Agricultura de precisión y sostenibilidad

Alcance del concepto de agricultura de precisión y agricultura india

Un pequeño agricultor de caña de azúcar en el oeste de Maharashtra posee aproximadamente 4 hectáreas de tierra, tiene dos hijos que se graduaron y trabajan en Pune. Cuando se le preguntó por qué no alentaba a su hijo a tomar la agricultura como profesión, respondió que la agricultura requiere trabajo duro, no remunerativo y es difícil conseguir mano de obra para diversas operaciones agrícolas. Además, también piensa que el hijo de un granjero es un bien que no se puede casar y que su hijo puede tener una vida mejor en Pune. Está envejeciendo y con la edad planea vender su tierra al mejor postor.

Pueblo tras pueblo y estado tras estado, esta es la historia de la mayoría de los agricultores de la India. Quieren vender su tierra y dejar la agricultura. La agricultura india está en crisis. “No importa cuán avanzados o ricos seamos, todos tenemos que comer. No podemos sobrevivir con software / tuercas y / o tornillos «.

La riqueza y la seguridad del país provienen de su tierra y, por lo tanto, lo que se necesita es una agricultura sostenible, de alta tecnología y alta productividad, que sea remunerativa y proporcione alimentos y seguridad al país. En este contexto, la agricultura de precisión ayudará a introducir la próxima revolución verde en la agricultura india.

Un sistema de producción agrícola es el resultado de una interacción compleja de semillas, agua y agroquímicos, incluidos fertilizantes y pesticidas. Por lo tanto, la gestión cuidadosa de todos los insumos es esencial para la sostenibilidad de un sistema tan complejo. El enfoque en mejorar la productividad sin considerar los impactos ecológicos de los recursos de entrada ha resultado en la degradación ambiental. El aumento de la conciencia ambiental del público en general nos obliga a modificar las prácticas de gestión agrícola para la conservación sostenible de los recursos naturales como el agua, el aire y la calidad del suelo, sin dejar de ser económicamente rentables. La productividad se puede aumentar sin ningún efecto adverso maximizando la eficiencia de la entrada de recursos. También es cierto que la disponibilidad de mano de obra para la actividad agrícola será escasa en el futuro. Ha llegado el momento de unir la tecnología de la información y la ciencia agrícola para mejorar la producción agrícola económica y ambientalmente sostenible. Esto da origen a la agricultura de precisión o la agricultura de precisión.

El concepto de agricultura de precisión se basa estrictamente en el Sistema de Posicionamiento Global (GPS), que fue inicialmente desarrollado por científicos de defensa de Estados Unidos (Estados Unidos de América) para uso exclusivo del Departamento de Defensa de Estados Unidos. El carácter único del GPS es la precisión en el tiempo y el espacio. La agricultura de precisión (AP), como su nombre lo indica, se refiere a la aplicación de cantidades precisas y correctas de insumos como agua, fertilizantes, pesticidas, etc. en el momento adecuado al cultivo para aumentar su productividad y maximizar sus rendimientos. El uso de insumos (es decir, fertilizantes químicos y pesticidas) en base a la cantidad correcta, en el momento adecuado y en el lugar adecuado. Este tipo de gestión se conoce comúnmente como «Gestión específica del sitio».

La agricultura de precisión o agricultura de precisión se define generalmente como un sistema de gestión agrícola basado en información y tecnología para identificar, analizar y gestionar la variabilidad espacial y temporal dentro de los campos para una productividad y rentabilidad óptimas, sostenibilidad y protección de los recursos de la tierra minimizando los costos de producción. El aumento de la productividad en el suministro mundial de alimentos se ha basado cada vez más en la expansión de los planes de riego durante las últimas décadas, y más de un tercio de los alimentos del mundo ahora requieren riego para la producción. Los rápidos cambios socioeconómicos en algunos países en desarrollo, incluida la India, están creando nuevos alcances para la aplicación de la agricultura de precisión (AP). La competencia global de productos agrícolas basada en el mercado en conjunto está desafiando la viabilidad económica de los sistemas agrícolas tradicionales,

HERRAMIENTAS Y EQUIPO
La agricultura de precisión es una combinación de aplicación de diferentes tecnologías. Todas estas combinaciones están mutuamente interrelacionadas y son responsables de los desarrollos. Los mismos se discuten a continuación:

1. Sistema de posicionamiento global (GPS): Es un conjunto de 24 satélites en la órbita terrestre. Envía señales de radio que pueden ser procesadas por un receptor terrestre para determinar la posición geográfica en la tierra. Tiene un 95% de probabilidad de que la posición dada en la tierra esté dentro de los 10-15 metros de la posición real. El GPS permite un mapeo preciso de las fincas y junto con el software apropiado informa al agricultor sobre el estado de su cultivo y qué parte de la finca requiere qué insumos, como agua o fertilizantes y / o pesticidas, etc.

2. Sistema de Información Geográfica (SIG): Es un software que importa, exporta y procesa datos distribuidos espacial y temporalmente geográficamente.

3. Muestreo de cuadrículas: es un método de dividir un campo en cuadrículas de aproximadamente 0,5 a 5 hectáreas. El muestreo del suelo dentro de las rejillas es útil para determinar la tasa apropiada de aplicación de fertilizantes. Se toman varias muestras de cada cuadrícula, se mezclan y se envían al laboratorio para su análisis.

4. Tecnología de velocidad variable (VRT): la maquinaria de campo existente con la unidad de control electrónico (ECU) y el GPS integrado pueden cumplir con el requisito de entrada de velocidad variable. Las barras de pulverización, el aplicador de disco giratorio con ECU y GPS se han utilizado eficazmente para la pulverización de parches. Durante la creación del mapa de requerimientos de nutrientes para VRT, se debe considerar más la tasa de fertilizante que maximiza las ganancias que la tasa de fertilizante que maximiza el rendimiento.

5. Mapas de rendimiento: Los mapas de rendimiento se producen procesando datos de una cosechadora combinada adaptada que está equipada con un GPS, es decir, integrado con un sistema de registro de rendimiento. El mapeo de rendimiento implica el registro del flujo de grano a través de la cosechadora, mientras se registra la ubicación real en el campo al mismo tiempo.

6. Sensores remotos: generalmente son categorías de sensores aéreos o satelitales. Pueden indicar variaciones en los colores del campo que corresponden a cambios en el tipo de suelo, desarrollo del cultivo, límites del campo, caminos, agua, etc. Se pueden procesar imágenes ariales y satelitales para proporcionar índices vegetativos, que reflejan la salud de la planta.

7. Sensores próximos: Estos sensores se pueden usar para medir parámetros del suelo como el estado de N y el pH del suelo y las propiedades del cultivo a medida que el tractor conectado al sensor pasa sobre el campo.

8. Hardware y software de computadora: Para analizar los datos recopilados por otros componentes de la tecnología de agricultura de precisión y hacerlos disponibles en formatos utilizables como mapas, gráficos, cuadros o informes, el soporte de computadora es esencial junto con el soporte de software específico.

9. Sistemas de riego de precisión: Se están lanzando desarrollos recientes para uso comercial en riego por aspersión mediante el control del movimiento de las máquinas de riego con controladores basados ​​en GPS. Se están desarrollando tecnologías de sensores y comunicación inalámbrica para monitorear las condiciones ambientales y del suelo, junto con los parámetros de operación de las máquinas de riego (es decir, flujo y presión) para lograr una mayor eficiencia en el uso del agua.

10. Agricultura de precisión en tierras arables: El uso de técnicas de AP en tierras arables es el más utilizado y más avanzado entre los agricultores. CTF (agricultura de tráfico controlado) es un enfoque de toda la granja que tiene como objetivo evitar daños innecesarios a los cultivos y la compactación del suelo por maquinaria pesada, reduciendo los costos impuestos por los métodos estándar. Los métodos de tráfico controlado implican confinar todos los vehículos de campo al área mínima de carriles de tráfico permanentes con la ayuda de sistemas de apoyo a la toma de decisiones. Otra aplicación importante de la agricultura de precisión en tierras cultivables es optimizar el uso de fertilizantes especialmente, Nitrógeno, Fósforo y Potasio.

Necesidad de agricultura de precisión en la India: para satisfacer la enorme necesidad de cereales alimentarios de 480 millones de toneladas (Mt) para el año 2050, con los crecientes desafíos de estrés biótico y abiótico que experimentan los cultivos, la introducción y adopción de tecnología moderna en la agricultura india es inevitable. .

El sistema alimentario mundial se enfrenta a desafíos formidables y eso aumentará en los próximos 40 años. Se requieren cambios más radicales en el sistema alimentario y la inversión en investigación para hacer frente a los desafíos futuros y sus soluciones. La disminución de la productividad total, la disminución y degradación de los recursos naturales, el estancamiento de los ingresos agrícolas, la falta de un enfoque ecorregional, la disminución y fragmentación de la propiedad de la tierra, la liberalización del comercio agrícola, las limitadas oportunidades de empleo en el sector no agrícola y la variación climática global se han convertido en preocupaciones importantes en el crecimiento y desarrollo agrícola. Por lo tanto, el uso de la adopción de tecnología de reciente aparición se considera una clave para aumentar la productividad agrícola en el futuro.

Se espera que la aplicación de tecnologías de AP blandas y duras equilibradas basadas en la necesidad de la condición socioeconómica específica de un país haga que las AP sean adecuadas también para los países en desarrollo. La AP ‘blanda’ depende principalmente de la observación visual del cultivo y del suelo y de la decisión de manejo basada en la experiencia y la intuición, más que en análisis estadístico y científico. El PA ‘duro’ utiliza todas las tecnologías modernas, como GPS, RS y VRT. Se han identificado tres componentes, a saber, ‘tecnología de AP única’, ‘paquete de tecnología de AP’ (para que el usuario seleccione uno o una combinación) y ‘tecnología de AP integrada’, como parte de las estrategias de adopción de AP en los países en desarrollo como India .

La agricultura de precisión en la agricultura de caña de azúcar es inevitable, ya que India es el segundo mayor productor de azúcar y caña de azúcar. La caña de azúcar se cultiva en aproximadamente 4.09 millones de hectáreas, produciendo alrededor de 283 millones de toneladas de caña con una productividad promedio de 69.19 TM / ha. De los diversos cultivos agrícolas, la caña de azúcar es el más remunerativo, su requerimiento de agua y fertilizantes también es muy alto.

Agricultura de precisión dentro de los sectores de frutas y verduras y viticultura: En la agricultura de frutas y verduras, la reciente adopción rápida de sistemas de automatización para registrar parámetros relacionados con la calidad del producto, permite a los productores clasificar los productos y monitorear la calidad y seguridad de los alimentos, incluido el color, el tamaño, forma, defectos externos, contenido de azúcar, acidez y otras cualidades internas. Además, el seguimiento de las operaciones de campo, como la pulverización de productos químicos y el uso de fertilizantes, puede ser posible para proporcionar métodos completos de procesamiento de frutas y verduras.

Alcance y adopción de la agricultura de precisión en India:
La AP para pequeñas granjas puede utilizar maquinaria y robots para pequeñas granjas que no compactan el suelo y también pueden funcionar con combustibles renovables como bioaceite, biogás comprimido y electricidad producida en granjas por residuos agrícolas. Para las granjas pequeñas, la agricultura de precisión puede incluir riego por goteo subterráneo para la aplicación precisa de agua y fertilizantes, eliminación de malezas, cosecha y otras operaciones culturales. Algunos de estos robots ya se están utilizando en pequeñas granjas en los EE. UU. Y Europa y se espera que puedan implementarse a gran escala en un futuro próximo. Para las granjas pequeñas, la agricultura de precisión puede ayudar en el riego por goteo subterráneo para una aplicación precisa de agua y fertilizantes y robots para el control de malezas, la cosecha y otras operaciones. De manera similar, también se han introducido drones en Japón y los EE. UU. Para mapear las granjas, identificar enfermedades y así sucesivamente. La mayoría de las máquinas robóticas y los drones son compactos y, por lo tanto, adecuados para pequeñas granjas. Las pequeñas granjas de la India, por lo tanto, son ideales para la aplicación a gran escala de la agricultura de precisión.

