Categoría: Uncategorized

Como consultor de agricultura de precisión, Steve Cubbage trabaja con agricultores para implementar y administrar hardware y datos y cerrar la brecha entre los dos. (Farm Journal Media)
Los lunes nunca son buenos, pero el lunes 10 de agosto, la madre naturaleza se despertó en el lado equivocado de la cama en el Medio Oeste y descargó su furia en millones de acres de cultivos de maíz y soja. Los rendimientos de maíz pasaron de más de 200 a cero.

En palabras del gran beisbolista Yogi Berra, «No se acaba hasta que se acaba», pero para los agricultores, es más como, «No es una cosecha hasta que tienes el cheque en la mano».

Ya sea una tormenta de viento anormal, un juego de guerra comercial con China o, mejor aún, una pandemia mundial que trastorna la cadena de suministro global, la agricultura no se está volviendo más fácil, simplemente más extraña.

Los números cuentan la historia del impacto que ha tenido esta trifecta de eventos:

14 millones: Eso es solo la superficie en Iowa que el USDA dice que se vio afectada por la tormenta del derecho. El número total de acres impactados en el Upper Midwest podría ser de más de 37 millones.
63%: esa es la disminución en las exportaciones agrícolas a China de 2017 a 2018, de $ 15.8 mil millones a $ 5.9 mil millones.
$ 9 mil millones: ese es el impacto negativo que se espera que tenga COVID-19 en la industria del etanol de EE. UU. Para 2020 y 2021.
Estas crudas cifras muestran que la red de seguridad financiera para la agricultura es tan segura como un Ford Pinto de 1975. ¿Qué pasaría si hubiera más y mejores productos financieros y de seguros que permitieran algo más que sobrevivir en los tiempos no tan buenos?

Un mejor uso de los datos de formas más innovadoras podría ayudar a lograrlo, pero no será fácil. El cambio es difícil, pero números como estos son aún más difíciles de tragar.

Complicaciones imprevistas

Justo cuando pensabas que lo habías visto todo, algo superó a la Madre Naturaleza y Washington, DC Un mal murciélago de China hizo que el mundo se quedara sin papel higiénico, dejó nuestros autos estacionados y nos obligó a agacharnos. En pocas palabras, tenemos que estar preparados para casi cualquier cosa.

Necesitamos mejores redes de seguridad y mejores opciones de seguros de cosechas en lugar de conformarnos con el modelo gubernamental de talla única. Además, los productores necesitan más acceso a líneas auxiliares de capital.

¿Qué podría pasar si pudiera asegurar hasta el 105% de su producción promedio? Respuesta rápida: podría ser más audaz al fijar el precio de la producción durante los meses pico del mercado o comprar más de sus insumos con anticipación para obtener mayores descuentos.

El resultado: ayuda a impulsar el ROI hacia lo positivo. ¿Qué podría suceder si los prestamistas realmente compitieran por negocios? Respuesta probable: aumentaría la flexibilidad general y reduciría el costo de capital.

La tecnología existe para hacer realidad estos productos, pero ¿están el mercado y los productores preparados para ese cambio?

No espere demasiado para responder. No sabes lo que puede traer el mañana.

Leer más

En India, se requiere más del 90 por ciento del agua dulce para apoyar las actividades agrícolas. Además, según un informe compartido por la FICCI, India entrará en la categoría de países con estrés hídrico para 2020. Todos estos factores indican la urgencia de pensar seriamente en la gestión juiciosa del agua de inmediato. Con el fin de promover el uso prudente del agua en la agricultura, los agricultores adoptan constantemente la práctica de la agricultura de precisión . El artículo analiza cómo un sistema científico de gestión del agua puede funcionar para aumentar el ciclo de producción de cultivos.

Estudio preciso de las necesidades de agua: para comprender las necesidades de agua de cada cultivo, es vital medir la tasa de evapotranspiración. En un lenguaje más simple, es la cantidad de agua que pierden los cultivos a través de la evapotranspiración. Este vacío indica la cantidad de agua que necesitan los cultivos para prosperar de la mejor manera posible. En el sistema de gestión del agua, se estudian factores como el tipo de cultivo, el clima y el proceso de crecimiento para obtener el nivel exacto de necesidad de agua del cultivo. En estos días, las empresas están implementando inteligencia artificial para medir el requerimiento de agua preciso de cada cultivo para mantener el uso juicioso del agua en las prácticas agrícolas.

Análisis del suelo y el tipo de cultivo: un análisis exhaustivo de factores estáticos como el suelo y los tipos de cultivo es otro paso para garantizar una gestión eficaz del agua. Por ejemplo, los cultivos intensivos en agua como la caña de azúcar y el maíz tienen una mayor necesidad de agua que los que no dependen tanto del recurso. De manera similar, las propiedades absorbentes de agua de diferentes suelos también varían. Por tanto, se puede entender que el requerimiento de agua no es el mismo para todos los cultivos y tipos de suelo. Estos factores estáticos se registran al comienzo de la temporada para calcular la cantidad exacta de agua necesaria en la agricultura de precisión.

