Cuando se trata de la gestión del ganado y los piensos, el objetivo de cada agricultor es ser lo más eficiente y productivo posible. Si bien los agricultores de hoy en día han adoptado algunas tecnologías, como los tractores con dirección automática GPS, muchos de sus procesos son los mismos que los utilizados en generaciones anteriores. Hay una gran cantidad de trabajo manual involucrado, incluido conducir hasta el pasto varias veces al día para controlar, pastorear y alimentar al ganado. Durante la temporada de partos, muchos agricultores rara vez abandonan la granja. Los ranchos con ganado, particularmente las operaciones agrícolas a gran escala, brindan uno de los mejores casos de uso para aprovechar la nueva tecnología que utiliza Internet de las cosas (IoT). Debido a que IoT permite a los agricultores monitorear ubicaciones remotas desde una ubicación centralizada,

ANUNCIO
Si bien la IoT puede proporcionar información general y datos del día a día para mejorar la eficiencia operativa, la gran cantidad de datos que resulta de conectar una granja a Internet puede ser abrumadora. Los agricultores pueden optar por monitorear todo, desde la salud de cada animal, la ubicación, los hábitos alimenticios y el ciclo reproductivo hasta los patrones de pastoreo y movimiento de la manada en un pastizal. Entonces, ¿cómo decide un agricultor qué aspectos son más útiles?

Monitor MOO
Un MooMonitor usable en una vaca.

Supervisión de la salud
Los agricultores en los EE. UU. Pierden casi $ 2.4 mil millones por año por enfermedades animales que conducen a la muerte, según el USDA. Las soluciones de IoT permiten a los agricultores monitorear de cerca la salud de su ganado, lo que puede ser una forma efectiva de prevenir pérdidas. Las soluciones generalmente emplean dispositivos portátiles para ganado que se conectan a una puerta de enlace utilizando una tecnología de bajo costo y bajo ancho de banda para transmitir datos a la nube. Los sensores conectados en el dispositivo portátil pueden monitorear la presión arterial, la frecuencia cardíaca, la frecuencia respiratoria, la digestión, la temperatura y otros signos vitales que permiten que un agricultor sea alertado ante la primera señal de enfermedad. Sin el monitoreo de IoT, problemas como un problema de alimentación o una enfermedad en una manada pueden pasar desapercibidos hasta que uno o más animales requieran atención veterinaria. Con sensores que miden continuamente la condición y el comportamiento de cada animal individual, los agricultores pueden evitar esos costos tomando medidas correctivas antes. Por ejemplo, la temperatura de una vaca podría elevarse lo suficiente como para activar una alerta mucho antes de que el granjero note un cambio de comportamiento.

Seguimiento de los ciclos reproductivos y el parto

IoT también puede ser útil durante el ciclo reproductivo de una vaca para monitorear cuando una vaca entra en celo y cuando está lista para parir. Debido a que las vacas pueden estar en celo por tan solo ocho horas, los dispositivos de IoT pueden notificar al agricultor tan pronto como esto suceda, lo que aumenta la productividad, la eficiencia y los ingresos potenciales. Si las vacas vienen del campo, un sistema más avanzado con cercas controladas por IoT puede automatizar el proceso de acorralar a la vaca en celo lejos del resto del rebaño y colocarla en un conducto para la inseminación artificial. Cuando la vaca entra en trabajo de parto, un sensor de IoT puede enviar una alerta al agricultor, lo que hace que el proceso de parto sea más seguro y elimina la necesidad de que el agricultor controle continuamente a la vaca para ver si ha comenzado a parir.

MÁS DE PHIL DAWSEY
Conectividad
10 de febrero de 2017
IoT transformará la cadena de suministro agrícola: ¡suba a bordo!
Por Phil Dawsey
Ubicación de seguimiento

Los sensores de IoT en un dispositivo portátil también pueden rastrear la ubicación de un animal, lo que resulta útil cuando los animales de un granjero se distribuyen en varios acres. El monitoreo de la ubicación puede ser extremadamente útil para los agricultores que crían ganado al aire libre o de pastoreo, ya que les permite dar mejor cuenta del ganado. La ubicación de seguimiento permite a un granjero localizar inmediatamente un animal enfermo o un animal que ha entrado en celo y separarlo de la manada para proporcionar tratamiento. Monitorear la ubicación de un animal también permite al granjero reconocer patrones de movimiento para cada animal y puede alertar al granjero cuando el comportamiento de un animal parece ser diferente al normal, lo que puede ser un signo de enfermedad. Además, el seguimiento del movimiento puede ayudar a maximizar el pastizal de un agricultor. Con los datos proporcionados por el seguimiento del movimiento de cada animal y la migración de la manada, los agricultores pueden establecer y optimizar patrones de pastoreo. El seguimiento de la ubicación es a menudo una función incluida en los dispositivos de seguimiento de la salud o la reproducción.