El camino a seguir
El componente más importante para hacer avanzar la AP será la creación de un enorme recurso de ingenieros, científicos y agricultores para desarrollar varios componentes de la tecnología. Sin una mano de obra excelente y, en consecuencia, una buena I + D, la AP no tendrá éxito. Desafortunadamente, la mayoría de los buenos estudiantes quieren ingresar a las corrientes de ingeniería y medicina e ignorantemente, la agricultura se convierte en una ocurrencia tardía. También existe la necesidad de excelentes ingenieros de instituciones como IIT, NIT, etc. para diseñar maquinaria como robots y drones para PA. Esto puede facilitarse mediante el establecimiento de una nueva rama de la ingeniería denominada mecanotécnica agrícola o robótica, donde profesores y estudiantes de institutos ICAR, IIT, industrias y agricultores trabajan juntos, interactúan y colaboran para desarrollar sistemas inteligentes para AP.

Conclusión:La agricultura de precisión en muchos países en desarrollo, incluida la India, ofrece numerosas oportunidades para que los agricultores identifiquen cultivos específicos de mejor rendimiento de alto rendimiento e infectar que un agricultor recurra a un obtentor para producir variedades mejores y de mayor rendimiento mediante el uso del sistema de AP. Se han identificado tres componentes, a saber, ‘tecnología de AP única’, ‘paquete de tecnología de AP’ y ‘tecnología de AP integrada’, como parte de las estrategias de adopción general de AP en los países en desarrollo. Se han destacado los sectores de aplicación adecuados de estos componentes estratégicos. La AP puede proporcionar una plataforma para la actividad de responsabilidad social empresarial (RSE) industrial ayudando a los pobres de las zonas rurales a mejorar sus medios de vida mediante la agricultura de alta tecnología. El gobierno de la India puede facilitar este proceso otorgando préstamos blandos a la industria para que se animen y se involucren en la agricultura y las actividades de la AP. Por lo tanto, la AP de alta tecnología puede ayudar a lograr la próxima revolución verde en la India y puede producir una enorme riqueza rural de una manera sostenible y ecológica. A la luz de la necesidad urgente de hoy, debería haber un esfuerzo total para utilizar nuevos insumos tecnológicos para hacer de la ‘Revolución Verde’ como una ‘Revolución Evergreen’.

Leer más
Agricultura de precisión y sostenibilidad

¿Llegarán los robots agrícolas a tiempo para mantener bajos los costos de frutas y verduras

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

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

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

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

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

Estos son algunos de los factores que afectan el cambio:

Mano de obra migrante:

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

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

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

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

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

Leer más
Agricultura de precisión y sostenibilidad

Datos y métricas que abonan la agricultura de precisión

Su experiencia en el mundo de la agricultura y de la gestión de la industria ha llevado a cuatro ingenieros a crear D4SmartFarming, una startup madrileña que ayuda a los agricultores en la toma de decisiones precisas. Hace poco más de medio año que se dieron de alta como sociedad con el objetivo de «contribuir a un futuro más sostenible y a ayudar a los «stakeholders» del campo», explica José Manuel Fernández, socio fundador de la empresa. Este equipo de profesionales (agrónomos, técnicos e informáticos) apasionado por la agricultura inteligente y de precisión ha diseñado una plataforma web que permite identificar cualquier parcela y facilitar información acerca de la humedad y del crecimiento del cultivo. «Somos procesadores de datos y damos métricas», puntualiza Fernández, quien se ocupa de la parte técnica del proyecto.

Esta información la obtienen mediante imágenes hipertemporales ofrecidas vía satélite. «Utilizamos unos satélites que mandan sondas de luz y en función de la reflectancia con las plantas somos capaces de identificar su crecimiento. Lo mismo ocurre con la humedad», añade. Con una mínima aportación y sin necesidad de gastos en tecnología o desplazamientos, facilitan cultivos más productivos y con menos emisiones.

Empezaron enfocados en el mundo de la agricultura pero se han dado cuenta que la aplicación puede tener otros usos. «En la banca, para la tasación de las parcelas, en el mundo inmobiliario, para saber cuáles son las parcelas óptimas, y para los seguros que contrate el agricultor», afirma el socio fundador. En sus primeros ocho meses han facturado 60.000 euros y el objetivo para el próximo año es alcanzar los 350.000 euros. «Queremos incrementar el número de áreas, expandirnos y llegar a otros países», matiza. Sus usuarios pagan una cantidad por hectárea al año en función del valor del cultivo.

D4SmartFarming también puede aplicarse para la banca o el mundo inmobiliario
En un principio la startup empezó a operar en Extremadura, con el cultivo del tomate. Pero ya están trabajando en Toledo con maíz y cebada y su primera experiencia internacional ha sido en California. «Nos interesa mucho el mercado norteamericano porque las empresas gestionan muchas hectáreas», indica Fernández. Recientemente la startup madrileña ha sido reconocida en ese país entre más de mil empresas emergentes en unos premios convocados por el European American Enterprise Council. Este galardón en la categoría de AgroFood les brindará apoyo para entrar en este mercado.Además, tienen previsto dar el salto a otros países, entre ellos Italia y Turquía.

Leer más
Agricultura de precisión y sostenibilidad

Precision Ag la clave para hacerlo ‘perfecto’ con las 4R

Los principios de las 4R pueden parecer bastante simples: use la fuente correcta de nutrientes, a la tasa correcta, en el momento adecuado y en el lugar correcto, pero ¿cómo se asegura de tener todas las 4R ‘perfectas’?

La innovación de la agricultura de precisión no solo está ayudando a que los productores sean más productivos; también ayuda a determinar los indicadores de rendimiento al medir el éxito de la administración de nutrientes.

Desde un punto de vista económico, es fácil ver los beneficios de usar herramientas agrícolas de precisión; Teniendo en cuenta el tipo de cultivo, la composición de nutrientes del suelo en el que se cultiva y las áreas específicas del campo que necesitan atención, los productores pueden optimizar sus aplicaciones y aumentar las ganancias.

Pero desde una perspectiva ambiental, la agricultura de precisión tiene la ventaja adicional de proporcionar una forma de medir el desempeño de la sostenibilidad en términos de los principios de las 4R. Así es cómo:

La fuente correcta

La agricultura de precisión puede ayudar a determinar el mejor producto para su campo para garantizar que haya un suministro equilibrado de nutrientes disponibles para el cultivo. Si bien esto marcará la diferencia en la efectividad de la absorción y el crecimiento de una planta, también minimiza la posibilidad de que los nutrientes se escapen al medio ambiente como contaminación.

Al ritmo correcto

Lograr un equilibrio entre lo que los cultivos necesitan para prosperar y la cantidad de nutrientes que el suelo necesita ser suplementado puede ser complicado, pero esto brinda una gran oportunidad para utilizar herramientas de agricultura de precisión como el análisis del suelo. Un análisis más preciso puede ayudar a lograr este equilibrio. El equilibrio adecuado de nutrientes no solo beneficiará a los cultivos, sino que también reducirá la probabilidad de que los nutrientes se desperdicien y posiblemente afecten al medio ambiente.

En el lugar correcto

Ya sea que tenga un acre o 1,000 acres, el uso de herramientas de agricultura de precisión como los sistemas de posicionamiento global (GPS) para ayudar a guiar las aplicaciones de nutrientes específicas del sitio lo ayudará a colocar los insumos donde se necesitan y reducir la posibilidad de aplicaciones ‘fuera del objetivo’.

En el momento adecuado

Dicen que el tiempo lo es todo, pero la agricultura de precisión lleva eso a otro nivel. Al tener en cuenta una variedad de factores, como la absorción del cultivo y la logística de las operaciones de campo, decidir cuándo aplicar los nutrientes no solo afectará el resultado del cultivo, sino que también reducirá el nivel de riesgo ambiental asociado con la pérdida de nutrientes.

Entonces, ¿cuál es una forma de saber que está haciendo un buen uso de los principios de las 4R? Al utilizar la agricultura de precisión, la medición del éxito de los objetivos de los cultivos también puede proporcionar indicaciones mensurables de qué tan bien una operación gestiona la administración de nutrientes 4R.

Leer más
Agricultura de precisión y sostenibilidad

John Deere y el nacimiento de la agricultura de precisión

A principios del siglo XIX, un herrero llamado John Deere se mudó de Vermont a Illinois, donde notó que los granjeros estaban teniendo problemas. La tierra pegajosa de la pradera se acumulaba en sus tradicionales arados de hierro, lo que los obligaba a detenerse con frecuencia para limpiar las cuchillas.

Deere tuvo una idea y, en 1837, presentó su arado de acero «autofrenante» . La hoja cortó la tierra dura y llena de raíces, y su forma curva permitió que la tierra se volcara. La invención de Deere se conoció como «el arado que rompió las llanuras» y ayudó a transformar el Medio Oeste en tierras de cultivo fértiles. Su empresa homónima se convirtió en el mayor fabricante de arados del mundo.

Avance rápido hasta 1994, y el grupo de agricultura de precisión de John Deere, en Moline, Illinois, estaba comenzando a explorar un nuevo concepto en la agricultura conocido como agricultura de precisión. Aún en su infancia, la agricultura de precisión había atraído la atención de varias empresas de tecnología.

Rockwell International Corp., más conocida como contratista de defensa, desarrolló una de las primeras aplicaciones de agricultura de precisión. El Sistema de Posicionamiento Global en el que se basaba la agricultura de precisión era principalmente una constelación militar, y Rockwell utilizó su conocimiento de los satélites militares para diseñar su Sistema de Visión . Introducido en 1995, el sistema creó mapas de campo detallados. Según un informe de Los Angeles Times, la computadora del sistema conectada a una cosechadora registró el volumen de cultivos cosechados y emparejó esos números con los datos de ubicación. El mapa resultante reveló qué parcelas de tierra eran más productivas que otras. Los agricultores podrían hacer un seguimiento con pruebas de campo para determinar la composición del suelo y aplicar niveles específicos de fertilizantes e insecticidas en la siguiente temporada de siembra.

Pero después de una avalancha inicial de adopción, el interés de los agricultores en la agricultura de precisión comenzó a estancarse , por una serie de razones: el equipo tenía una curva de aprendizaje pronunciada, faltaba soporte técnico, los sistemas tenían fallas y eran costosos. Rockwell se unió a otras empresas que salían del campo justo cuando John Deere estaba aumentando su I + D.

Los ingenieros de Deere sabían que tenían que resolver el problema que había desafiado a sus competidores: ¿Cuál era la aplicación asesina que justificaría el costo de la agricultura de precisión y haría que los agricultores quisieran usarla? Como había hecho el fundador de la empresa antes que ellos, decidieron que una mejor arada era la respuesta.

Al arar un campo sin GPS, un agricultor generalmente tenía casi un metro de superposición entre filas. Reducir esa superposición significaría pasar mucho menos tiempo en el campo y también usar menos fertilizante. Los ingenieros de Deere se asociaron con ingenieros de la Universidad de Stanford para desarrollar un tractor autónomo controlado por GPS. A pesar de algunas demostraciones exitosas en condiciones idealizadas, estaba claro que necesitaban un sistema GPS que fuera más preciso y más fácil de usar.

De vuelta a la mesa de dibujo.

Luego, Deere trabajó con el Laboratorio de Propulsión a Chorro de la NASA y la Tecnología NavCom (ahora una subsidiaria de Deere) en un mejor sistema GPS. El resultado fue el primer receptor GPS de Deere, que también trabajó con otras constelaciones regionales de satélites de posicionamiento. La versión de 1996, que se muestra arriba, fue apodada cariñosamente Green Eggs and Ham. Diseñado para montarse en la parte superior de la cabina de un tractor, llevaba una antena de GPS y una antena de banda C que utilizaba señales de estaciones base regionales para corregir las lecturas de GPS. En ese momento, el gobierno de EE. UU. Aún degradaba intencionalmente las señales de GPS destinado al uso civil, una práctica que finalmente abandonó en mayo de 2000. Si bien los productos de la competencia también hicieron algunas correcciones de GPS, el receptor Deere fue más preciso porque corrigió las señales provenientes de cada satélite GPS.