Comprensión de los parámetros dinámicos: en el sistema de gestión del agua, los factores estáticos por sí solos no son suficientes para obtener la medición deseada de la tasa de evapotranspiración. Para obtener la tasa de evapotranspiración precisa se tienen en cuenta parámetros dinámicos como la intensidad de la luz solar, la velocidad del viento, la ingesta de agua durante las temporadas anteriores y la edad del cultivo. A diferencia de los factores estáticos, estos parámetros se registran diariamente durante toda la temporada para obtener el resultado preciso al final. Dado que esta grabación se realiza automáticamente, no se requiere ninguna entrada manual. No hace falta decir que la automatización produce un resultado de cálculo preciso y más rápido.

Análisis basado en algoritmos: vale la pena mencionar que las empresas modernas están utilizando algoritmos avanzados para examinar datos estáticos y dinámicos. No termina aquí porque este algoritmo también controla el flujo de agua a los cultivos localizando el voltaje de la fuente de alimentación. La distribución regulada del agua asegura que el recurso se utilice con prudencia. Además, esta tecnología agrícola puede permitir un mayor flujo de agua a los cultivos críticos desde el recurso actualmente disponible para satisfacer sus necesidades.

Uso de dispositivos tecnológicos: en la actualidad, las herramientas agrícolas tradicionales han dado paso a dispositivos que se basan en la tecnología moderna. Las empresas agroindustriales hacen un uso significativo de dispositivos avanzados como válvulas energéticamente eficientes, medidores de flujo y sensores de suelo. Además, los datos de satélite se utilizan para obtener una tasa de cálculo precisa. Estos dispositivos inalámbricos de alta tecnología no solo facilitan la transmisión rápida de los datos recopilados, sino que también son adecuados para funcionar en condiciones difíciles. Con estas tecnologías implementadas, la necesidad de intervención manual ha disminuido constantemente en las prácticas agrícolas modernas.

Conclusión- El uso del agua es indispensable para la realización de actividades agrícolas. Sin embargo, con la aplicación de tecnología, se puede evitar el uso indiscriminado de este recurso estresado. Por lo tanto, no es de extrañar que la agricultura de precisión se haya centrado en la gestión científica del agua para aumentar el rendimiento de los cultivos.

Leer más

La comunidad agrícola ha pasado varios años sintetizando una descripción operativa para la agricultura digital. En varios casos, también se han presentado soluciones que afirman ser agricultura digital, pero ahora, más que nunca, hay tanta ambigüedad sobre la agricultura digital como cuando la comunidad la etiquetó y nombró. La agricultura es uno de los sistemas más complejos que se pueden analizar, y la mayor parte de lo que se ha propuesto son soluciones como el clima , las imágenes y el NDVI, incluidas muchas soluciones puntuales patentadas. Éstas son piezas de la solución y son partes del concepto operativo. Este artículo definirá este concepto.

ANUNCIO
La agricultura digital está aplicando métodos de ubicación de precisión e información agronómica de calidad de decisión para iluminar, predecir y afectar la continuidad de los problemas de cultivo en toda la granja. Aquí hay un vistazo a cada parte de la definición:

Precision se trata de servicios de geolocalización asociados con el Sistema de posicionamiento global y sus extensiones. Es la superposición de estos servicios de geolocalización en un mapa digital para detección de precisión, identificación, toma de decisiones predictiva y acción.
La información sobre la calidad de las decisiones es oportuna y está dentro del ciclo de decisiones del evento. Se entrega mediante sensores avanzados, modelos descriptivos y algoritmos predictivos que brindan la información necesaria sobre el problema agronómico.
El cultivo es un proceso de decisión de principio a fin, de principio a fin, continuo y en tiempo real que requiere decisiones y acciones oportunas. Se extiende aguas arriba de la siembra y aguas abajo de la cosecha. Hoy en día, la cultivación se trata de los poderes de observación subjetivos pero informados del individuo. Mañana se tratará del poder predictivo, objetivo y sensorial y la precisión del ecosistema digital.
La agricultura digital también debe tratarse de un sistema operativo. Por esta razón, los siguientes requisitos garantizan que el sistema se escale a millones de acres, se implemente en múltiples cultivos, proporcione una solución de extremo a extremo, exista dentro de un ecosistema y respalde las diversas necesidades agronómicas y económicas de cientos, incluso miles, de las partes interesadas al mismo tiempo. En un resumen bastante tosco, debe ser más que una curiosidad para el friki sofisticado y debe servir constantemente al pequeño productor hasta el más grande.