Maximizando el ordeño

Los dispositivos de IoT también son útiles para los productores de leche que tienen vacas que necesitan ser ordeñadas varias veces al día. Los robots pueden aumentar la producción de leche de una operación lechera al permitir que las vacas elijan cuándo les gustaría ser ordeñadas, lo que puede resultar en un aumento de las sesiones de ordeño. Los sensores alrededor del cuello de una vaca alertan al robot de la identidad de la vaca que está a punto de ser ordeñada, individualizando la sesión para ella. También puede rastrear la velocidad de ordeño de cada animal, la cantidad y calidad de la leche producida, cuánto ha comido la vaca y el número de pasos que cada vaca ha dado por día. A partir de esos datos, el ganadero puede determinar qué vacas pueden producir más leche y mejorar sus dietas para aumentar la lactancia.

Ajuste fino de la alimentación

Los agricultores también pueden usar el seguimiento de movimiento para monitorear comportamientos específicos en sus rebaños para determinar con qué frecuencia se alimentan. Pueden correlacionar los movimientos de las vacas con comportamientos específicos como pastar, socializar o recostarse rumiando. Saber con qué frecuencia ocurre cada uno de estos comportamientos puede permitir a los agricultores ajustar los requisitos de alimentación de su hato para que no desperdicien alimentos o sobrealimenten a su ganado. Los agricultores también pueden usar dispositivos de IoT para monitorear los niveles de alimento para saber cuándo es necesario rellenar un comedero o cuándo deben comprar más alimento. Estos pasos incluso se pueden automatizar.

Si bien los dispositivos de IoT pueden enviar alertas en tiempo real para ayudar a aumentar la eficiencia de una granja, los datos proporcionados a lo largo del tiempo son quizás el resultado más poderoso. La recopilación de todos los datos puede permitir a un agricultor tomar decisiones basadas en un conocimiento completo de todos los aspectos de la explotación. Los patrones de manada pueden llevar a una idea de las tasas de natalidad o la causa de la aparición de una enfermedad. Una vez que los datos estén disponibles, incluso será posible aplicar el aprendizaje automático para obtener información adicional que puede no identificarse fácilmente. En infiswift, proporcionamos una plataforma específica para la agricultura a proveedores y agricultores para desarrollar estas aplicaciones de IoT conectadas que pueden cambiar la forma en que se gestiona el ganado.

En última instancia, los agricultores serán los que cuiden de su ganado, pero IoT puede optimizar y simplificar muchos de los pasos involucrados. Debido a que la implementación de la tecnología IoT puede monitorear la salud, la fertilidad, el movimiento, la ubicación de cada animal y más, las granjas se someterán a un cambio para utilizar esos datos para aumentar su eficiencia, productividad e ingresos. Este cambio ya está en marcha y continuará cobrando impulso a medida que evolucione la gestión del ganado.

Los productores de maíz son los mayores usuarios de tierras de cultivo y agroquímicos en la agricultura de los EE. UU. Y representan un mercado importante para las tecnologías de agricultura de precisión. Según una encuesta del USDA de 950 granjas productoras de maíz, aproximadamente el 9% utilizó algún aspecto de la agricultura de precisión para la producción de maíz en 1996. Un análisis logit indicó que era más probable que los agricultores adoptaran tecnologías de precisión si cultivaban una gran cantidad de acres de maíz. obtuvo un ingreso agrícola considerable y tenía altos rendimientos esperados de maíz. La probabilidad de adopción también fue mayor para los operadores agrícolas que usaban un sistema de registro agrícola computarizado, que tenían menos de 50 años y que confiaban en consultores agrícolas para obtener información sobre agricultura de precisión.