Ambas antenas estaban ubicadas debajo de la «yema» amarilla. El dispositivo conectado a las pantallas y al sistema de mapeo dentro de la cabina. Además de ser precisa, la unidad tenía que ser resistente, capaz de soportar un clima pésimo, temperaturas de –20 ° a 45 ° C, vibraciones de vehículos e incursiones ocasionales de roedores, pájaros y otras criaturas.

Tractores john deere
Foto: Deere & Co.
Trabajo de campo: el receptor GPS «huevos y jamón verde» de John Deere, que entró en producción en 1997 como StarFire, se encuentra en la parte superior de la cabina de un tractor.
Mientras tanto, los ingenieros de Deere continuaron trabajando en AutoTrac, su tractor autónomo. Incorporaron en el StarFire de segunda generación la capacidad de conectarse con un módulo de compensación de terreno, lo que permitió que el sistema GPS del tractor siguiera los contornos del suelo y trazara una línea exactamente paralela a la trayectoria anterior del tractor. AutoTrac se lanzó como producto comercial en 2002.

Hoy en día, la combinación de un GPS más preciso y un control de vehículos autónomo ha hecho que la agricultura de precisión sea económica, al menos para las grandes explotaciones. Los sistemas autoguiados ahora cultivan aproximadamente del 60 al 70 por ciento de la superficie cultivada en América del Norte, del 30 al 50 por ciento en Europa y más del 90 por ciento en Australia.

El receptor GPS Green Eggs and Ham de John Deere se exhibirá hasta junio de 2018 en el Museo Nacional de Historia Estadounidense en Washington, DC, como parte de la feria Precision Farming.

Una versión abreviada de este artículo aparece en la edición impresa de marzo de 2018 como «Arando con precisión».

Parte de una serie continua que analiza fotografías de artefactos históricos que abarcan el potencial ilimitado de la tecnología.

Leer más
Agricultura de precisión y sostenibilidad

La agricultura digital comienza a dar forma al campo del futuro

Un sensor mide lo que el tractor hace en el campo y recolecta datos. Recopila información sobre la densidad y profundidad en la que se plantaron las semillas, registra si se aplicaron moléculas de protección de cultivos y con qué frecuencia se utilizaron fertilizantes.

Los datos se complementan con imágenes satelitales, información de temperatura, humedad, precipitaciones y suelo. Luego, se procesan en una plataforma digital que permite visualizar todas esas variables en tiempo real para evaluar y hasta predecir (sí, leyó bien: predecir) niveles de fertilidad o recomendar semillas con una precisión que oscila entre el 75 y el 85 por ciento.

Agtech, el ecosistema que necesita ampliar sus fronteras
Parece una postal del futuro. Pero ya es una realidad para más de 150 productores argentinos que comenzaron a probar FieldView, una solución de agricultura digital desarrollada por Bayer, en más de 400.000 hectáreas de cultivos de maíz, soja, trigo y girasol. El 30 por ciento de esos pioneros son cordobeses, según informó la compañía a Agrovoz.

Beneficios

La plataforma, que se lanzó en junio en el país, permite a los productores evaluar el rendimiento de sus cultivos y gestionar la variabilidad de sus tierras. Además, genera recomendaciones personalizadas de fertilidad y siembra a fin de optimizar la productividad. En la campaña actual, FieldView está realizando recomendaciones avanzadas en densidad de semillas para poder minimizar el riesgo en ambientes menos favorables e incrementar el rinde en zonas más productivas.

“Con las recomendaciones de semillas, en el caso del maíz en Estados Unidos, donde hemos hecho el mayor trabajo, estamos ayudando al agricultor a elegir el híbrido correcto y estamos acertando aproximadamente en el 85 por ciento de las veces cuando se compara con la decisión que el agricultor proponía”, explica Sam Eathington, director científico de The Climate Corporation y responsable de agricultura digital en Bayer.

La agricultura moderna, con otro perfil de proveedores
“Las predicciones no son perfectas”, aclara. “Estamos trabajando en recomendaciones de fertilidad. En las pruebas que hemos realizado, el nivel de precisión se ha ubicado entre el 75 y el 85 por ciento, que es un nivel aceptable para los productores”, dice.

Con cada temporada, la plataforma consigue capas de información adicional que ayudan a hacer el modelo más inteligente. “Es similar a lo que ocurre con sistemas de reconocimiento de imágenes en los teléfonos móviles, que aprenden a reconocer las imágenes cada vez con mayor precisión”, ejemplifica Eathington.

San Carlos, donde las startups ayudan a producir granos y carne
El experto habló con Agrovoz y otros medios argentinos que fueron invitados por la compañía a participar del Diálogo sobre el Futuro de la Agricultura, un evento que reunió en Monheim (Alemania) a productores, académicos y periodistas para debatir sobre el futuro del sector.

Solución

FieldView tiene un costo de 1.000 dólares por año, sin importar el tamaño del campo. El único requisito es que se pueda conectar con máquinas y tractores compatibles con el sistema, con una antigüedad que no debe superar los 10 años.

“Ofrece buenos retornos a nivel de productividad y rendimiento si se compara con la inversión necesaria para el servicio”, dice el científico de Bayer.

La conservación del suelo se refuerza desde la «nube»
En Estados Unidos, la empresa está ensayando con un modelo de precios que toma riesgos con el productor y cobra en función de los resultados obtenidos tras sus recomendaciones personalizadas. Si la plataforma no genera los resultados prometidos, el productor no paga por el servicio; si las predicciones superan las previsiones del productor, el precio será acorde.

Quienes aplican soluciones tecnológicas en la gestión de sus cultivos coinciden en que la clave radica no sólo en comprometerse con la calidad de la información que se recolecta, para obtener lecturas correctas, sino también en aprender de los resultados.

Buenas prácticas aplicadas: el que innova tiene premio
“La aplicación de tecnologías de datos ofrece toda la información en un solo lugar. Es fácil calcular el retorno de la inversión y cómo varió el rendimiento en cada parte del campo, o si debo aplicar menos fertilizantes en esta parte, porque no hago dinero ahí”, explica Eathington. “No hay nada mejor que hacerlo en la propia tierra, con los equipos propios y el modelo de gestión de cada uno. Es una manera poderosa de creer en algo”, afirma.

Alcance

En Bayer destacan que la tecnología digital funciona sin importar la cantidad de hectáreas. “Puede ayudar a la productividad de todos”, afirma Eathington, quien cree que a futuro los campos necesitarán más tecnología para mantener sus operaciones, ante la pérdida de empleos que se observa en el sector.

“Antes se necesitaban varias personas para hacer un determinado proceso, ahora hace falta una. No es que la tecnología se quitó de encima a todas esas personas, sino que esas personas ya no quieren estar más en el campo”, reflexiona.

FieldView se utilizó en 2018 en todo el mundo en más de 24 millones de hectáreas de pago. Si continúa la tendencia, este año Bayer espera superar el objetivo marcado de 36 millones de hectáreas de adopción.

Leer más
Agricultura de precisión y sostenibilidad

CÓMO BIG DATA ESTÁ REVOLUCIONANDO LA INDUSTRIA AGRÍCOLA

En todo el mundo, la agricultura se enfrenta a muchos desafíos cada vez más complejos. Estos incluyen problemas globales como alimentar adecuadamente a una población en constante crecimiento utilizando cada vez menos recursos, adaptarse a los efectos del calentamiento global, la presión sobre los recursos hídricos o la disminución de la tierra disponible. Además, para muchos países, la agricultura debe trabajar seriamente en su atractivo, especialmente para los jóvenes, reduciendo la arduo trabajo y ofreciendo más tiempo libre. Aunque son enfermeros, técnicos, agricultores, administradores, los agricultores de hoy tienen 1.000 puestos de trabajo y, a menudo, trabajan solos. Por último, el mundo agrícola debe satisfacer las nuevas expectativas de los consumidores, cada vez más exigentes con respecto a sus alimentos, ya sea en términos de calidad o trazabilidad. Estos diferentes requisitos pueden ser satisfechos por la tecnología y en particular porel Big Data .
Cada día, se producen en todo el mundo 2,5 trillones de bytes de datos 2,5 trillones de bytes de datos . Los últimos 5 años han producido tantos datos como los últimos 50 años. Se estima que el mercado global de Big Data es de decenas de miles de millones de dólares por año. La industria agrícola tiene mucho que ver con eso. Este sector genera efectivamente un volumen colosal de datos valiosos con la explosión de sensores. La inversión en macrodatos agrícolas aumenta constantemente. Los economistas están de acuerdo en que asistimos a la próxima revolución agrícola. Incluso estamos hablando de agricultura digital o agricultura inteligente, es decir, una agricultura que utiliza tecnologías de la información y la comunicación.
De hecho, la agricultura digital nació hace 40 años con los primeros satélites de observación del suelo y se aceleró en la década de 1980 con la explosión de la capacidad informática. La tercera fase de aceleración tuvo lugar a principios del siglo XXI con la aparición de nuevas oportunidades como el smartphone, el GPS o nuevos satélites, mucho más sofisticados, y últimamente, con objetos conectados. Entonces, ahora estamos en una situación muy favorable para la agricultura digital.
EL PODER DE LOS DATOS
El potencial del big data parece increíble y su impacto inmenso. Frente al abanico de oportunidades disponibles, la tasa de adopción de nuevas tecnologías dentro del sector agrícola aumenta de manera constante, a pesar de los altos costos de compra.
Desde un punto de vista personal, estas herramientas de datos tecnológicos permiten a los agricultores más tiempo libre mediante la optimización de su producción. Gracias a esta tecnología, el agricultor puede intervenir de forma muy precisa en su explotación. Hasta entonces, sujeto a los caprichos del mercado, las crisis climática y sanitaria, el agricultor podrá convertir todos los datos de los sensores en increíbles herramientas de control. Por otro lado, el big data nos está conduciendo hacia una agricultura de precisión, que es más ecológica y económica. Además, los escáneres, sensores y herramientas analíticas también se utilizan cada vez más en el seguimiento de alimentos para monitorear y recopilar datos en sus cadenas de suministro. Permiten un seguimiento completo de la calidad de los productos, cumpliendo así con los nuevos requisitos de los consumidores. Estas tecnologías también ayudan a reducir el desperdicio en la cadena de suministro. RecuérdaloSe tira el 40% de los alimentos producidos en el mundo, incluido el 10% al 15% de los productos terminados. Los datos también están revolucionando el proceso tradicional utilizado para crear nuevas especies de plantas, que es caro, requiere mucha mano de obra y puede llevar más de 10 años. Big data acelera las cosas.
Al mismo tiempo, como en otros sectores en plena transformación, abundan las startups que ofrecen nuevos servicios y revolucionan un modelo ya consolidado. Muchas empresas emergentes de tecnología han ingresado a este nicho de mercado para enfrentar una amplia gama de desafíos para mejorar y transformar la producción de alimentos y energía. Se están creando nuevas empresas que se especializan en la recopilación, agregación y análisis de datos. Su objetivo es proporcionar a los agricultores planes individuales para poder utilizar su tierra de la manera más eficiente posible de acuerdo con los objetivos deseados y las diversas limitaciones ambientales. En 2015, más de 500 nuevas empresas de tecnología agrícola recaudaron $ 4.6 mil millones. Por otro lado, los principales actores globales, GAFA, están involucrados en esta transformación digital invirtiendo varios millones de dólares.
CONCLUSIÓN
Los macrodatos agrícolas ocuparon rápidamente un lugar considerable en la vida diaria de los agricultores y se volvieron indispensables muy rápidamente. De todos modos, las necesidades en este mercado crecen inexorablemente debido a la disminución del número de agricultores y, como resultado, las superficies de las fincas están destinadas a ser cada vez más importantes. Los datos prometen un salto cuántico hacia una agricultura de alta precisión más económica y ecológica, pero también una revolución científica en la comprensión de las relaciones entre agricultura, medio ambiente y clima. Los beneficios son numerosos, más tiempo para el agricultor, más precisión, más anticipación, más ahorro y más respeto por el medio ambiente. Big Data vale la pena. Todavía es difícil calcular realmente la contribución de esta nueva revolución digital. No sabemos qué ganaremos invirtiendo en estas tecnologías,
Sin embargo, existe un problema económico real en torno a quién es el propietario de los datos. Si el agricultor se convierte en un usuario “simple” de los datos pero no los posee, se puede modificar todo el circuito económico agrícola. Por eso, a algunos agricultores les preocupa la protección de datos, sobre todo cuando se sabe que la tierra se vende al 20% en USA más si se acompaña

Leer más
Agricultura de precisión y sostenibilidad

Drones y visión artificial, la nueva agriculturaya está aquí

Tradicionalmente el control de las plantaciones agrícolas se lleva a cabo a pie de campo por agrónomos y personal cualificado que verifica el correcto desarrollo de las plantas, identifica anomalías en el cultivo y detecta la aparición de plagas. El tamaño de las fincas y este control tradicional de las plantaciones lleva en ocasiones a detectar anomalías en el cultivo o la aparición de plagas cuando estas ya se han extendido más de lo deseado y, por tanto, el problema ha alcanzado unas dimensiones de difícil solución. Esto ocasiona pérdidas muy importantes, y obliga a realizar tratamientos fitosanitarios en zonas más amplias de lo que sería necesario si fuéramos capaces de detectar estos problemas en una etapa más incipiente.