La agricultura digital, en el siguiente nivel más bajo, debe organizar, analizary orquestar la entrega oportuna de información de los cuerpos de datos que constituyen un campo. Debe tratarse de dividir el campo en unidades de activos productivos diferenciables, geolocalizadas e individualmente homogéneas. Este requisito se refiere a cada unidad como activo productivo. La ubicación precisa asegura que la información recopilada sobre esa unidad se mida, recopile, analice y procese para la misma ubicación y se diferencie de todos los demás activos circundantes. Se trata de ser individualmente homogéneo e idéntico en tamaño, huella y profundidad, para que el sistema pueda analizar repetidamente la misma unidad. Esto significa que a lo largo de la huella y en profundidad, cada variable de una unidad productiva tendrá el mismo valor de variable.

MÁS DE MICHAEL R. COLLINS
Agricultura digital
2 de noviembre de 2020
Fomento de una cultura de innovación en la agricultura
Por Michael R. Collins
Agricultura digital
1 de junio de 2020
Conócete a ti mismo: la autoconciencia es fundamental al adoptar una nueva tecnología agrícola
Por Michael R. Collins
Agricultura digital
11 de noviembre de 2019
Agilidad en la agricultura digital
Por Michael R. Collins
Se pueden generar predicciones y prescripciones y la producción se puede monitorear individualmente para cada activo productivo. Cada unidad productiva del activo puede identificarse, analizarse y activarse por separado y con precisión para producir un resultado previsto. La suma de los resultados de todas estas unidades homogéneas constituye un campo, y la suma de todas las predicciones, prescripciones, costos y rendimientos son la economía del campo. Al tratar el campo como una suma de activos productivos, la agricultura digital puede aplicar quirúrgicamente datos avanzados y algoritmos analíticos, en tiempo real, a la gestión de cada activo y, en resumen, a todo el campo.

La agricultura digital también se trata de lo que no es. La agricultura digital no se trata de genética, predicción del tiempo, etc. Estos factores son extremadamente importantes para las predicciones, pero se generan externamente y se aplican como insumos. Por lo tanto, por ejemplo, el proceso de selección de semillas examinaría la selección de semillas en función de los perfiles de semillas desarrollados y producidos por las empresas agrícolas. Las condiciones del suelo, la hidratación y otra información conocida se desarrollan a partir de los sensores o de los registros históricos de la región y el campo. Los datos de la región y el campo son históricos y medidos, y estos datos se utilizan para establecer una base predictiva. La agricultura digital consiste en utilizar información conocida sobre el campo, los cultivos, los nutrientes, la protección y la hidratación para predecir los resultados en función de la información detectada, procesada y agregada.

La agricultura digital se trata de describir el activo en el dominio digital; sobre la creación de un gemelo digital que pueda evaluarse repetidamente con muchas variables. Cada unidad tiene medidas definibles y consistentes de las variables agronómicas clave en todo el activo productivo, y se trata de separar los datos que cambian de los que no cambian. Esto significa que existen variables sobre el activo productivo que se pueden ordenar y analizar para predecir el desempeño del activo productivo. Por ejemplo, y con solo mirar una descripción del campo, las siguientes capas de información se presentan en el orden de su variabilidad. Son:

Topografía: contornos y pendientes, inclinación al sol, escorrentía de precipitaciones, etc.
Artefactos enterrados u ocultos: baldosas de drenaje, zonas de compactación, rocas o formaciones geológicas enterradas.
Mapeo de conductividad eléctrica: una indicación de los tipos de suelo y la capacidad de carga de hidratación.
Muestreo de suelo: validación de tipos de suelo, horizontes y composición, un mapa de relleno de las características tridimensionales del activo.
Ubicaciones históricas de estrés: ubicaciones geográficas de escapes de malezas anteriores, infestaciones de insectos, brotes de hongos, nematodos, etc.
Suplementos y tratamientos históricos: aplicaciones anteriores de protección de cultivos o campos, aplicaciones de nutrientes, etc.
Todas estas son adiciones permanentes o semipermanentes a la descripción de los activos productivos que cambian lentamente con el tiempo. La información descriptiva más permanente se presenta primero y, a medida que se examina cada nueva variable, cada iterativa se vuelve más variable con el tiempo. El ejemplo anterior trata sobre el suelo; el activo productivo, pero cada uno de los dominios de la granja digital maneja información en escalas masivas y pasa de lo invariante a lo variante.

El atributo más importante en esta discusión es que las cantidades masivas de datos representan las propiedades de cada dominio que influyen en el cultivo y se describen hasta la ubicación geográfica exacta del activo. Todos estos datos se pueden analizar por separado y resumir para un campo, finca, región, etc. Estos son los datos que deben ser geolocalizados, medidos con precisión y descritos digitalmente. Estos datos son la base de todos los esfuerzos posteriores. Establece las bases para la geolocalización de entradas en tiempo real y la aplicación de tecnología de precisión.