Miles de agricultores estadounidenses llevarán a sus campos este mes para la cosecha anual principal en tractores equipados con tecnología de vanguardia, ya que los fabricantes de equipos agrícolas incorporan cada vez más elementos de análisis de datos, GPS y detección remota en una carrera para hacer la agricultura más precisa.
En un momento en que los fabricantes de automóviles apuntan a 2020 para los primeros autos autónomos, un tractor que mapea un campo, se conduce solo y calibra con precisión sus movimientos en pulgadas para minimizar el desperdicio de combustible, fertilizante o semillas, ya es casi estándar.
“El hierro está casi comenzando a convertirse en una mercancía, donde el tractor es un tractor para un cliente y la tecnología es la pieza diferenciadora”, dice Ben Craker, especialista senior en marketing de Agco.
Las empresas de semillas y tractores prevén una gran oportunidad porque se necesitan mayores rendimientos de cultivos para hacer frente al aumento de la demanda de alimentos a medida que la población mundial aumenta a 9 mil millones para 2050, según estimaciones de la ONU. Ayudar a los agricultores a hacer frente al tiempo volátil provocado por el cambio climático presenta otra oportunidad.
Mark Rosegrant, del Instituto Internacional de Investigación sobre Políticas Alimentarias, estima que la adopción rigurosa de la tecnología de «agricultura de precisión» podría aumentar el rendimiento en cualquier granja en aproximadamente un 10 por ciento, en comparación con los aumentos de rendimiento de cultivos anuales promedio mundiales de alrededor del 1 por ciento.
La combinación de la demanda de alimentos y el aumento de las expectativas de los agricultores ha obligado a las empresas agrícolas a realizar grandes avances más allá de la conducción automática, introducida hace unos 15 años, hacia la recopilación de datos basados ​​en la nube y la teledetección sobre decenas de variables, desde la humedad del suelo hasta los niveles de nutrientes. , que gobiernan la agricultura moderna.
Agco, que dice que ha duplicado su inversión en tecnología avanzada este año, estima que los primeros tractores totalmente autónomos llegarán al mercado en cinco a diez años.
Las innovaciones recientes incluyen un sistema que permite al conductor de un tractor John Deere sincronizar los movimientos de un carro de grano que viaja junto a él mientras cosecha, así como sensores dentro de las máquinas que envían alertas al agricultor, al distribuidor local y a Deere si falla.
La impresión Fendt de alta gama de Agco permite que un solo conductor controle dos tractores al mismo tiempo, y muchos sistemas permitirán que un tractor continúe exactamente donde otro dejó de plantar para no desperdiciar semillas.
En todos los casos, alguien debe estar presente en el tractor controlado a distancia. Pero eso es un reflejo de problemas de responsabilidad: un tractor robótico que no funcione bien y que cuide los campos a lo largo de una carretera del medio oeste podría causar estragos, en lugar de una deficiencia tecnológica, dice Adam Fleck, analista de Morningstar.
“El siguiente paso lógico sería eliminar al humano de la máquina”, dice. «Ya tenemos la capacidad para hacerlo».
Los avances en la tecnología de telefonía móvil también tendrán que seguir el ritmo, dice Aguimar De Souza, de Agco. “En el futuro, es posible que pueda usar su teléfono celular [para controlar un tractor], pero es posible que necesitemos algo como la tecnología 7G [en lugar de 4G] para asegurarnos de que la señal sea confiable”, dice.
Mientras los fabricantes de tractores mantienen los pies enraizados en el suelo, aparecen drones en el horizonte. La industria de los drones dice que es probable que el 80 por ciento de la demanda provenga de los agricultores, pero las empresas de tractores dicen que actualmente no están trabajando en sus propios modelos, que están prohibidos para uso comercial en los EE. UU. En cambio, los analistas creen que empresas como Deere, CNH y Agco tienen más probabilidades de adquirir o asociarse con fabricantes de vehículos aéreos no tripulados.
Mientras tanto, las empresas agrícolas están tratando de hacer un mejor uso de la gran cantidad de datos que generan los agricultores y, en el caso del mapeo de rendimiento y suelo, se han rastreado durante años.
“Hay una tonelada de información que proviene del campo”, dice Cory Reed, de Deere. “Lo que no es fácil hoy es tomar esos datos y analizarlos y dar los siguientes pasos para decir qué voy a cambiar el año que viene”.
La industria quiere explotar mejor los llamados “big data”, que ya le han permitido obtener mejores márgenes con precios más altos en tractores de gama alta. Una vez que los equipos tecnológicamente avanzados se conviertan en estándar en los EE. UU. Y Occidente, las empresas podrán aprovechar la necesidad de aumentar los rendimientos también en el mundo en desarrollo.
En Occidente, eso inicialmente involucró datos de rendimiento en tiempo real: un tractor que podía contar cuántas fanegas estaba cosechando. Pero ha crecido para incluir servicios de datos de suscripción basados ​​en la nube que permiten a los agricultores acceso inalámbrico a sus datos y les brindan consejos sobre la siembra.
A principios de este mes, cuando Monsanto anunció la adquisición de Climate Corporation, una empresa de ciencia de datos por 930 millones de dólares, el director ejecutivo Hugh Grant dijo que los datos representaban una oportunidad de ventas potencial de 20.000 millones de dólares para la industria.
“[Los agricultores] nos dicen que están buscando utilizar más datos provenientes de sus campos y las cabinas de sus tractores para mejorar su productividad y rentabilidad”, dijo en una llamada con un analista.
Las herramientas de gestión de riesgos y pronósticos meteorológicos hiperlocales de Climate Corp complementarán el producto de big data de Monsanto, FieldScripts, que proporciona a los agricultores recomendaciones de semillas y otros puntos de datos.
Lane Arthur, de DuPont Pioneer, que ofrece un producto similar, dice que durante los últimos tres años la compañía ha duplicado la cantidad de datos que genera cada seis meses.
El próximo desafío es cuál es la mejor manera de utilizar esos datos respetando las preocupaciones de privacidad de los agricultores típicamente reticentes. Por lo general, al agricultor se le permite optar por compartir sus datos o no, y la industria está explorando formas de usar esos datos de manera más segura para brindar mejores servicios y productos más personalizados.
Pero algunos agricultores lo ven como una forma de exprimirlos más o venderles productos que no necesitan en un entorno en el que los precios de las semillas y los tractores siempre parecen subir.
Mark Jehle, un cartero rural que cultiva alrededor de 3,000 acres con su hermano a unos 90 minutos al suroeste de Chicago, ilustra el desafío.
Ha adoptado la última tecnología, rastrea obsesivamente sus propios datos y llama a los avances «la respuesta» – «cualquiera que no lo tenga, lo siento». Pero al preguntarle sobre sus intereses en el producto FieldScripts de Monsanto, que se está probando en la región, se resiste.
“Ellos ya saben demasiado”, dice, sentado en la cabina de un tractor Deere que se dirige solo mientras cosecha un campo de soja. «No quiero darles más de lo que ya tienen».