Otro aspecto relevante es que en la finca pueden aparecer deficiencias en el sistema de riego que pueden provocar una aportación inadecuada, por exceso o defecto, en determinadas zonas del cultivo. Los problemas son similares al caso anterior, es decir, se pueden generar pérdidas de plantas en una zona determinada más o menos amplia, o simplemente retrasos en la recolección que rompen el calendario de producción de la empresa.

Además, en la actualidad, los encargados de corte en las fincas deben hacer un seguimiento del estado de desarrollo del cultivo, informando diariamente al resto de la empresa acerca de la producción esperada para los próximos días. Esta es una labor tediosa que obliga a recorrer cada una de las fincas para calcular, a partir de una estimación visual, el momento idóneo en el que llevar a cabo el corte y la cantidad de producto que podrá ser recolectado en próximas fechas.

Para obtener las imágenes aéreas, se utiliza un dron de ala fija que puede volarse a 100 metros de altura sobre las fincas

Ante esta situación, Finca La Carretilla (situada en San Javier) se planteó abordar un proyecto para que estos factores pudieran ser minimizados partiendo de la detección temprana de las diferentes problemáticas que habitualmente surgen en la finca de cultivo, además de poder proporcionar información en tiempo real de la evolución del cultivo.

Para ello, confió en el grupo de investigación Computación Móvil y Visión Artificial de la Universidad de Murcia que dirige Félix Jesús García Clemente: «Se nos encargó la búsqueda de una solución que hiciera uso de las últimas tecnologías en el procesamiento de imágenes aéreas capturadas por vehículos aéreos autónomos (drones), y técnicas de visión artificial para el análisis automatizado de estas imágenes».

Los algoritmos desarrollados deben realizarse para cada tipo de cultivo, no pueden extrapolarse de unos a otros

El proyecto contó con financiación del Centro de Desarrollo Tecnológico e Industrial (CDTI) y la Unión Europea a través de cofinanciación de Fondos FEDER y finalizó en marzo de 2019, tras 27 meses de arduo trabajo.

Lechuga y apio
Como explica el profesor de la UMU, «el objetivo general del trabajo era definir y desarrollar un nuevo procedimiento agrícola para el cultivo de la lechuga y el apio para lograr la mejora de la calidad y el rendimiento de la producción. Este cambio metodológico se sustenta en la incorporación de nuevas tecnologías en cada una de las fases del cultivo que permiten una mejora significativa en la forma de cultivar lechuga y apio».

Para ello emplearon tecnologías como el uso de drones y de cámaras multiespectrales y térmicas, junto con nuevas técnicas software asociadas a la Visión Artificial. «Algunos de los cambios más significativos en los procedimientos fueron el control de plagas que podrán ser identificadas con mayor rapidez y permitirán actuar con mayor eficacia, o el control de la producción mediante las diferentes variables (métricas) del cultivo de manera visual y con un sistema de ayuda para la toma de decisiones», dice Félix J. García.

Entre los objetivos técnicos específicos que planteaba el proyecto destacan los siguientes: establecer métodos para la aplicación eficiente del agua y uso óptimo de fertilizantes; monitorización del estado del cultivo, calibres y estimación anticipada de la producción; y detección temprana de plagas, enfermedades o anomalías.

El investigador de la UMU indica que «la nueva metodología se sustenta en el uso de un panel de control accesible desde cualquier dispositivo, que permite al personal técnico de la Finca acceder a la gestión de las fincas, las imágenes capturadas por los drones, las métricas de cultivo, la detección de plagas o anomalías y, en general, a toda la información de la finca sin necesidad de desplazarse. De esta forma, el personal técnico puede tomar las decisiones sobre la producción de manera precisa, rápida y ágil».

Para obtener las imágenes aéreas se utiliza un dron de ala fija que, con los permisos adecuados, puede volarse a 100 metros de altura sobre las fincas.

El trabajo se centró en lechuga y apio porque su producción se realiza al aire libre y permite fácilmente la aplicación del tipo de tecnologías que han empleado: drones y visión artificial. Además, ambos son cultivos que se plantan en grandes extensiones y presentan los problemas sobre los que trabajaban.

En todo caso, «las técnicas aplicadas pueden ser adaptadas y llevadas a la práctica en otro tipo de cultivos similares (melón, coliflor, etc.)», en palabras de Félix Jesús García.

Estrategias de vuelo
Una vez finalizado el proyecto, los resultados más importantes a nivel técnico son destacados. Desde monitorización sistemática del cultivo mediante la definición de estrategias de vuelo sobre parcelas con cultivos de lechuga little-gem, lechuga romana y apio; al desarrollo de un módulo software para el alineamiento de imágenes a los patrones de cultivo. Este software permite la identificación de bancadas e hileras de cultivo y también el geoposicionamiento de las parcelas de cultivo; pasando por un módulo software para el cálculo de diversas métricas de cultivo. Entre las métricas destacan la estimación del calibre individual de cada lechuga, el número de lechugas por hilera y métricas similares para el apio; un módulo software para la detección de anomalías en el cultivo que pueden ser debidas a plagas, enfermedades, defectos en el sistema de riego, errores en el patrón de cultivo, etc.; hasta un panel de control para la planificación y toma de decisiones agrícolas en base a métricas y anomalías detectadas. Este panel integra los módulos software indicados anteriormente.

«El panel de control y los elementos de interfaz con los usuarios han sido desarrollados por la empresa AngelPlus. En nuestro grupo nos centramos en buscar soluciones a las partes que precisan de un know-how y conocimiento científico más avanzado de las tecnologías, en particular, las relativas a procesamiento de imágenes y la visión artificial», según el responsable del grupo de la Universidad de Murcia.

Asegura que «los algoritmos desarrollados deben realizarse específicamente para cada cultivo, es decir, no puede realizarse un sistema que sea solución para todo tipo de cultivos. Esto supone que las técnicas aplicadas deban adaptarse y desarrollarse en base a las características específicas del patrón de cultivo. Por ejemplo, en el proyecto las técnicas utilizadas para lechuga difieren de las de apio; incluso las aplicadas a lechuga little-gem difieren de las aplicadas a lechuga romana».

Competitividad
Ahora, con los resultados obtenidos los investigadores esperan que Finca La Carretilla mejore su rendimiento productivo, además de disminuir sus consumos de agua y fertilizantes. «Por otro lado, con el apoyo de AngelPlus esperamos que esta solución sea implantada en otras empresas agrícolas de la Región de Murcia y así conseguir unas empresas más competitivas y sostenibles en el sector agroalimentario».

Además de Finca La Carretilla, participa la empresa tecnológica AngelPlus y la empresa de servicios técnicos agronómicos Neurona Ingenieros.

Expertos en visión artificial
El grupo de investigación Computación Móvil y Visión Artificial de la Universidad de Murcia cuenta con una amplia experiencia en materia de visión artificial aplicada. De hecho, tiene proyectos donde aplica la visión artificial para el seguimiento de personas y activos móviles, control de producción en líneas manufactureras y seguimiento de cultivos en invernaderos.

Se trata de un grupo multidisciplinar formado por todos los profesores responsables de impartir docencia en visión artificial y procesamiento de imágenes en la Facultad de Informática de la Universidad de Murcia, pero también con profesores con experiencia en proyectos aplicados de inteligencia artificial, automatización industrial, localización en interiores y ciberseguridad.

Asimismo están comprometidos con la transferencia de nuestros conocimientos a la sociedad y, en particular, a las empresas de la Región de Murcia. Así lo demuestra el hecho de que hayan participado en siete proyectos financiados por el CDTI en los últimos años y la creación de una Empresa de Base Tecnológica (EBT) denominada Bleecker Technologies (bleecker.tech) a finales del año 2019.

En este momento se encuentra en proceso de creación de la Cátedra Universitaria en Industria Inteligente para impulsar la transferencia y los proyectos colaborativos Universidad-Empresa.

Leer más
Agricultura de precisión y sostenibilidad

Historia de la agricultura de precisión

1996
En 1996 Louis van den Borne dio el primer paso hacia la agricultura de precisión. Se probó un sistema de registro que estaba vinculado a un Muller UNI-Control S. La computadora de a bordo UNI-Control-S se puede utilizar durante todo el año, en muchas máquinas agrícolas, para medir (áreas / distancia recorrida), controlar ( a partir de cantidades), verificando y almacenando los datos (Müller-Elektronik, 1994).

Este sistema se compró para que el registro de aspersión se realice automáticamente midiendo el consumo de combustible y los tiempos de las tareas y realizando un registro personal. En combinación con el cálculo del precio de costo y el registro de existencias, este fue un sistema confiable y simple.

1998
La tarjeta con chip de UNI-Control S fue compatible con Comwaes hasta 1998. Cuando MS-DOS cambió a Windows 3.1, Comwaes ya no pudo admitir la tarjeta con chip y el sistema se volvió inútil mientras no se encontrara otra empresa de soporte . Dacom, una empresa que ha estado produciendo registros de cultivo utilizando soluciones TIC avanzadas desde 1980, empleó a un programador que también trabajó con Müller UNI-Control. El mecánico contratado se aseguró de que el sistema permaneciera apoyado, de modo que van den Borne se quedó con el sistema.

En 1998, se dieron los primeros pasos con respecto al registro de límites de campo. ISAplan, un software francés, fue desarrollado para datos geográficos. En este software fue posible procesar datos. Un programa que formó parte de ISAplan fue ISAGPS. Este programa se ejecutó en una PDA, un llamado I-PAC. Los límites del campo se rompieron con este PDA. Debido a que aún no había RTK-GPS, estos límites de campo tenían una precisión de 5 metros.

Luego, los límites del campo se procesaron en ISAplan. No fue posible colocar un fondo detrás de los bordes del campo. Los mapas disponibles solo contienen fondos de los Países Bajos. Las parcelas se distribuyeron por los Países Bajos y Bélgica, por lo que estos mapas no se pudieron utilizar como fondo.

A través de contactos con Dacom a través del sistema Uni Control S, se probó el modelo de enfermedad de la papa de Dacom en 1998. Se instaló una estación meteorológica para esto. El modelo de enfermedad clasifica las parcelas por riesgo. Dacom utiliza un sistema de puntos. Esto se clasificó en prioridad de la fumigación. Las parcelas propensas a enfermedades están en la parte superior de la lista. En combinación con el Müller UNI-Control S, se podrían cargar tareas de control de enfermedades. La computadora de pulverización calculó la cantidad de agente de pulverización por hectárea. La etapa del cultivo, el crecimiento del cultivo y la posición del cultivo aún no se habían ingresado. Ambos pulverizadores que poseía Van den Borne estaban equipados con un UNI-Control S.

