durante años. Los fitomejoradores han trabajado para mejorar el germoplasma para desarrollar semillas con la mejor combinación de características para brindar el mejor rendimiento para condiciones específicas de suelo y clima.

Hoy en día, los fitomejoradores utilizan una combinación de métodos tradicionales y modernos para mejorar las plantas. Los métodos de reproducción modernos incluyen la reproducción asistida por marcadores , que ayuda a acelerar el tiempo necesario para obtener la mejora deseada, y la ingeniería genética (GE). La tecnología transgénica puede mejorar la resistencia a los insectos, la tolerancia a la sequía, la tolerancia a los herbicidas y la resistencia a las enfermedades de una planta. Esta tecnología brinda a los agricultores una herramienta adicional para ayudar a aumentar el rendimiento de los cultivos.

Strip-Tillers_Putting_Manure_1

3. Mano de obra y mecanización. El equipo agrícola mejorado probablemente ha tenido el impacto más significativo en la forma en que los agricultores cultivan y cuidan el ganado. Los tractores, sembradoras y cosechadoras son mucho más grandes y eficientes. Los establos de ganado tienen comederos automáticos. Las máquinas de ordeño robotizadas ordeñan vacas. Estas y otras tecnologías han permitido a los agricultores producir más con menos mano de obra.

4. Instalaciones ganaderas. Aparte del ganado de carne, el ganado generalmente se cría dentro de graneros con clima controlado. Los agricultores hacen esto para protegerlos de los depredadores, las condiciones climáticas extremas y las enfermedades transmitidas por animales y personas. La cría de ganado en el interior también permite a los agricultores utilizar la tecnología. Muchos establos de ganado tienen Wi-Fi y sistemas automatizados de control de clima y alimentación. Los agricultores pueden controlar una vaca en trabajo de parto o ajustar la temperatura en un establo desde sus teléfonos inteligentes. Si se corta la energía, se encienden los generadores de respaldo y se alerta al agricultor con un mensaje de texto. Esta tecnología permite a los agricultores ser más eficientes y cuidar mejor a sus animales.

IMG_3888

5.Especialización. Cuando mis abuelos tenían mi edad, las granjas se parecían a las de los libros para niños. Criaban un poco de todo en su finca. Se ganaban la vida y alimentaban a su familia con 160 acres de maíz y heno, algunas vacas, gallinas ponedoras, algunos cerdos y el gran jardín de mi abuela. Con el paso de los años, su granja cambió. A medida que invirtieron en tractores y mejores instalaciones ganaderas, concentraron sus esfuerzos para aprovechar al máximo esas inversiones. Vendieron gran parte del ganado y se concentraron en la cría de cerdos, maíz y soja.

Las granjas de hoy están aún más especializadas. Si los agricultores crían ganado, generalmente crían un tipo e incluso se enfocan en una etapa de crecimiento. La mayoría de las granjas de cerdos se especializan en el parto o el engorde. Los ganaderos de carne generalmente tienen rebaños de vacas y terneros y se enfocan en operaciones de cría, parto y destete, o de terminación, donde crían cuevas destetadas hasta el peso de mercado. La especialización permite a los agricultores adquirir las instalaciones, la tecnología, el conocimiento y las habilidades necesarias para producir el cultivo o animal elegido y producirlo bien.

La agricultura ha cambiado mucho. ¿Cómo crees que se verá en el futuro? ¿Cómo continuarán los avances en la tecnología permitiendo que los agricultores sean más sostenibles económica, social y ambientalmente?

Leer más