En este artículo veremos las tecnologías emocionantes que se están desarrollando, así como una mirada retrospectiva a algunas de las tecnologías existentes y cómo han ayudado a moldear las vidas y la rentabilidad continua de los agricultores de precisión en todo el mundo. Ha habido algunos desarrollos y avances realmente asombrosos en las industrias de tecnología agrícola. Algunos han sido revolucionarios, algunos han sido innovadores y algunos incluso han sido muy inusuales. Esperamos que disfrute de nuestro viaje de instantáneas del mundo agrícola, pasado, presente y futuro.

Pasado
El verdadero despegue de la agricultura de precisión tal como la conocemos hoy tuvo lugar a mediados de los noventa. A raíz del gran auge tecnológico que se había producido en los años 80 y continuó hasta principios de los 90, la agricultura comenzó a ver avances como resultado directo de esto.

Las primeras tecnologías de tasa variable comenzaron a usarse junto con desarrollos en el campo científico dedicados a mejorar la agricultura. Las universidades de los EE. UU. Comenzaron a descubrir que los rendimientos se veían afectados por los niveles de fertilización, pero que la fertilización no era igual. Algunos campos, por ejemplo, se beneficiaron de la fertilización, otros no y aún más complicados fueron los campos que tenían aspectos que necesitaban fertilización y otros que no.

Con este nuevo conocimiento en mente, los agricultores se volvieron más inteligentes sobre cómo fertilizaban sus granjas y cuánto gastaban en fertilizantes. El equipo de fertilización de dosis variable se desarrolló para distribuir el fertilizante de manera adecuada en los campos cuando y cuando se necesite. Esto luego puso los engranajes en movimiento para otros equipos de tasa variable como sembradoras y aparatos de riego.

Presente
A medida que los beneficios de la tecnología comenzaron a sentirse en abundancia en toda la industria agrícola, también lo hizo la inversión para desarrollar tecnología más innovadora para ayudar a los agricultores de precisión. Esto resultó en una gran inversión en investigación agrícola, infraestructura y desarrollo tecnológico.

Algunos de nuestros artilugios tecnológicos favoritos que utilizan hoy en día los agricultores de precisión son;

Drones . No podemos tener suficiente de los drones, desarrollados originalmente como una forma de estudiar la tierra desde arriba, casi ha llegado a la plenitud de lo brillantes que pueden ser. Estos prácticos pedazos de tecnología voladora no solo les dicen a los agricultores todo lo que necesitan saber sobre su tierra desde arriba, sino que ahora se comunican de forma autónoma con vehículos terrestres no tripulados que se atascan y hacen el trabajo agrícola para los agricultores. Algunos drones tienen equipos de pulverización conectados, otros tienen un software de imágenes intrincado que penetra debajo de la superficie de los campos. Son un equipo agrícola verdaderamente versátil que solo tiene la limitación de la imaginación.
Aplicaciones GPS. Los agricultores ahora controlan cada parte de sus granjas desde sus teléfonos inteligentes. Desde monitorear las condiciones climáticas y los pronósticos y ajustar el riego hasta monitorear el ganado y rastrear su ubicación. Las aplicaciones GPS no solo les permiten a los agricultores un mayor nivel de control sobre sus granjas, sino que también les ofrecen la oportunidad de registrar y compartir información de formas nunca antes vistas. Big data se ha convertido en una gran palabra de moda en la comunidad de agricultura de precisión. Los agricultores están aprendiendo cada vez más sobre cómo se comportan sus propias granjas y campos mediante el análisis de datos tanto de sus propias granjas y campos como de los de sus vecinos. Los problemas que le quitarían días a la vida de un granjero ahora se resuelven en horas como resultado de las aplicaciones de GPS, en lugar de rastrear y cazar animales callejeros, los datos de GPS ahora señalan dónde está el ternero perdido.
Robots . Aunque relativamente primitivos, están aquí y se utilizan en granjas. Al igual que con otras tecnologías de esta lista, esperamos que los robots se integren cada vez más en los próximos años. Actualmente, los robots recolectores de frutas patrullan vastos viñedos, monitorean los cultivos y luego recogen la fruta para la cosecha. Dada la riqueza de la industria del vino, a menudo son los productores de uva de precisión los que marcan la tendencia en las prácticas agrícolas, ya que tienen el dinero para invertir en nuevas tecnologías. A medida que estas tecnologías cobran impulso, se vuelven más asequibles y los agricultores de todo el mundo comienzan a beneficiarse.
Futuro
Estamos muy entusiasmados con el futuro de la agricultura de precisión y los maravillosos giros que está tomando ahora. Dado que cada vez más agricultores tienen mayores márgenes de beneficio, la reinversión en áreas tecnológicas clave es mayor. Ahora, los agricultores de otras áreas, como la producción de maíz y soja, son pioneros en tecnología, donde antes solo los productores de uva ricos podían permitirse tales lujos.