2000
Jacob quería trabajar en casa en 2000. Sin embargo, su padre, Louis, le hizo estudiar más. Jacob fue al HAS en Den Bosch. En su tercer año hizo una pasantía en Grimme, donde estaban ocupados con las mediciones de rendimiento. Por lo tanto, los sensores de la cosechadora se probaron en Van den Borne Potatoes, que eran muy buenos. Los sensores se compraron y montaron en la cosechadora de patatas de Van den Borne.

Además, surgió el deseo de cartografiar las parcelas sobre la base de los llamados «mapas del personal» de los Países Bajos y Bélgica. Esto no funcionó en la práctica, porque los mapas fronterizos de ambos países no coincidían. Después de escanear, los límites del campo no coincidieron.

La solución se encontró en Synoptic. Se trataba de una empresa geográfica de Wageningen que vendía mapas satelitales. Estas tarjetas se pueden utilizar como fondo. La desventaja de estos mapas era el hecho de que las carreteras y calles no eran visibles en estos mapas. Para ello, se adquirieron nuevos mapas de carreteras de Tele Atlas. Posteriormente, TomTom se hizo cargo de esta empresa.

2004
En 2004 se adquirió un esparcidor de fertilizante que podía medir la aplicación. Esto hizo posible determinar exactamente cuánto fertilizante se esparció en cada parcela. Esta máquina Rauch pudo distribuir dosis variables a la izquierda y a la derecha a través de ISOBUS. La dosis se puede ajustar manualmente. Todavía no existe ningún software que pueda dosificar controlados por la izquierda y la derecha.

Se compró una sembradora hidráulica Hassia, que permitió un 10% más de plantación en las hileras centrales. Esto tuvo la ventaja de que en las dos crestas próximas a las rutas de aspersión se plantó un 10% más de semillas de papa.

2006
En colaboración con PPL, van den Borne Papa instaló un sensor de humedad del suelo, para poder controlar el riego. Este sistema de riego fue suministrado por Dacom. El sensor de suelo mide la humedad del suelo presente, de modo que se pueda notar rápidamente la escasez.

Debido a que se recopilaron cada vez más datos con diferentes sistemas, Van den Borne eligió el paquete de software Farm Works Software. Farm Works Software permite dibujar mapas previamente, pero también ajustarlos posteriormente. El registro de cultivo también se puede realizar con Farm Works Software. La razón para comprar el software Farm Works fue que podía procesar más datos diferentes de diferentes fabricantes.

2007
Para introducir aún más la agricultura de precisión en la empresa, en 2007 se compró un nuevo pulverizador arrastrado en tándem de Dammann. Este pulverizador estaba equipado con un control de sección mediante GPS. Todo esto fue controlado por medio de ISOBUS, lo que resultó en un gran ahorro en el número de cables que van del tractor al implemento. La operación también fue integrada por ISOBUS.

Este pulverizador tenía un volante con un signo de interrogación en el software, después de lo cual Jacob investigó el significado de este icono. Terminó en Reichardt. Reichardt es un proveedor alemán de sistemas GPS. Suministraron el primer sistema GPS que utilizó D-GPS en combinación con sensores ultrasónicos. Esto hizo posible lograr una precisión de 2 a 3 centímetros.

En la primavera de 2007 iniciamos un nuevo equipo a prueba.
El nuevo equipo es una tijera Lemken Varitansanit 7. Aramos con un Fendt 820 Vario. Este tiene una potencia máxima de 206 CV. El arado fue excelente este año. El nuevo equipo ha demostrado su valía esta primavera. Gracias a un nuevo sistema Lemken que garantiza que el deslizamiento de las ruedas, que es estándar entre el 20% y el 25% durante el arado, se reduce del 3% al 5%, toda la potencia se puede utilizar de manera óptima. Esto permite tirar de un arado de 7 surcos con soportes de suelo y un compactador con un Fendt de 200 CV. Arar los promontorios también es muy fácil. Siempre aramos los promontorios con la parte delantera. Podemos levantar en la última rueda de la rueda trasera para que no ara más. Con este equipo pudimos arar una media de 7 km / h con el sensor de radar (deslizamiento mínimo). El arado tiene un ancho de trabajo de 3,75 metros. Esto equivale a una capacidad durante el arado de poco más de 2. 5 ha por hora. Si contamos el giro y el transporte por carretera, llegamos a una capacidad media de 2,2 ha por hora. Esto le da la misma capacidad que la máquina spading.

2008 La
temporada 2008 ha comenzado con el uso de dos poters Hassia SL +. A mitad de temporada, Miedema presentó el Hassia CP. Esta máquina fue mejorada sobre la SL +. La falta de control, el control de las calles y el depósito de patatas son ejemplos de esto. Estas mejoras aumentaron la precisión del poter.

El pulverizador adquirido en 2007 tenía control de sección mediante GPS con secciones de tres metros y en 2008 estaba equipado con seis Greenseekers instalados por Randy Wilbrink. Son sensores de biomasa que miden la densidad del cultivo mediante reflexión de luz. Dado que cada uno de los Greenseekers tiene su propia fuente de luz, se pueden realizar mediciones tanto durante el día como durante la noche. Los datos útiles de los Greenseekers se expresan en NDVI, Índice de vegetación de diferencia normalizada. Estos datos se procesaron en Farm Works Software.

2009
Después de la fase de prueba del Hassia CP en 2008, se compraron dos Hassia CP en 2009. El sistema GPS de Reichardt se amplió con RTK, Real Time Kinematic. Esto mejoró la precisión del sistema GPS a una desviación de 2 centímetros. Esto hizo que los sensores ultrasónicos fueran superfluos y aumentara la facilidad de uso. Ahora no era necesario montar sensores ultrasónicos adicionales en el tractor ni transportarlos por los campos. El sistema GPS también se amplió con un piloto automático. Esto permitió que dos tractores trabajaran en el mismo campo al mismo tiempo, sin superponerse. Una segunda ventaja fue que las patatas ahora están exactamente en la parte de atrás. Como resultado, se pueden producir menos daños durante la cosecha. El sistema de hileras rectas permitió al conductor concentrarse mejor en los alfareros, mejorando aún más la calidad del trabajo de siembra.

Desde 2009 también utilizamos sensores de humedad del suelo. Estos sensores miden la cantidad de agua que queda en el suelo. Al medir la humedad en el suelo, podemos elegir un momento óptimo de riego, que evita el estrés de las plantas y el agua se utiliza de manera eficiente.

Debido a que el Greenseeker solo puede medir el NDVI, Van den Borne Potatoes buscó otro sensor comparable que pudiera medir múltiples longitudes de onda. En la Agritechnica de Hannover se estableció contacto con Fritzmeier.

2010
Desde 2010, se ha utilizado un vehículo Probotiq autónomo para escanear el suelo. Con este vehículo, un Kubota, se escanea la parcela para escanear el suelo. Debido a que este vehículo tiene RTK-GPS, los límites del campo tienen una precisión de 2 centímetros. Una vez que se han roto los límites de la parcela, el Kubota puede conducir de forma independiente en esta parcela. El programa Crop-R se utiliza para mapear todas las parcelas. Este programa de registro de cultivos puede realizar un seguimiento de todas las acciones en todos los lotes, de modo que los empleados puedan encontrar fácilmente los lotes, pero también pueden registrar todas las acciones.

El Kubota, que fue adquirido en 2010, fue parte de un proyecto que PPL llevó a cabo junto con WUR. Para ello, Van den Borne Potatoes compró el EM-38MKII. El proyecto de PPL incluyó un problema de rendimiento potencial basado en la conductividad del suelo.

Después de la conversación con Fritzmeier en Agritechnica, en 2010 se llevó a cabo una prueba colocando todos los sensores de cultivo disponibles en la barra de pulverización. Además del Fritzmeier, estos sensores fueron el YARA-N-Sensor, el OptRx y el Greenseeker. De hecho, después de un año de prueba, Fritzmeier demostró ser el sensor de cultivos más confiable.

La cosechadora de patatas estaba equipada con nuevos sensores. Los sensores de Grimme fueron reemplazados. Los nuevos sensores de rendimiento que se montaron en el AVR Puma pudieron
mapear con precisión el rendimiento.

Para poder tomar medidas de rendimiento, se utiliza un monitor de rendimiento específico y avanzado. Este monitor, llamado YieldMaster PRO, fue desarrollado por Van de Borne Potatoes en colaboración con Probotiq. El YieldMaster PRO funciona de la siguiente manera: los sensores de pesaje están montados en la cosechadora de patatas. Estos sensores de pesaje están montados debajo de una cinta transportadora en la cosechadora. Las patatas que se cosechan pasan por esta cinta y van al búnker de almacenamiento en la cosechadora. Los sensores de pesaje miden el flujo másico de las patatas que pasan por la cinta transportadora hasta la tolva de la máquina. Los datos de esta medición se combinan con la velocidad de conducción de la cosechadora, la velocidad de la cinta y la información del GPS. Al hacer esta combinación, se pueden hacer mapas de rendimiento precisos y específicos de la ubicación. Además de los mapas de rendimiento,

2011
El Hassia CP, que estaba equipado con control de sección, fue controlado por GPS en 2011. El software, el HMI GPS planting Comfort, se ha instalado y garantiza que los cuatro elementos de plantación se enciendan y apaguen en el momento adecuado. Primero, los contornos de la parcela se dividen. Luego, la parcela se puede plantar y el software asegura que las secciones del macetero estén encendidas. Además, la distancia entre las piernas era infinitamente variable.

Durante la cosecha, se realizó por primera vez una medición de rendimiento con la trituradora de la empresa contratante Reyrink de Diesen. Esto se hace mediante un sistema de medición de rendimiento justo después de la recogida y una medición de materia seca en la tubería. La intención era mapear la parcela de prueba de pasto para optimizar posteriormente la fertilización.

Sin embargo, después de una investigación, parece que las mediciones de rendimiento mediante el corte de pasto no son confiables. El césped que se encuentra en 1 m2 se divide en un terreno de 117 m2 al cortar y sacudir. Al rastrillar, la misma hierba se divide en 2 hileras. Por tanto, esta investigación ha demostrado que la hierba que se está cortando no ha crecido en el mismo lugar.

Los drones se volaron por primera vez. El programa Nederland van Boven explicó cómo funciona esto. Las cámaras multiespectrales muestran qué áreas de tierra necesitan más o menos fertilización. Esta cámara puede medir múltiples anchos de banda de reflexión de la luz, lo que permite medir la masa de hojas y la vitalidad de los cultivos. Esto sucedió con un avión de Aura Imaging. Sobre la base de estas imágenes de la cámara, se pulverizó follaje variable hasta la muerte por primera vez, a través del ISOBUS del pulverizador.

2012
Para poder aplicar aún más fertilización específica del sitio, Danny Goris, trabajador contratado en Dessel (BE) compró un esparcidor de estiércol de tres ejes, que podía leer tarjetas de tareas. Esto hizo posible esparcir estiércol sólido variable. La razón de esto fueron las diferencias en las parcelas medidas por el EM-38MKII.

La esparcidora de fertilizante se equipó con una instalación de pesaje en 2012. Esto permitió calcular exactamente cuánto fertilizante se esparció y en qué cantidad por ubicación.

La segunda innovación con las patas de patata fue el uso de mapas de sombras. Las papas se esparcieron más a la sombra porque el rendimiento a la sombra ya es menor. Por tanto, es mejor invertir en fertilización, menos compactación y otros factores en lugares con mayor potencial de rendimiento que en lugares donde no hay gran potencial.

Se adquirió un nuevo pulverizador Dammann, que tenía doble tanque con sistema de inyección directa. Esto permitió combinar fertilizantes y productos fitosanitarios, pero dosificarlos por separado. El sistema de inyección directa significa que los fertilizantes y productos fitosanitarios se inyectan directamente en la tubería, para que no queden residuos en los tanques. Este pulverizador también estaba equipado con control de sección por tapa. Se compraron seis sensores Fritzmeier y se montaron en la pluma.