Finalmente, para aplicar estos datos, el productor necesita recolectar, comunicar, almacenar / archivar, recuperar, orquestar y analizar estos datos. El cultivador necesita entrar y adelantarse a sus ciclos de decisión; los circuitos de decisión que componen el ciclo de cultivo. Esto no puede suceder sin información oportuna. Es necesario predecir el momento y la ubicación requeridos de la detección y el análisis de la identificación debe ser en tiempo real para lograr un cambio positivo. La entrega de información un día, una semana o un mes después no es agricultura digital. Esto también significa que el uso de datos que tengan días de antigüedad o de sensores que detecten demasiado tarde en el ciclo de estrés para influir en el estrés no es agricultura digital. En este caso, la actualidad de la detección del evento sobre el que se requiere acción no solo es oportuna sino también crítica. Si la información de la decisión se presenta demasiado tarde, el problema ya está invertido en los activos y, a menudo, cualquier acción correctiva es demasiado tarde. La agricultura digital consiste en proporcionar información oportuna al productor cuando la necesita, en tiempo real.

En resumen, entonces, la agricultura digital se trata de ubicación de precisión, detección y procesos en tiempo real, y la generación de información agronómica de calidad de decisión en todo el ciclo de cultivo. También se trata de escalabilidad, procesos de extremo a extremo y entrega operativa generalizada a la comunidad agrícola.

Leer más

El manejo de malezas específico del sitio es la parte de la agricultura de precisión (AP) que trata de controlar de manera efectiva las infestaciones de malezas con la menor carga económica y ambiental. Esto se puede lograr con la ayuda de sensores terrestres o de rango cercano en combinación con reglas de decisión y tecnologías de aplicación precisas. Las tecnologías de sensores de rango cercano, desarrolladas para montar en un vehículo, han ido surgiendo para aplicaciones de megafonía durante las últimas tres décadas. Estas tecnologías se centran en identificar plantas y medir su estado fisiológico con la ayuda de sus características espectrales y morfológicas. Las cámaras, espectrómetros, fluorómetros y sensores de distancia son los sensores más destacados para aplicaciones de megafonía. El objetivo de este artículo es describir sensores terrestres que tienen el potencial de ser utilizados para la detección de malezas y la medición del nivel de infestación de malezas. Se presenta una descripción general de los sistemas de sensores actuales, describiendo sus conceptos, los resultados que se han logrado, los sistemas comerciales ya utilizados y los problemas que persisten. Se da una perspectiva para el desarrollo de estos sensores.

Leer más

Los herbicidas aseguran los rendimientos de los cultivos, pero su uso intensivo en la actualidad se está reconsiderando en base a una mayor comprensión de su impacto ambiental. Usando cámaras e inteligencia artificial, nuestra tecnología de fumigación inteligente identifica las malezas y fumiga herbicidas solo donde sea necesario. Esta innovación técnica permite una producción agrícola rentable y sostenible.

Pulverización inteligente
Seguridad alimentaria
A medida que crece la población mundial, la cantidad de tierra cultivable disponible per cápita está disminuyendo. Los agricultores tendrán que producir alrededor de un 50 por ciento más de rendimiento para 2050 para alimentar a la población mundial.

50%
rendimiento de cultivos adicional necesario para 2050 para alimentar a la población mundial

Reinvención del pulverizador de campo
Para resolver estos desafíos, la agricultura necesita innovaciones técnicas. Cuando se trata de cultivos de gran volumen para alimentar a la población mundial, los agricultores dependen de la producción de grandes superficies junto con inversiones asequibles. Por tanto, tenemos que reinventar las máquinas agrícolas clásicas para que los agricultores puedan utilizarlas de forma respetuosa con el medio ambiente.

Protegiendo las plantas y el medio ambiente
Un desafío importante en la agricultura es la protección de las plantas. Los herbicidas que han asegurado abundantes rendimientos de los cultivos hasta ahora se han usado en exceso, causando malezas resistentes a los herbicidas y una disminución masiva de la biodiversidad.

Tenemos que encontrar formas de reducir drásticamente el uso de herbicidas. Nuestro objetivo es que los herbicidas solo se usen donde realmente se necesitan: el herbicida correcto, en el lugar correcto, en la cantidad correcta.

Las malezas son difíciles de identificar porque son muy pequeñas, especialmente en sus primeras etapas de crecimiento cuando se realiza la aplicación de herbicidas.

Inteligente y rapido
Diseñamos una tecnología de pulverización inteligente que utiliza cámaras e inteligencia artificial. Nuestro sistema sabe cuándo ve plantas y cuándo ve malezas, luego aplica herbicidas selectivamente donde sea necesario.