Los robots se están volviendo cada vez más sofisticados y existe un gran impulso global hacia la automatización y la inteligencia artificial. La tecnología sin conductor está siendo desarrollada tanto por los fabricantes de automóviles como por los fabricantes de maquinaria agrícola.

La forma en que se registran los datos también está cambiando, con el mundo bastante oscuro e inusual de las criptomonedas, las tecnologías Blockchain pioneras que han abierto las puertas para los libros de contabilidad virtuales y el mantenimiento de registros. Esta tecnología ya se está utilizando con un efecto tremendo en el lejano oriente, y países como China gestionan inventarios completos de recursos con libros de contabilidad de Blockchain.

Es probable que el futuro de la agricultura sea un sueño total para los propietarios de granjas. En lugar de ser trabajadores de la tierra, se convertirán en propietarios de tierras, y los robots y la tecnología harán todo el soborno por ellos. Esto significará que hay una gran pérdida de empleo para los trabajadores agrícolas en general, pero los agricultores que han heredado granjas durante generaciones y se han esclavizado y trabajado para trabajar la tierra heredarán una empresa verdaderamente magnífica.

Es probable que la granja del mañana esté gobernada por acero inoxidable con circuitos complejos e inteligencia artificial. Aumentar los rendimientos en cada cosecha mientras un agricultor se sienta y administra su granja como un negocio de formas que antes solo se hubieran soñado.

Es una perspectiva desalentadora, es extraño comprenderlo, pero sucederá, y la aceptación ahora está creciendo rápidamente. Ahora es sólo una cuestión de tiempo antes de lo inevitable, y creemos que será asombroso y maravilloso para los agricultores de todo el mundo que tanto han sufrido. Es la tierra prometida.

A lo largo de los años, la agricultura de precisión ha facilitado mejoras en los equipos agrícolas, desde la dirección automática en cosechadoras hasta la siembra de tasa variable en sembradoras. Estos cambios mejoran la funcionalidad y permiten a los productores cultivar de manera más inteligente y eficiente.

La tecnología de los pulverizadores se ha mantenido relativamente sin cambios durante los últimos años, lo que deja margen de mejora. Recientemente, sin embargo, ha habido varios avances en el área de la tecnología de precisión en los pulverizadores, buscando cambiar la forma en que se aplican los productos.

Los principales fabricantes reconocieron los desafíos de la aplicación tradicional y han comenzado a introducir soluciones, como el control de sección independiente para el cambio automático de boquillas en función de la velocidad. John Deere, por ejemplo, lanzó su nuevo sistema de control de boquillas ExactApply para brindar a los productores más control sobre todo, desde el tamaño de las gotas hasta la presión, y adaptarse a diferentes velocidades, curvas y áreas sensibles como las vías fluviales.

Las diferentes marcas de pulverizadores funcionan de diferentes maneras, pero independientemente del pulverizador que el productor elija para operar, los equipos de aplicación de precisión afrontan los mismos desafíos en todas las plataformas.

MÁS DE NATE DORSEY
Sensores
16 de septiembre de 2019
Tendencias de sensores en la agricultura: encontrar el equilibrio entre lo asequible y lo caro
Por Nate Dorsey
Tecnologías de campo
29 de marzo de 2019
Robot de granja autónoma: ‘Ver DOT Run’ en el Demo Day en Arizona
Por Nate Dorsey
Sensores
15 de enero de 2019
Nuevas oportunidades para el monitoreo de la humedad del suelo
Por Nate Dorsey
Cómo funciona

En el caso del sistema ExactApply de John Deere, se mantienen muchas características de los sistemas tradicionales, como el control de sección y la aplicación de dosis variable, pero se han mejorado aún más. Por ejemplo, en los pulverizadores tradicionales había tres secciones, una para el centro y otra en cada uno de los brazos. Con el nuevo sistema ExactApply, los cultivadores tienen control individual de boquillas y pueden tener tantas secciones como boquillas. Esto aumenta la precisión y controla mejor los costos de entrada.

El sistema también ofrece cambio de boquilla A / B, que permite el cambio manual o automático entre boquillas para adaptarse mejor a las condiciones del campo, la velocidad y las tasas de aplicación. Por ejemplo, se puede usar una boquilla de baja deriva en los bordes y cabeceras del campo, y luego el operador puede optar por usar una boquilla diferente para rociar el interior del campo.

Si bien los diferentes productos ofrecen diferentes características y grados de control para los productores, todos se basan en un principio común: más control equivale a una mejor pulverización, lo que da como resultado menos desperdicio de producto y, por lo tanto, mayores ahorros. El valor de la aplicación de precisión proviene de cinco capacidades principales.

1. Consistencia de la aplicación a cualquier velocidad

Para que sea más eficaz, la tasa de aplicación por pulverización debe ser constante. Uno de los mayores desafíos para mantener esta consistencia se produce al cambiar la velocidad de avance. Tradicionalmente, los rociadores se adaptan a los cambios de velocidad del suelo modificando la presión de rociado, sin embargo, esto puede resultar en una cobertura deficiente del cultivo. Con productos de aplicación de precisión, los productores pueden configurar las boquillas de los rociadores para que se ajusten automáticamente en función de la velocidad actual del rociador, lo que les permite mantener una tasa de aplicación constante.