Se compraron nuevos sensores Fritzmeier y se colocaron en un caballete en el varillaje delantero. El esparcidor de fertilizante podría controlarse directamente de esta manera, sin tener que cargar primero los datos en el software Farm Works para crear tarjetas de tareas. Esto se hizo a través de un sistema en línea usando ISOBUS. En combinación con la nueva instalación de pesaje que se construyó en el esparcidor de fertilizante, fue posible ver inmediatamente cuánto fertilizante se esparció por ubicación.

Jacob también compró el primer dron este año. Esto se refería al Parrot AR Drone. Este dron se utilizó principalmente como dron de práctica. Jacob usó esto para hacer videos de las máquinas.

Las remolachas se cosechan por primera vez con un Grimme Maxtron de Loonbedrijf Van Eijck equipado con sensores de rendimiento. Las diferencias de rendimiento se utilizan para ajustar la fertilización en primavera.

2013
Después de que se comprara el primer dron en 2012, fue reemplazado en 2013 por el DJI Phantom I. Jacob también usó este dron para practicar el vuelo. Usó una lente recta en lugar de una Gopro para tomar fotos y videos. Fue uno de los únicos en Holanda.

Por primera vez se han realizado pruebas con aderezo en las patatas utilizando los sensores de cultivo Fritzmeier con el pulverizador Dammann. Resulta que todavía hay mucho que ajustar para aplicar una buena fertilización. Las reglas de cálculo de Fritzmeier aún no se han desarrollado lo suficiente como para brindar buenos consejos.

2014
Como Agrometius se convirtió en un distribuidor de Veris, Jacob quiso probarlo en su campo para probar y comparar el Verisscan de Agrometius y el EM-38 de Geonics. El Verisscan funciona de una manera ligeramente diferente, es decir, destructiva. Esto permite medir el pH del suelo. Sin embargo, se necesita un disparador mucho más pesado para realizar este escaneo.
Los resultados de la prueba se detallan en la siguiente tabla.

propiedad / escáner Dualem EM-38MKII Verisscan
Profundidad 0,5 – 1,0 m 0,3 – 0,9 m
pH No si
Conductividad del suelo si si
Tractor Kubota 50 paquete Tractor 150 pk
Exactitud 5 metros 10 metros
Destructivo No si
También se realizó una prueba con Miramap. Miramap se especializa en detectar la humedad. El escáner que se encarga de esto es el Mirascan. Se trata de un radar de onda larga que detecta la presencia de humedad en el suelo mediante bajas frecuencias.

A finales de 2013, se decidió adquirir un pulverizador autopropulsado Dammann de tres ejes con doble depósito. Estos tanques juntos tenían una capacidad de 12000 litros. Este pulverizador también estaba equipado con seis sensores Fritzmeier. El control de sección que se instaló envió la jeringa por tres tapas. La jeringa en tándem que se compró en 2012 también se convirtió nuevamente en control de sección por tres boquillas. El control de sección por cap no proporcionó los beneficios esperados. Para demostrar el funcionamiento de los controles de sección, se cubrió un prado que se iba a rociar hasta matarlo con el logotipo de Van den Borne Potatoes.

El maíz se cosechó este año con un flujo Case Axial. Los hermanos Loonbedrijf Vermeulen de Bladel compraron esta máquina que estaba equipada con un sistema de rendimiento. Esto hizo posible notar diferencias en las parcelas, que también eran claramente visibles. La fertilización podría entonces ajustarse en primavera.

El DJI Phantom I fue reemplazado por la nueva versión, el DJI Phantom II. Esto tuvo una serie de mejoras en comparación con la primera versión, como una mejor batería. También voló por primera vez con un Sky Hero, que podría usarse para karting. Estas tarjetas fueron «cosidas». Esto significa que las fotos tomadas por Sky Hero podrían vincularse entre sí, creando un mapa grande. El Sky Hero también estaba equipado con navegación por puntos de referencia, lo que hacía innecesario volar con un control remoto.

Además, en 2014 se realizó un hermoso video sobre agricultura de precisión en Van den Borne Potatoes. Este video se muestra a continuación.

2015
El Dualem EM-38MKII pudo medir la conductividad a 0,5 metros y 1 metro de profundidad. Sin embargo, las capas perturbadoras pueden estar mucho más profundas en el suelo. El Dualem 21S se adquirió en 2015. Este escáner de fondo es capaz de tomar medidas a cuatro profundidades diferentes, a saber, 0,5 metros, 1 metro, 1,5 metros y 3 metros. Esto permitió realizar un escaneo más preciso.

Bert Rijk realizó una prueba con el Ebee. El eBee es un UAV ligero y controlado automáticamente, adecuado para tomar fotografías aéreas. Con la cámara de alta resolución de 16MP, el eBee captura imágenes con una resolución de suelo de 3 a 30 cm por píxel. El eBee no solo toma ortofotos, sino que también ve fotos (Sensefly, 2015).

El eBee se lanza a mano. Debido a que las alas se pueden desmontar fácilmente, el eBee es fácil de transportar.
El propio Jacob reemplazó su DJI Phantom II en 2015 con el DJI Inspire 1. Este es un quadcopter que puede volar un máximo de 3 kilómetros a una velocidad máxima de 80 km / h. El tren de aterrizaje puede colapsar, permitiendo que la cámara que está debajo gire 360 ​​grados. También se puede ver en vivo con este dron a través de una aplicación en un teléfono inteligente. Incluso se pueden conectar dos controladores, para que alguien pueda volar y alguien pueda operar la cámara. (DJI, 2015) Este dron también estaba equipado con navegación por puntos de referencia. Los campos todavía se midieron con fotos RGB. Estas fotos se utilizaron para contar plantas y calcular el crecimiento por mancha.

En 2015 se adquirieron varios sensores nuevos. En primer lugar, Van den Borne compró 12 nuevos sensores de humedad del suelo de Dacom. Estos sensores se colocan en diferentes parcelas, de modo que se envíe información precisa a Crop-R.

Lemken había diseñado un nuevo equipo que apoya ISOBUS. Como resultado, el control de cambios se integró en la terminal ISOBUS CCI. El equipo en cuestión es el Lemken Juwel con Fixpack. El sistema Geoplough X se ha desmontado desde entonces. La compactación de los campos se mide ahora sobre la base del control de la fuerza de tracción.

La empresa danesa Fasterholt vino a visitarla después de que escucharan en una conferencia que Van den Borne Potatoes ha estado trabajando en la aspersión de precisión durante varios años. Preguntó si Van den Borne quería pensar en una aplicación en sus máquinas. Fasterholt fabrica carretes de riego autopropulsados. Uno de ellos fue probado en 2015. Después de una semana se decidió comprar un segundo carrete.

La pluma que se compró en 2014 se montó luego en un carrete autopropulsado. Esto aumentó la capacidad y consumió menos energía. Las mangueras del carrete también son más delgadas, ya que ya no es necesario tirar de ellas.

Para un proyecto de PPL, se colocaron 3 nuevas cámaras con detección de tara en el nuevo AVR Puma. Inicialmente estaba destinado a detectar taras como terrones y piedras. En la práctica, resultó que las cámaras podrían usarse para medir parámetros de calidad, como la longitud y el grosor de las patatas. Este proyecto también fue financiado por PPL y ejecutado por Probotiq.

2016
En la primavera de 2016, los pulverizadores Dammann regresaron a la fábrica para actualizar el hardware y el software. Esta actualización pone a disposición de los pulverizadores una serie de nuevas opciones. El control de curvas y el nuevo control de brazo neumático e hidráulico con 4 sensores ultrasónicos son ejemplos de ello.

La fertilización se llevó a cabo en primavera con un Vervaet equipado con un sensor NIR. Este sensor es capaz de medir el nitrógeno presente en tiempo real. De esta forma, la fertilización ya no es por metro cúbico, sino por contenido de nitrógeno. Por ejemplo, el nitrógeno se distribuye uniformemente por el campo o se orienta a tareas.

Se han encargado dos nuevos drones. Estos son el Foxtech D130 y el Avular. La Foxtech D130 está equipada con una cámara Micasense. Este dron también es capaz de transportar cargas pesadas, lo que permite colgar varias cámaras y sensores más pesados ​​debajo. El Avular, que se espera para finales de 2016, estará equipado con una cámara hiperespectral y RTK-GPS. Esto hace que las mediciones sean aún más precisas. Los drones ahora se pueden usar si los mapas de los sensores cercanos y los mapas de satélite no brindan suficiente información sobre lo que está sucediendo en el campo. Al sobrevolar la trama con el dron, se da rápidamente una mejor impresión.

Ahora también está montado un sensor gamma en el Kubota. Este sensor mide elementos que responden a la radiación radiactiva mediante radiación gamma. La investigación ha demostrado que Kali es un elemento que reacciona fuertemente a esto. Dado que Kali es un elemento importante para la planta de papa, tiene sentido conocer la presencia de Kali en el suelo.

En 2016, los hermanos Jan y Jacob decidieron reemplazar el brazo de carrete montado anteriormente por la pistola rociadora tradicional. El árbol de aspersión era muy sensible al mantenimiento y, dado el riego de los pozos, esta no era una opción.

2017
Además de todas las exploraciones del suelo que hemos realizado y analizado en los últimos años, también hemos comenzado a analizar si se podrían medir más parámetros en el suelo. Hemos visto muchos problemas en el suelo en los últimos años, pero siempre fue sorprendente que el mayor problema fuera la compactación del suelo. También queríamos poder medir el grosor del perfil, porque esto puede marcar una gran diferencia en la profundidad de enraizamiento y, en última instancia, en el potencial de rendimiento. Para medir estas 2 cosas, compramos el Fritzmeier profi 60 en el verano de 2016. Este es un dispositivo de muestreo de suelo que podría medir la resistencia del suelo y la profundidad de la banda de rodadura mientras simultáneamente toma muestras de suelo a 3 profundidades diferentes. El primer plan era acoplar esta broca a la kubota, pero durante la temporada descubrimos que no tenía suficiente potencia para hacer funcionar el taladro. Decidimos en el otoño de 2016 comprar un tractor pequeño para esto. Para poder utilizar todas las posibilidades de nuestro sistema Probotiq, pronto se nos ocurrió un Fendt vario 210 P.

El fendt 210 p vario que hemos comprado está equipado con el paquete autónomo percisionmakers. Esto permite que el tractor realice el trabajo de escaneo de forma completamente autónoma sin conductor. El sistema también permite conducir exactamente a las ubicaciones de muestra calculadas y perforar un agujero aquí.

El sistema está construido de tal manera que después del escaneo con el doble 21h, los datos registrados se utilizan para calcular la ubicación de muestreo y luego conducir allí de forma autónoma. Este sensor de suelo Dualem es capaz de medir la parcela en 6 profundidades diferentes. También montamos el sensor Medusa Gamma debajo de la sembradora para medir la textura del suelo. (piense en la fracción de arena / arcilla, luttem y materia orgánica)

Después de probar con un Ebee en 2015, en 2017 se decidió comprar un Ebee. El Ebee se utilizó junto con una cámara 4c multiespecificación con la que se podían mapear las parcelas. Además de comprar el Ebee, en 2017 también se compró el dron Insprie 2. Este dron tiene una cámara de 24 megapíxeles con la que se pueden mapear las malas hierbas en parcelas.

En 2017 trabajamos por primera vez con la trituradora de estiércol de Louis Deenen. Este año ha adquirido una nueva trituradora de estiércol de 3 ejes de Tebbe con sistema de pesaje y la posibilidad de romper estiércol variable mediante tarjetas de tareas. Debido a que no queremos depender de una máquina, este año intentamos fertilizar esta máquina de manera variable en función de nuestros escaneos de suelo.