¿Como funciona? Primero, grabamos imágenes con cámaras que cubren todo el rango operativo del pulverizador. Luego, utilizamos algoritmos clásicos de aprendizaje profundo para visión por computadora para reconocer las diferentes plantas en el campo y distinguir entre malezas y cultivos. Finalmente, el software selecciona automáticamente el tipo de herbicida a rociar, indicando al rociador dónde debe trabajar.

300 milisegundos
límite de tiempo para reconocer una maleza y rociarla

Nuestro sistema detecta y rocía en función de la imagen que captura en un abrir y cerrar de ojos: aproximadamente el tiempo que tarda la boquilla en llegar al punto donde la cámara grabó previamente la imagen de la hierba.

La rápida velocidad del proceso permite a un agricultor aplicar los agentes en un solo barrido, fundamental para aplicar el herbicida dentro de su pequeña ventana de oportunidad. Además, existe un gran potencial para ahorrar en costos de herbicidas con nuestra tecnología, ya que el herbicida se aplica de manera selectiva.

El enfoque en prepararse para el crecimiento de la población en el futuro, al mismo tiempo que se protege el medio ambiente y se reducen los costos para los agricultores y la producción de alimentos, son las razones por las que las innovaciones de Bosch están «Inventadas de por vida».

Resumen
La tecnología de aspersión inteligente de Bosch utiliza tecnologías de vanguardia para aplicar herbicidas discretamente sobre las malas hierbas sin fumigar las áreas de cultivos no afectadas. Las innovaciones técnicas sostenibles como estas son fundamentales para garantizar un abundante suministro mundial de alimentos para las generaciones futuras.

Leer más

La tecnología está transformando nuestra cadena alimentaria, y algunas de las innovaciones más importantes se producen en el auge de la agricultura de precisión. Juntos, la inteligencia artificial (IA) y la automatización están renovando la industria agrícola, ayudando a los agricultores a operar de manera eficiente y de nuevas formas.

La granja de hoy funciona con datos, junto con una variedad de dispositivos y tecnologías, incluidos sensores, satélites GPS, drones y robots. Esta combinación de automatización y agricultura puede significar menos fricciones y menos obstáculos para los agricultores, tanto para las decisiones basadas en cultivos como para interactuar con el USDA para obtener permisos.

Sin embargo, estos emocionantes avances no son posibles sin centros de datos confiables y escalables.

Ayudando a los agricultores a conocer los mejores tiempos para plantar cultivos
Las conjeturas y la experiencia fundamentadas alguna vez guiaron el calendario de las temporadas de plantación para la agricultura. Esas cosas todavía entran en juego, pero la IA también está avanzando en la imagen.

Por ejemplo, el oeste de Kenia tiene dos temporadas de cultivo y el maíz es el cultivo principal en ambas. Un proyecto basado en IA en la región ayuda a algunos agricultores a desarrollar nuevos conocimientos sobre sus cultivos, profundizando en los datos disponibles para extraer patrones. La aplicación envía la información a los teléfonos celulares de los agricultores y ha ayudado a los agricultores a aumentar sus rendimientos de un promedio de seis bolsas de maíz de 90 kilogramos en un año a nueve.

Este uso de IA es ideal para los pequeños agricultores, de los cuales hay varios millones en Kenia. Esta tecnología proporciona alertas sobre aspectos específicos de la siembra, como la profundidad y la ubicación de la semilla. El Internet de las cosas (IoT) también influye en las granjas inteligentes. Los sensores conectados ofrecen detalles sobre los niveles de nutrientes , la densidad y más. Recibir esta información significa que los profesionales agrícolas pueden mantenerse alejados de muchas fallas en la siembra que antes parecían inevitables.

Permitir a los investigadores investigar las mejores formas de satisfacer las necesidades futuras
La IA y la agricultura son una combinación excelente para abordar las necesidades que el sector agrícola puede enfrentar en los próximos años. La Universidad de Arizona es una de las instalaciones que impulsa la inversión en agricultura de precisión.

Investigadores de la universidad hicieron del Centro Agrícola Maricopa de 2,100 acres su sede. Allí, los datos y la automatización se combinan cuando los científicos los aplican a diversas tecnologías. El objetivo es ayudar a los agricultores a descubrir cómo minimizar las pérdidas y maximizar las ganancias. Quienes participan en la instalación dicen que quieren resolver problemas agrícolas conocidos.

Por ejemplo, algunas partes de Arizona tienen problemas con el riego por agua, mientras que otras luchan con problemas relacionados con la contaminación. En la Universidad de Arizona y en otros lugares, muchas personas señalan que la agricultura de precisión es fundamental para abordar esos desafíos.