Por ejemplo, el ajuste automático de un rociador se puede configurar para que la boquilla X se aplique a velocidades de hasta 5 mph. Cuando el pulverizador supera las 5 mph, la boquilla X se apagará y la boquilla Y se activará. Cuando el rociador alcanza la velocidad más alta, por ejemplo, 12 mph, ambas boquillas X e Y se activarían, trabajando juntas para mantener la tasa de aplicación objetivo, asegurando consistencia en la cobertura.

2. Presión y tamaño de la gota

Al igual que con la tasa de aplicación, el tamaño de las gotas también debe permanecer constante para obtener mejores resultados. Algunos sistemas de ajuste automático que no ofrecen control de boquilla individual aún pueden ajustarse a la velocidad del pulverizador, pero con un cambio de presión. A velocidades más bajas, el sistema reduce la presión, aplicando menos producto. Esto es solo algo más eficiente, ya que también da como resultado un cambio en el tamaño de las gotas, que luego conduce a una cobertura inadecuada.

Gracias a la modulación de ancho de pulso en los sistemas más nuevos, la presión deseada sigue siendo la misma en la pluma. En cambio, el sistema cambia la frecuencia y el ciclo de trabajo de la pulsación para ajustar la velocidad, lo que da como resultado un tamaño de gota constante y, por lo tanto, una cobertura mejorada.

3. Cobertura de compensación de curva

Los sistemas de aplicación de precisión también están diseñados para mantener una cobertura específica en todo el campo, incluso cuando se opera a lo largo de curvas. Este concepto de “compensación de curva” ( discutido en detalle en este artículo ) utiliza impulsos de boquillas individuales y las capacidades de ajuste automático del sistema. Cuando el pulverizador gira, el sistema se ajusta, aplicando automáticamente menos producto a las filas interiores y más a las filas exteriores. Esto asegura que las filas interiores no sufrirán una aplicación excesiva y que las filas exteriores seguirán recibiendo la dosis prescrita. La cobertura es ideal en toda la longitud de la pluma.

4. Reducción de saltos y superposiciones

El control de secciones individuales es especialmente importante cuando se trata de características de campo únicas como áreas fronterizas, cursos de agua o cultivos sensibles. Los sistemas de aplicación de precisión proporcionan este control al permitir que se apaguen las secciones individuales del pulverizador, lo que reduce los saltos y superposiciones. Por ejemplo, cuando un rociador se acerca a una vía fluvial, se pueden apagar secciones individuales, evitando que el producto se aplique sobre el agua. Las secciones luego se reactivan una vez que la barra ha alcanzado un área para ser rociada, inmediatamente retoma la cobertura nuevamente.

5. Gestión de la deriva

Algunos cultivos requieren una aplicación mucho más fina o un tamaño de gota más pequeño; sin embargo, puede resultar en la deriva de productos químicos a campos o cultivos adyacentes que no están destinados a ser fumigados. Este problema se puede reducir con el cambio de boquilla A / B, mencionado anteriormente.

Al delinear un campo, un agricultor puede cambiar a una boquilla de deriva más baja, reduciendo la cantidad de material que se deriva y previniendo efectos potencialmente dañinos para la vegetación circundante. Cuando se trabaja hacia el interior del campo, el productor puede volver a utilizar una boquilla más convencional.

consideraciones adicionales

Si bien el equipo de aplicación de precisión está diseñado para poner más control en manos de los productores, aún se recomienda que los productores mantengan una asociación cercana con asesores confiables, como agrónomos o personal del concesionario.

Los agrónomos, por ejemplo, pueden proporcionar información sobre los muchos productos disponibles, así como educar a los productores sobre las diversas regulaciones que rigen el uso, como la tasa de aplicación máxima y la especificación de la boquilla. Un agrónomo u otro especialista en productos de precisión con conocimientos puede ayudar a los productores a seguir las pautas y aplicar el producto correcto en el momento adecuado.

Otro buen recurso para los productores es la aplicación GoSpray de John Deere. Esta aplicación proporciona instrucciones para la configuración y el mantenimiento adecuados del equipo, lo que brinda a los operadores y técnicos de los equipos la oportunidad de optimizar al máximo sus máquinas. El personal clave de la mayoría de los concesionarios está familiarizado con estas aplicaciones y puede ayudar a los productores a ponerlas en práctica en la granja.

Al ofrecer a los productores un mayor control sobre la aplicación del producto, las nuevas tecnologías de precisión hacen que el proceso sea más preciso, efectivo y económico.

La maduración de las tecnologías de sensores y la mayor accesibilidad de técnicas de datos como la visualización y el aprendizaje automático están impulsando una nueva generación de agricultura de precisión y sistemas agrícolas computarizados. Pero que la industria los adopte a escala dependerá de la respuesta a una pregunta clave entre bastidores: ¿la nueva tecnología tiene una estrategia de API?