Para acelerar la adopción de la agricultura de precisión en los Países Bajos, se ha establecido el Centro de prácticas para la agricultura de precisión. Con estas innovaciones, nos dirigimos a un menor uso de agua, minerales, productos fitosanitarios y recursos para lograr un mayor rendimiento (cualitativo y cuantitativo). Los grupos de innovación con agricultores arables, productores de frutas y arboricultura, productores de hortalizas a campo abierto y otros cultivos abiertos son fundamentales. Junto con los grupos de innovación, se está trabajando intensamente durante tres años para probar las técnicas e interpretar los datos en la práctica. También analizamos cómo las innovaciones y los datos disponibles se pueden utilizar para sus operaciones comerciales.

2018
En 2018 se volvieron a realizar inversiones en un dron en el que se adquirió el Matrice 210. Este dron tiene tres cámaras que fueron las siguientes, la térmica x4s también llamada FLIR, una cámara de 20 megapíxeles y una cámara RBG. Con la cámara FLIR, se podían obtener imágenes térmicas de un campo con las que se podía comparar si una infestación por Phytophthora estaba relacionada con la temperatura del cultivo.

En 2018, se decidió comprar un tanque de estiércol de turbera para esparcir purines sobre parcelas cultivadas con papas van den Borne. Este tanque de estiércol era un tanque de nutriflow con el que es posible analizar los datos del estiércol. El tanque de estiércol nutriflow puede analizar el estiércol del pozo de estiércol, pero también durante el esparcimiento. Es posible incluir nitrógeno, potasio, fosfato, materia seca y amonio.

Para analizar los campos muestreados de manera más eficiente, van den Borne compró la clasificadora inteligente en 2018. Este robot es capaz de analizar muestras de tubérculos para determinar su altura, clasificación por tamaño y peso bajo el agua. Con la compra de la clasificadora inteligente, el análisis de las muestras de patata se automatiza y el trabajo manual es cosa del pasado.

En 2018, se puede leer un artículo interesante sobre la agricultura de precisión de las papas Van den Borne en National Geographic .

En 2018, el último sistema GPS Trible RTK en Van den Borne desapareció de la granja. Todos estos han sido reemplazados por el sistema GPS Fendt. El siguiente video muestra cómo trabajar con el GPS Fendt.

2019
Para monitorear aún mejor las parcelas durante la temporada de crecimiento, en 2019 se compró la cámara micasense Altum. Esta cámara se construyó en el dron inspire 2 con el que se pueden monitorear las pruebas y las parcelas durante la temporada de crecimiento.

En 2019 cambiamos nuestra antigua esparcidora de fertilizantes Rauch por el último modelo. Técnicamente, este esparcidor de fertilizantes ha mejorado mucho, pero también hay algunas opciones nuevas en el campo del software. Por ejemplo, ahora podemos esparcir cantidades de izquierda a derecha por separado a través de una tarjeta de tarea.

También este año cosechamos 3 pumas 3. Ambas máquinas fueron equipadas con AVR Connect este año. este es un módulo de comunicación que reenvía todos los datos de la cosechadora (incluida la medición del rendimiento) a la nube AVR. Todos estos datos se hacen visibles en el portal web AVR Connect, lo que facilita la gestión de la cosecha. Todos también pueden ver dónde están las cosechadoras y, por ejemplo, cuánto combustible les queda.

Además, se han realizado inversiones en una máquina spading Imants con un ancho de trabajo de 6 metros. El deseo es aplicar la agricultura de control de tráfico a todo el cultivo, por lo que el ancho de trabajo se amplía a 6 metros. Al aplicar este principio, se reduce la compactación del suelo, de modo que la vida del suelo se salva en gran medida.

En 2019 también se realizaron inversiones en el programa Raindancer. Raindancer garantiza que el agua se utilice de forma sostenible. Cuando se usa Raindancer, se coloca una ubicación GPS en la pistola rociadora con cambio automático de sección. Esto controla automáticamente el ancho de la pistola rociadora, lo que evita la superposición y el desperdicio de agua.

En 2019, también se construyeron cámaras hiperespectrales especiales en la cosechadora de patatas. Estas cámaras pueden escanear las patatas recolectadas en busca de longitud y tara. La cámara está montada en la parte superior de la cinta de llenado de combustible.

2020
Con el fin de hacer que las medidas de cultivo relativas a la pulverización de productos fitosanitarios sean aún más eficientes, en 2020 se decidió construir un nuevo tipo de tecnología de pulverización para el Dammann arrastrado. Se eligió la técnica PWM, Puls Width Modulation, mediante la cual la jeringa por tapón se puede controlar cada 50 cm. Con la técnica PWM, las boquillas se encienden y apagan de 10 a 100 veces por segundo. Debido a la gran variación, es fácil cambiar la entrega además del control por tapa. Con la pulverización en curvas, el pulverizador ahora también se puede ajustar automáticamente, con más pulverización en la curva exterior que en la interior. De esta forma se puede obtener un patrón de pulverización óptimo.

En 2020 también compramos un esparcidor de abono de 3 ejes que puede leer y esparcir tarjetas de tareas. De esta forma podemos adaptar el abono regalo al suelo para crear un surco de construcción óptimo.

A partir de 2020, como patatas van den Borne, queremos aplicar un sistema CTF, control del tráfico agrícola, en el que se cultive la mayor cantidad posible en líneas de tranvía. Con la compra de la sembradora de rueda Imants ahora podemos sembrar abonos verdes y granos con un ancho de trabajo de 6 metros. Con la compra de esta máquina, tenemos un ancho de trabajo de 6 metros, por lo que compactamos menos terreno por hectárea. Al contrarrestar la compactación del suelo, la vida del suelo se mantiene mejor y tratamos de obtener un suelo resistente.

En 2020, compramos un nuevo sensor Dualem, el Dualm 1 HS, con Soilmasters, que incluye patatas van den Borne. Este sensor facilita el mapeo de huertos donde se toman medidas a 4 profundidades diferentes.

Con los últimos desarrollos con GPS, ahora también es posible dejar que el tractor circule por las curvas de forma autónoma. Durante la aplicación del fertilizante, esto se registra en un video.

Leer más
Agricultura de precisión y sostenibilidad

Cómo la Big Data está revolucionando la agricultura y la cadena de abastecimiento

La agricultura está enfrentando una revolución con la integración de herramientas y sistemas de decisiones potenciados por Big Data. Los agricultores de subsistencia necesitan subirse a esta tendencia para acortar la brecha en los rendimientos. Los agricultores grandes necesitan aumentar rendimientos y bajar costos. Y los consumidores exigen alimentos más saludables. Los datos se están utilizando en el mundo agrícola para aumentar la eficiencia y al mismo tiempo disminuir el impacto sobre el medioambiente. La capacidad computacional moderna ha permitido aumentar la capacidad de recolectar, intercambiar, procesar y sintetizar datos de una forma tal que está impactando en todo el ámbito agrícola: maquinaria agrícola, optimización de semillas, fertilizantes e insumos, riego y gestión predial. Para poder obtener valor de la Big Data, esta debe ser procesada y analizada a tiempo y sus resultados deben estar disponibles para tomar decisiones en las operaciones agrícolas. La efectividad en su uso también está relacionada con tener una combinación acertada de gente, procesos y tecnología. Según el informe sobre inversiones de AgFunder, más de 500 startups de agricultura y alimentos levantaron US$4.600 millones en el 2015. La revolución de la Big Data se encuentra en sus inicios y es difícil predecir cómo va a estar en dos años más. Todavía nos situamos en la etapa de la adopción temprana, con grandes éxitos pero al mismo tiempo con muchas empresas que no logran superar el veredicto del mercado. Los productos basados en máquinas que aprenden serán exponencialmente mejores en la medida que más usuarios se unan. Vonnies Estes, consultora independiente con base en California, escribió este artículo para New Ag International.

PRÁCTICAS AGRÍCOLAS BASADAS EN DATOS: MEJORES RESULTADOS
La producción agrícola es muy compleja ya que interactúan la biología, el clima y las acciones humanas. Los productores han adoptado tecnologías de precisión en los años recientes. Con la disponibilidad de GPS y de otras tecnologías, los productores pueden hacer seguimiento a los rendimientos, guiar y controlar las máquinas, monitorear las condiciones del campo y gestionar los insumos a niveles muy precisos dentro de los campos, aumentando de esta manera la productividad y la rentabilidad.

Al mismo tiempo, los datos se van acumulando en conjuntos tan grandes y complejos que no pueden ser estudiados sin software. Los datos per se no pueden generar ideas ni visiones; por lo tanto, se requieren servicios de consultoría y análisis para ayudar a que los productores saquen provecho de las enormes cantidades de datos que recolectan. Las aplicaciones de software basadas en sistemas de máquinas aprenden a través de sus interacciones con datos, aparatos y las personas. Y a medida que van aprendiendo, generarán grandes oportunidades para tomar mejores decisiones dentro de los campos. Las empresas de Big Data pueden evaluar muchísimas variedades genéticas, agroinsumos y condiciones en cuentos de campos, suelos y climas. Pueden realizar ensayos de campos en tiempo real en millones de hectáreas. Esto entrega a los agricultores información para optimizar las siembras, a nivel de cada planta en suelos y climas específicos. Por ejemplo, en la protección de los cultivos esto implica que se podrá llegar a aplicaciones específicas para cada planta o zona de un predio.

¿POR QUÉ AHORA?
La Big Data ha sido usada en otros mercados desde hace algún tiempo. Son numerosos los factores que han empujado esta tecnología hacia la agricultura. En primer lugar, hay capital disponible para desarrollar la tecnología: muchos inversionistas en empresas de Big Data están buscando nuevos mercados donde aplicar sus tecnologías. Y la agricultura se presenta como un mercado enorme donde incorporar innovación. El segundo factor es la integración en la cadena: los cambios disruptivos provienen de conectar innovaciones en múltiples áreas: integrando los avances en ingeniería genética, insumos físicos, tecnologías de información y máquinas inteligentes. Los productores podrán crear prescripciones a la medida de semillas, fertilizantes y pesticidas. Las máquinas inteligentes podrán ejecutar los tratamientos prescritos y al mismo tiempo recolectar más datos para entregar retroalimentación al agricultor.

El tercer factor (o “driver”) es que la agricultura se caracteriza por tener bajos márgenes en grandes volúmenes. Los márgenes estrechos e incluso los ingresos negativos en los campos están impulsando a los grandes productores industriales a buscar formas de ahorrar tiempo y dinero al tener mejor información accesible para tomar decisiones a escala. La cuarta razón es porque la Big Data es una tecnología accesible y cada vez mejor: la disponibilidad de banda ancha y el cloud computing ha logrado tener cobertura y superar el umbral de costos de manera de poder proveer de internet de las cosas a los campos, ofreciendo una infraestructura de datos a partir de la cual se puede trabajar. Este nuevo nivel de capacidad de análisis y captura de datos permite optimizar la práctica de agricultura de precisión. Y, finalmente, esta tecnología llega en un momento en que la humanidad necesita imperiosamente aumentar la producción de alimentos en un 60% en los siguientes 40 años, de forma sustentable. Al usar pesticidas y fertilizantes de forma más eficiente se mejora la calidad del aire y el agua, lo que beneficia también a suelo. La recolección y análisis de estos datos tiene un gran potencial para reducir la contaminación generada por la agricultura.

LA ADOPCIÓN TODAVÍA ES LENTA A NIVEL DE CAMPO
Pese a toda la moda y la cobertura mediática, la adopción de esta tecnología todavía es lenta a nivel de campo. El éxito dependerá más de la velocidad de adopción que de las capacidades de la tecnología. John Mewes, un agricultor de Dakota del Norte señala:

“Todavía estamos en la infancia de cómo se puede usar la data en la producción agrícola, aunque ya hemos tenido avances exitosos. El ejemplo más obvio es el aumento en la siembra variable y en la fertilización variable, basados en datos de rendimientos que se han recolectado por años. Y mientras esto es claramente un paso en la decisión correcta, esto sigue estando lejos de la perfección porque un sector productivo de un campo puede serlo durante un año y al año siguiente bajar debido al clima o al cultivo. ¿Cómo debemos tratar esas áreas? Incluso si tenemos zonas que siempre se comportan bajo el promedio, las tecnologías actuales no buscan determinar cómo hacer los cambios operativos para hacer esas zonas más productivas. Las herramientas actuales sencillamente ayudan al agricultor a ser más específico en el uso de los insumos, basados en la productividad histórica de esa zona del campo”.