Un informe arroja más luz sobre el impacto esperado de la agricultura de precisión en el sector agrícola. Específicamente, analizó las tecnologías de monitoreo de cultivos para un período de pronóstico de 2019-2024. Los analistas anticipan una tasa de crecimiento anual combinada (CAGR) del 12,6% , con los sistemas de posicionamiento global (GPS) a la cabeza.

Al implementar la automatización en la agricultura o en cualquier otro sector, es esencial realizar un seguimiento de la eficacia de la tecnología. Las empresas suelen estudiar tres tipos de métricas : actividad, eficiencia y valor.

Mejor visibilidad en las condiciones del cultivo
Durante décadas, los agricultores han revisado los cultivos manualmente, recogiendo tierra en sus manos o caminando entre filas de plantas para evaluar cuál parecía estar bien regada o deshidratada. Ahora, los aviones equipados con cámaras de alta resolución se encargan de esas responsabilidades, capturando imágenes más detalladas que ofrecen los satélites.

Sin embargo, los satélites aún ofrecen formas convincentes de juzgar las condiciones de los cultivos. Beth Ford, directora ejecutiva de Land O ‘Lakes, fue entrevistada recientemente en 60 Minutes . Durante el anuncio de televisión, Ford habló sobre la inversión de su marca en tecnología agrícola y cómo está ayudando a los agricultores a tener éxito en una industria cargada de problemas económicos y climáticos.

Teddy Bekele, director de tecnología de Land O ‘Lakes, intervino durante el segmento para mostrar cómo las imágenes de satélite rastrean los cultivos. Ford mencionó que, además de la tecnología satelital, Land O ‘Lakes se basa en modelos predictivos para sugerir cuántas semillas plantar por acre.

La adopción de la tecnología de drones también está impulsando el crecimiento en el mercado de la agricultura de precisión. Los drones detectan problemas que van desde invasiones de plagas o errores de plantación que dificultan el éxito de una empresa. Ya sea un avión pilotado, un satélite o un dron, los resultados son imágenes procesadas con la ayuda de centros de datos.

Algunas empresas ofrecen paneles que permiten a los usuarios recopilar imágenes de cultivos a lo largo del tiempo y ver cómo cambian. Land O ‘Lakes tiene tecnología de reconocimiento de voz para ayudar a los agricultores a utilizar señales vocales para actuar en función de lo que se muestra. Los centros de datos también son esenciales en estos casos.

Ayudar a los agricultores a redistribuir sus deberes
Cuando algunas personas piensan en la automatización y la agricultura, imaginan instalaciones masivas donde los cultivos crecen sin la intervención de los humanos. En realidad, las personas todavía ayudan a que las granjas automatizadas funcionen, pero cumplen roles diferentes que en el pasado.

Una startup de tecnología agrícola llamada Iron Ox abrió una granja autónoma en 2018. Es un entorno interior donde un sistema de tina hidropónica permite el crecimiento de aproximadamente 26,000 cabezas de lechuga cada año , junto con hierbas y verduras de hoja, dentro de 8,000 pies cuadrados.

Aunque las máquinas autónomas se encargan de algunas necesidades, como mover plantas por el edificio, los humanos plantan cada plántula y empaquetan los productos para su distribución. La combinación de la inteligencia artificial y la agricultura es sin duda beneficiosa de muchas maneras, pero no permite que la agricultura funcione sin los humanos.

Las granjas autónomas recopilan información en tiempo real y analizan qué cultivos necesitan en un momento dado. Los trabajadores reciben alertas instantáneas si algo sale mal. Los centros de datos proporcionan la infraestructura y la confiabilidad necesarias para que los agricultores confíen responsabilidades a los robots.

Fomento de la reestructuración del centro de datos del USDA
En 2018, el Departamento de Agricultura de EE. UU. (USDA) anunció una renovación sustancial de su infraestructura de TI. Para empezar, la organización planea reducir su número total de centros de datos de 39 a dos. Sin embargo, existe un vínculo entre la IA y la agricultura en esta decisión. La agencia integrará IA en sus centros de llamadas para acelerar el proceso de transferencia de datos. Además, AI automatizará los procedimientos en línea para las solicitudes de préstamos y permisos.

Fuera de los usos previstos para la IA, la agencia está probando una plataforma centralizada que la gente de todos los departamentos del USDA puede usar para realizar solicitudes. La herramienta ya ha recibido comentarios positivos. Según un representante, el objetivo es que los empleados tengan mejores experiencias con la tecnología del USDA que con la tecnología utilizada en casa.

La transición está en curso, y los representantes de la organización inicialmente esperaban que ocurrieran mejoras durante varios años. Existe un listón alto con respecto a lo que debe ser un sistema amplio y confiable. La consolidación del centro de datos del USDA significará que los dos centros deben ser excepcionalmente confiables, tanto para los clientes como para los empleados externos.