El auge de la agricultura de precisión
Los sensores son cada vez más baratos, más robustos y ahora pueden medir más factores ambientales necesarios para fomentar prácticas agrícolas sostenibles (como la composición del agua del suelo y los riesgos de plagas). Junto a esto, el nuevo software permite que los datos de los sensores se recopilen en tiempo real, se analicen para obtener información crucial y se visualicen de una manera fácilmente comprensible. Los datos también están comenzando a agregarse al aprendizaje automático, como alertas instantáneas que identifican cuándo se alcanzan umbrales ambientales particulares. Ahora, varias de estas tecnologías están agregando técnicas de automatización para permitir que el software y los sensores respondan de manera independiente, por ejemplo, regando automáticamente los cultivos cuando la humedad del suelo cae por debajo de un cierto nivel.

La dificultad es que, como industria emergente, la agricultura de precisión está viendo una variedad de fabricantes de sensores y proveedores de software que ingresan al mercado. Algunos de ellos son fabricantes de hardware a gran escala, algunos son nuevas empresas y algunos son proveedores específicos de la industria que están tratando de diversificar sus productos actuales. Muchos intentan ofrecer una interfaz de software a sus sensores para que los agricultores puedan leer y recopilar datos de los sensores que ofrecen, pero los agricultores a menudo necesitan algo más flexible. Necesitan una solución que pueda incorporar datos de una gama de sensores diferentes que pueden estar usando de diferentes fabricantes, que ya tengan un software de gestión agrícola existente que quieran conservar o que quieran elegir su propio software que tenga una capacidad particular que cumpla con sus necesidades. necesidades.

Aquí es donde entra en juego la API (interfaz de programación de aplicaciones). Las API son una forma acordada de representar los datos de una fuente para que puedan integrarse con otra. De la misma manera que un powerpoint no necesita saber qué tipo de aparato está conectando para alimentarlo con electricidad, una API crea una forma estándar de conectar software para que pueda alimentar la fuente de datos a El software.

Hacer realidad la agricultura sostenible y la gestión urbana
Proyectos como Weenat, IrrigNET y SmartSilo están haciendo que las prácticas agrícolas sostenibles sean más accesibles y se puedan gestionar de forma remota. Con este tipo de productos, es cada vez más factible gestionar la agricultura rural desde una base urbana. Pero para que estos productos escalen y construyan un mercado suficiente, deben poder integrarse con una gran cantidad de sensores y soluciones de software.

Imagen

La empresa emergente con sede en Francia Weenat , por ejemplo, utiliza multisensores duraderos que pueden soportar el agua y las condiciones climáticas adversas para continuar transmitiendo lecturas. El presidente Jérôme Leroy dijo en una conferencia de APIdays en diciembre del año pasado que las malas prácticas agrícolas son responsables de algunas de las mayores cargas de sostenibilidad del mundo. Por ejemplo, el 70% del uso mundial de agua es para la agricultura. Leroy cree que la tecnología puede mejorar las prácticas agrícolas actuales y reducir las necesidades de agua. Él dice que una de las formas de aprovechar una ventaja tecnológica es ayudar a los agricultores a implementar prácticas de agricultura de precisión: «Nos estamos moviendo hacia una tendencia en la agricultura en la que el agricultor quiere obtener datos exactamente donde creen que habrá el problema, no cinco o a ocho kilómetros «, dijo Leroy.

Imagen

La visión de Leroy es compartida por otros proyectos como irrigNET, un proyecto de la startup serbia DunavNet. IrrigNET ve que uno de los desafíos clave para la producción exitosa de cultivos es el riego racional y la capacidad de comprender y responder a las características de la planta y el suelo en tiempo real. Al utilizar sensores que miden la humedad del suelo a diversas profundidades y la temperatura del aire, irrigNET no solo puede evaluar los factores ambientales actuales, sino que también puede crear «recetas» automatizadas que desencadenan prácticas agrícolas más eficientes. Por ejemplo, los agricultores pueden tener en cuenta la lluvia esperada y la temperatura del aire, y activar el riego de riego automáticamente cuando la humedad del suelo cae por debajo de un cierto umbral. Si bien los sistemas se pueden configurar automáticamente, los paneles de monitoreo en tiempo real aún brindan a los agricultores el control si desean restablecer los valores en cualquier momento.

Imagen

Mientras tanto, la startup española Ubikwa Systems está construyendo SmartSilo, un sistema basado en sensores para monitorear y optimizar el ganado en los silos de las granjas ganaderas. Una gestión de stock más sostenible puede reducir las emisiones de CO2 en un 25%, y solo en Europa puede ahorrar a las explotaciones agrícolas más de 2.000 millones de euros al año, según el CEO, Jaume Gelada.

Integración de Farming Tech con API
En la presentación de la conferencia de Weenat en diciembre, Leroy confirmó que la próxima gran tarea en la hoja de ruta de la startup es construir una API. Si bien Weenat viene con su propio software de panel para monitorear los multisensores utilizados en el campo, Leroy reconoce que los agricultores pueden estar combinando esos datos con otros sensores que están usando, o que ya estén usando una solución de software de gestión agrícola. Una API permitiría a los agricultores de Weenat integrar los datos del sensor en sus sistemas actuales.