Los potenciales beneficios del uso de Big Data en agricultura son obviamente grandes pero todavía no se han logrado poner en práctica algunos requisitos básicos como (1) encontrar beneficios y valores cuantificables; (2) desarrollar nuevos canales de ventas y servicios para estos productos; (3) los costos en dinero y tiempo son muy altos para integrar los productos a la operación y (4) el lanzamiento de productos y su marketing muchas veces no van en concordancia con la estacionalidad de la agricultura.

FOCO EN LA TECNOLOGÍA Y NO EN EL BENEFICIO PARA EL AGRICULTOR: UNO DE LOS VARIOS PROBLEMAS DE ADOPCIÓN
Tanto los agricultores como los capitalistas de riesgo opinan que muchas veces el foco está en la tecnología y no en cómo estas tecnologías ofrecen valor a los agricultores. Los agricultores señalan que muchas veces el diseño de los productos no los considera. Muchos desarrolladores de tecnología no entienden que la parte más difícil de la tecnología agrícola no es la tecnología en sí, sino que la gestión del campo y el acceso al mercado. Esta falta de conocimiento se manifiesta en productos que no generan valor y en modelos de negocios fallidos. Tiempo vs. Valor es otro tema en la adopción de estas tecnologías: meterse en nuevas tecnologías consume tiempo. Y los agricultores están teniendo experiencias mixtas en términos de tiempo destinado y el valor que obtienen. Los agricultores están enfrentando una “fatiga por las apps” (“app fatigue”) debido a que muchos desarrolladores de Silicon Valley visitan los campos con las nuevas apps. John Mewes indica:

“Uno de los problemas que estamos enfrentando es que hay muchas aplicaciones con un solo uso. La mayoría de los campos tienen varios cultivos y cada uno de ellos requieren una serie de decisiones que debemos hacer durante el año. Y los agricultores ya trabajan largas horas durante el periodo del año en que esas decisiones se deben tomar. Sencillamente no tenemos el tiempo para saltar desde una aplicación a otra para cada decisión, especialmente cuando muchas de estas aplicaciones requieren que las alimentemos con mucha información antes de empezar a usarlas. Este esfuerzo redundante de tener que alimentar una o varias aplicaciones con mucha información, es uno de los principales factores que detienen la adopción de muchas nuevas tecnologías, especialmente de aquellas que, pese a que se ven promisorias, todavía no han sido probadas ampliamente en el mercado”.

Entregar ideas, visiones, no solo datos es el mayor desafío para los proveedores de este mercado, si quieren ser exitosos a nivel de campo. La cantidad y calidad de los datos es a veces insuficiente para que los agricultores hagan comparaciones válidas y útiles. E incluso cuando esta data es generada, muchas veces es incompatible con otros datos de otras fuentes. Esta incompatibilidad generalizada de datos ha hecho que en general la información no sea accesible para los agricultores. Muchos proveedores de tecnología están ofreciendo partes del sistema, lo que hace muy difícil para el usuario final elegir qué piezas implementar. Debemos llegar a un punto donde todo trabaje en armonía y ofrecer una experiencia simple de automatización para tomar decisiones. Otro factor que muchas veces es mirado en menos es la desconfianza. Muchos agricultores no están dispuestos a entregar la información de sus campos. Temen que los agentes reguladores tengan acceso a la información de los campos sin su consentimiento. En un estudio realizado por la American Farm Bureau, cerca del 76% de los que respondieron señalaron que estaban preocupados que terceros pudieran utilizar sus datos para especulación sobre commodities, sin su consentimiento. No quieren que los datos terminen en las manos de competidores o en empresas de insumos (semillas, químicas, fertilizantes), que pueden usar esa información para vender más. Los agricultores estarán más dispuestos a compartir su información cuando utilizan las herramientas, las herramientas están más integradas y hay una demostración del valor que generan. Las empresas que no tengan intereses creados en los resultados de los análisis, serán en las que los agricultores confíen más. Mewes señala:

“El potencial para mejorar la productividad agrícola apoyándose en los datos es enorme. Lamentablemente, gran parte de los beneficios potenciales no se pueden obtener solo con la data de un solo campo. Para desarrollar modelos o herramientas de apoyo a las decisiones, se requieren grandes cantidades de datos para poder separar la señal del ruido, y para comprender adecuadamente cómo operan las diferentes combinaciones de factores. El foco de la industria sobre la propiedad de la información, pese a que es bien intencionada, impide seriamente la habilidad colectiva de obtener todos los beneficios que se pueden obtener a partir de los datos colectivos. Debemos encontrar un término medio donde los agricultores tengan el incentivo de contribuir a un conjunto abierto y colectivo de datos que permitan dar el salto en la eficiencia agrícola. Los agricultores deben preguntarse también de qué les sirve tener sus datos en un disco en algún lugar, para que no sea usada y finalmente borrada”.

EL FUTURO SE VE PROMISORIO SIN LA TECNOLOGÍA SE ADAPTA A LAS NECESIDADES DE LOS CULTIVOS
La tasa de adopción de nuevas tecnologías sigue aumentando, pese a los bajos precios de los commodities. Un estudio reciente realizado por Robert Hill de Caledonia en Estados Unidos, calculó que entre 2013 y 2019 los agricultores van a duplicar el número de tecnologías que emplean. Cerca de un 25% de los grandes agricultores planean aumentar sus inversiones en nuevas tecnologías agrícolas y tecnologías de datos para la agricultura, según una encuesta realizada a 300 agricultores del Medio-Oeste que tienen cada uno al menos 1.500 acres bajo su gestión. El Dr. Hill postula que este es el inicio de una “Tercera Ola” en la agtech moderna, luego de la introducción de las semillas genéticamente modificadas y los equipos dotados con GPS. Será clave enfatizar la facilidad de uso y la compatibilidad de los sistemas si los proveedores quieren ser exitosos a nivel de campo. Con la proliferación de múltiples vendedores con diferentes piezas del puzle en desarrollo beta, uno puede entender por qué es tan difícil para el agricultor poder tomar decisiones sobre qué tecnología incorporar. Ese es en general un síntoma de las nuevas tecnologías y deberá mejorar. Los vendedores comenzarán a trabajar en conjunto y la información será más utilizable para todas las áreas de la gestión agrícola. Las tecnologías y productos que encajen con las actuales operaciones van a ser adoptadas con rapidez. John Mewes:

“Lo que necesitamos es que la data fluya fácilmente y tenga pocos obstáculos, y así po der usar esa información para desarrollar herramientas efectivas que nos permitan tomar decisiones agrícolas. Todos tenemos algo que hacer para que esta industria avance. Los fabricantes de equipos necesitan trabajar para mejorar la calidad de la información recolectada y remover las barreras a la recolección, diseminación y a compartir la información. Los agricultores y las empresas de aplicaciones deben hacer un mejor trabajo manteniendo y calibrando las plataformas de recolección de datos y estar más dispuestos a compartir la información (quizás de forma anónima) por el bien común. Las empresas de semillas y químicas deberían ayudar también al abrir la información acerca de los ensayos sobre sus productos. Y la industria como un todo necesita avanzar hacia unificar estándares de datos, de manera que los datos de todo el espectro puedan ser utilizados de manera más fácil”.

Pero lo más importante para lograr un gran futuro para la industria de la Big Data en agricultura es hacer coincidir la tecnología con las necesidades del cultivo. Cuando cosechan una vez al año, los agricultores a lo máximo tienen entre 30 y 40 cosechas en su vida. Por lo tanto, no están dispuestos a perder una mala cosecha debido a mala tecnología. El ciclo de innovación de la tecnología debe estar de acuerdo al ciclo del cultivo y no al revés. El despliegue de los productos debe estar en sincronía con las operaciones de los campos. La rápida innovación del modelo de “lean start up” no necesariamente coincide con los de una industria donde algunas innovaciones y la información solo llegan una vez al año.

MÁS QUE MAÍZ, MÁS QUE NORTEAMÉRICA
Los cultivos más comunes con cerca de 300 millones de acres y US$155.000 millones en valor son los que han recibido los beneficios de esta tecnología hasta la fecha. Pero en la medida que la tecnología se simplifica y se integra, será posible expandirla hacia otros cultivos y regiones. Los gobiernos, ONG y empresas están trabajando para expandir el acceso de los datos a millones de pequeños agricultores en los países desarrollados. Agricultores de subsistencia en lugares como el África Sub Sahara o la India están utilizando teléfonos móviles para intercambiar información sobre clima, enfermedades y precios de mercado. Esta tecnología también se expandirá hacia cultivos de alto valor. Berries, frutales y hortalizas generan ventas por US$35.000 millones y son más valiosos por hectárea que los cultivos extensivos, lo que hace que explotaciones de tamaños medios tengan el dinero suficiente para adoptar las nuevas tecnologías. La escasez de mano de obra en los cultivos de alto valor es otra de las grandes razones que explican la incorporación de tecnologías.

GRANDES CAMBIOS EN LA CADENA DE SUMINISTRO DE INSUMOS
El acceso a grandes cantidades de información a lo largo de millones de acres provocará cambios sísmicos en la cadena de abastecimiento de semillas, insumos agrícolas y alimentos, impulsados por la democratización de la tecnología y la información. Tiene la capacidad de disrumpir las cadenas de valor y es muy probable que no sea muy popular entre retailers, distribuidores y las grandes empresas de semillas y agroquímicos.

La información le entrega poder al agricultor al dar más visibilidad a los precios y el desempeño de los insumos. Los agricultores podrán usar menos agroquímicos, aplicados de forma más precisa. Es probable que usar productos genéricos con mayor precisión pueda generar mejores resultados que el uso de marcas “top”. Pero también, usar productos top con precisión en algunas zonas del campo abrirá grandes mercados para las grandes empresas. La plantación más precisa, generará una reducción en el uso de insumos del 30-40%, lo que además de estrujar los márgenes de las grandes empresas de agroinsumos, va a generar más consolidación en la cadena de suministro.

Las nuevas empresas han centrado su negocio principal en recolectar, agregar y analizar datos desde múltiples predios. Su objetivo es ofrecer a los agricultores planes individualizados para cultivar cada campo con precisión hasta la última planta. La información que reciben de los agricultores permite a las empresas de data mejorar sus modelos y hacer mejores recomendaciones.

La información permite adaptar los productos para satisfacer las necesidades específicas de los clientes de manera continua y con estrategias de precios adaptadas al valor que generan para cada segmento. La disrupción requerirá de grandes ideas, nuevos modelos de negocios y gente muy capaz. Una nueva generación de empresas independientes está aprovechando la Big Data para generar nuevas visiones, prácticas y productos. Las empresas de agroinsumos tradicionales y las cadenas de abastecimiento deberán adaptarse si quieren continuar en el negocio. Las grandes 6-5-4 empresas agrícolas están siendo desafiadas en la medida que las nuevas tecnologías entregan a los agricultores el poder de saber qué plantar, cuándo y cómo plantar y qué insumos usar para maximizar los rendimientos y la rentabilidad. En el pasado la innovación se concentraba en empresas con el mayor presupuesto de I+D, combinaciones de productos o mayor participación de mercado. La innovación ahora favorece la creación de nuevas empresas por una serie de razones. Una es confianza. Los agricultores deben estar convencidos que sus datos serán anónimos y están menos dispuestos a que su información esté en manos de grandes empresas dispuestas a empujar sus productos hacia los agricultores. La segunda razón es la necesidad de obtener recomendaciones imparciales y un flujo de información en dos direcciones. Incluso si las grandes empresas agrícolas y de insumos pudieran desarrollar las mejores plataformas digitales, les va a costar ser percibidas como actores imparciales.

Leer más