Leer más

Cada vez es más común ver drones sobrevolando las ciudades en busca de imágenes que muestren los acontecimientos desde otra perspectiva. En el caso de la agricultura, esta tecnología ofrece grandes oportunidades.

Un dron o UAV (vehículo aéreo no tripulado) es un equipo con sensores de tecnología avanzada que puede monitorear una gran número de hectáreas, permitiendo a los agricultores gestionar de mejor manera sus cultivos e incrementar su productividad.

Esta tecnología permite, entre otras cosas, identificar el sobre uso de insumos como agua y fertilizantes para ahorrar costos, determinar las variaciones en el crecimiento de las plantas y notar zonas del campo con poca productividad para mejorar el rendimiento de éste.

La utilización de drones para la aplicación de productos químicos en los cultivos, pensado en cultivos no muy extensivos, y más enfocados en cultivos de pequeñas y medianas superficies tales cómo arándanos, frutillas, berries en general, viñas, algunas hortalizas, entre otros; permitiendo la aplicación rápida y en zonas de terrenos extremos de difícil acceso.

Fumigación con Drones Agra-MG1 : Los equipos tienen una capacidad de 10 litros de mezcla por estanque y el promedio de tiempo que demora aplicar una hectárea varía debido a la velocidad de avance por metros x segundo, por ejemplo, si se le damos la orden de avanzar a 1 MxS significa que el dron avanzará a 3,6 km/h, a esta velocidad el dron para cubrir una hectárea le tomará alrededor de 3-4 estanques por hectárea, por ende, en tiempo serán alrededor de 20-30 minutos. Lo regular es avanzar entre 2-3 MxS y el caudal máximo de aplicación sera 0.43 L/M x Aspersor que son 4 y el mínimo son 0.1 L/M x Aspersor en resumen el mínimo a aplicar son 0.43 L/M y máximo 1.72 L/M.

El dron fumigador hecho para este trabajo el cual reduce en gran cantidad el producto utilizado, también sirve para fumigaciones en zonas extremas, abarcando una hectárea entre 10-20 minutos, no hay exposición del operador al químico utilizado, se entrega un mapa del recorrido realizado con un informe de proceso de fumigación.

Los pasos a seguir son:

Primero es visitar al productor en cuestión para revisar si es viable trabajar en sus campos dependiendo del tipo de cultivo, frutales, hortalizas y levantar información paso a paso y ver qué sistema utiliza hoy en día y también qué mojamiento y cubrimiento busca, de acuerdo a sus necesidades y al tipo de fumigación (malezas, plagas, enfermedades, etc).Segundo, para operar de forma autónoma siempre los operadores deben andar en transporte adecuado, con estanques cargados y un generador para poder cargar las baterías del dron.

En resumen, algunas de las ventajas de utilizar drones para fumigación son:

– Se disminuye la cantidad de producto aplicado.

– Una fumigación más eficiente

– Reducción de costos de producción

– Posibilidad de fumigar en zonas difíciles, extremas y peligrosas

– Ahorra tiempo de aplicación (en comparación con la aplicación manual).

Leer más

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

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

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

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

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

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

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

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

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

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

Las principales características son:

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

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

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

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

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

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

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

Leer más

Según una encuesta llevada a cabo por Drone Life, solo un tercio de los granjeros tiene planes de utilizar drones este año. En los países menos desarrollados, el número de granjeros usando drones es sin lugar a dudas menor. Esto a pesar del hecho de que los drones nunca han estado más disponibles y adaptados al uso agrario.

Entonces, ¿por qué no hay más granjeros utilizando esta gran nueva tecnología?

¿Pueden los granjeros permitirse los drones?

Invertir en drones, como en la mayor parte de las tecnologías, no es barato. Hay costes de inicio con los drones y después tienes que contar con el software adecuado para utilizarlos y quizá incluso formarte para saber cómo usarlos apropiadamente. Y por supuesto, necesitas reservar dinero por si tus drones se rompen o debes repararlos o reemplazarlos.

Esto suma una cierta cantidad y si los granjeros no están del todo convencidos de que los drones les ayudarán a recuperar su inversión los drones no van a despegar en absoluto.

Will Bignell, el experto en drones de DroneAg confía que cualquiera que compra sus productos y servicios de drones “recupera su dinero, si no es que lo dobla, con la primera producción”.

En la otra cara de la moneda, Kevin Price, un ecologista de la Universidad Estatal de Kansas, predice que los drones pueden ayudar a incrementar los beneficios especialmente en los productos de alto valor, como los tomates.

Todo esto parece sugerir que los drones son solo una opción para el granjero rico que invierte en cultivos de alto valor y tiene dinero de sobra para permitirse los drones en su granja. ¿Es esto cierto? Aquí un ejemplo de lo que cuestan los drones en el mercado actual:

senseFly eBee SQ. Es un dron agrícola muy avanzado equipado con un 5 sensores de espectro, planificación de vuelo avanzada, gestión de vuelo y software de procesamiento de imágenes. Puede cubrir 5 acres muy rápido (para un dron) y te da datos detallados como los niveles de h2o del suelo, temperatura del suelo, recuento de plantas y mucho más. ¿El precio? Más de 12.000$. Un montón de dinero pero te da todos los datos que necesitas en agricultura de precisión, si sabes lo que estás haciendo. No es un dron para principiantes.

PrecisionHawk Crop Scouting Package. Es un dron completo con un conjunto de herramientas ideal para principiantes con drones. Aún así, el precio es de 1.989$, que no es precisamente barato si consideras además sus funcionalidades limitadas. Este dron no tiene los sensores que encontrarás en la gama más alta del mercado. Simplemente tiene cámaras que pueden hacer tareas sencillas como tomar fotografías de los campos o destacar áreas problemáticas desde el cielo, todo ello controlado con una app desde tu teléfono inteligente. ¿Crees que esos 1.989$ están bien gastados, o prefieres dar un paseo por tus campos para detectar los problemas a nivel del suelo?

La mayoría del resto de los drones están en algún punto entre esos dos en términos de precio y funcionalidad. Con tanta variedad de drones disponibles, es el momento de hacerse la pregunta de para qué prefieren los agricultores utilizar los drones en sus granjas.

¿Para qué están utilizando los granjeros los drones?

Volviendo a lo básico, los drones son una manera de comprobar el estado del campo desde el aire. Y es para lo que parece que la mayoría de los granjeros los utilizan.

Ginell dice que para muchos agricultores “los drones en agricultura significan hacer volar un dron alrededor del ganado o para buscar cabezas perdidas, comprobar el estado de los lindes y simplemente, comprobaciones rutinarias” más que para reunir datos para agricultura de precisión.

Cuando miras el coste de los drones agrícolas profesionales no es una sorpresa, pero el coste podría no ser lo único que echa para atrás a los granjeros.

En primer lugar, hay normas aeroespaciales y regulaciones para poder volar los drones. Cambian según el país y la región, asique tienes que comprobarlas antes de volar ningún tipo de dron.

En EEUU necesitas seguir las guías de la FAA para drones además de cualquier otra ley estatal. Para conseguir tu certificado de piloto remoto y poder hacer volar tu dron legalmente necesitas pasar un examen por escrito. Suena fácil, pero pasar el test no significa que realmente sepas cómo hacer volar con seguridad y utilizar todas las funciones de tu dron. Esto se consigue entrenando, o mediante prueba y error con prácticas que pueden ser caras y peligrosas.

Utilizar los datos que los drones recogen de tu granja es el punto principal de la agricultura de precisión. Si no puedes utilizar esos datos para mejorar tu granja y hacer crecer tus cultivos más eficientemente entonces tus drones no son más que unos juguetes muy caros.

Cuando se usan adecuadamente los drones pueden dar datos realmente útiles que puedes utilizar para que tu granja sea mucho más eficiente. Desde cosas como detectar el estrés de las plantas antes de que sea visible a simple vista a determinar los niveles de humedad del suelo en campos e incluso monitorear los hábitos de alimentación del ganado y actuar como un perro ovejero.

¿Hacia dónde va el sector?

Claramente el sector de los drones agrícolas aún tiene un largo camino que recorrer antes de que sea accesible a los granjeros de todo el mundo. Sin embargo, es una tecnología muy necesitada si queremos alimentar a la población en crecimiento con la comida que necesita.

Por suerte, hay soluciones en camino que no dependen para nada de los drones, resolviendo los problemas como tener que aprender a pilotar drones y utilizar sus datos. Por ejemplo, Blue River Technology es una startup agrícola que ha desarrollado una máquina llamada See & Spray para rociar herbicidas en las malas hierbas mientras que no cae ni una gota en los cultivos. La agricultura de precisión no tiene por qué comenzar desde los cielos, de hecho, es la parte de sensores de los drones la que es realmente importante, no la vista aérea.

Como la popularidad de los drones ha explotado, muchos proveedores de servicios de drones han aparecido, lo que significa que puedes alquilar un dron o tener un equipo que haga el trabajo de drones para ti, dándote solo los datos importantes. Recomendamos altamente evaluar esta posibilidad. No solo te da datos muy interesantes de tu propia granja y agricultura de precisión, sino que te dará una prueba de cómo los drones funcionan y esto te ayudará a decidir si son una buena inversión para tu granja de forma permanente.

Cualquier agricultor interesado en llevar a cabo agricultura de precisión no debería echarse atrás por el coste y limitaciones de los drones. Recolectar datos y utilizarlos con sabiduría es la parte importante. ¡Buena suerte!

Leer más