Tanto irrigNET como Ubikwa han elegido una ruta diferente: utilizan la plataforma API de código abierto FIWARE para que los datos de sus sensores estén disponibles para su integración en el sistema de software preferido de un agricultor.

«Nuestro objetivo era desarrollar una solución que sea asequible, fácil de instalar, disponible para todas las granjas y que proporcione todas las aplicaciones y servicios necesarios para optimizar la logística asociada con las existencias de alimentos para animales», dice Gelada de Ubikwa. «Así que había muchos requisitos que debíamos tener en cuenta: necesitábamos estandarización para lograr la máxima interoperabilidad, queríamos ser de código abierto para evitar la tecnología que bloquea a los usuarios en sistemas propietarios y limita nuestra capacidad de crecimiento, y queríamos un comunidad que ayuda a impulsar un flujo continuo de innovación «.

Gelada dice que el equipo consideró FIWARE como una posible forma de construir la API para su sensor, pero al principio dudó. «Cuando comenzamos nuestra investigación, FIWARE era un proyecto muy ambicioso lanzado por la Comisión Europea. Parecía interesante y decidimos hacer algunas pruebas y evaluar qué tan bien estaban desempeñando su misión. Aunque no fue fácil en ese momento sumergirnos en En cuanto a las especificaciones tecnológicas, nuestras primeras impresiones fueron bastante positivas, FIWARE cubría la mayoría de nuestras necesidades y estaba funcionando bien, sin embargo, aún teníamos dudas por la inmadurez y el futuro incierto de la plataforma. ¿Tendría el impulso suficiente para consolidarse por sí solo una vez finalizado el apoyo y los fondos recibidos por la Comisión Europea? Cuando la UE anunció el lanzamiento de una fase aceleradora del programa con 150 millones de euros para financiar 800 startups, no teníamos dudas de que FIWARE iba a jugar un papel clave en el mercado «.

IrrigNet fue una de esas startups financiadas con parte de los fondos disponibles de la fase de aceleración. Utilizaron su financiación inicial para extraer datos de sensores junto con datos en tiempo real de fuentes de terceros, como datos meteorológicos, para crear un sistema de riego optimizado y automatizado que aumenta el rendimiento, reduce el desperdicio de agua y previene la erosión de la tierra.

José Manuel Cantera, un experto en tecnología de la compañía española de telecomunicaciones Telefónica, que es uno de los socios de la iniciativa FIWARE, insta a las nuevas empresas a evitar la creación de sus propias API para sus nuevos productos agrícolas sostenibles y, en cambio, trabajar en la plataforma de código abierto.

«Yo diría que crear su propia plataforma y API podría limitar más oportunidades de integrar su plataforma en escenarios múltiples e imprevistos», dice Cantera. «Por ejemplo, consideremos una solución de agua inteligente que podría desarrollarse para optimizar el suministro de agua a las granjas. Si una granja tiene un sistema de detección de suelo basado en tecnologías patentadas, no podrá interoperar, a nivel de datos, con el agua inteligente solución y, como resultado, la granja quedará aislada y tendrá que gastar más tiempo y dinero para conectarse a la solución de gestión del agua. El punto principal aquí es que las soluciones verticales patentadas pueden funcionar inicialmente pero pueden tener problemas de escalabilidad al final que afectan tanto el cliente final como el proveedor de soluciones «.

FIWARE no es el único jugador que ofrece administrar API para fabricantes de hardware de sensores y proveedores de software de gestión agrícola. DreamFactory es otra herramienta de código abierto que ayuda a los usuarios a crear sus propias API más rápidamente de lo que podrían hacerlo por su cuenta. Eso difiere del modelo de FIWARE que anima a otros a utilizar su conjunto común de API.

La agricultura de precisión tiene un enorme potencial para ayudar a reducir las ineficiencias agrícolas y crear una industria más sostenible. Pero también puede facilitar una nueva relación entre las ciudades y sus comederos urbanos. Las API, mientras trabajan detrás de escena para conectar varios sensores y sistemas de datos, serán el verdadero habilitador que haga realidad todas estas posibilidades.

«Siempre estamos pensando cómo agregar valor a nuestras semillas y cómo brindarle un servicio superior a nuestros clientes. El uso de drones y de información georeferenciada viene creciendo en agricultura y resulta de gran utilidad», explica Ignacio Beltramino, director comercial de Nidera Semillas.

Área de cobertura

La iniciativa, que se circunscribe en esta primera etapa al cultivo de maíz, involucra a 40 distribuidores desplegados por distintos puntos del país, desde Charata, en Chaco, hasta Tres Arroyos, en Buenos Aires, pasando por Tucumán, Córdoba, Santa Fe y Entre Ríos.

A partir de ahora, los asesores técnicos de la red visitarán a sus clientes provistos de un dron DJI Matrice 100, un equipo ideal para trabajar en el campo por su autonomía, robustez y resistencia a diferentes condiciones climáticas. «Se trata de una plataforma que puede soportar distintos tipos de sensores o cámaras. En principio el proyecto arranca con sensores multiespectrales y sensores visuales RGB. Pero en el transcurso de los años se podrán incorporar nuevos dispositivos, como sensores termales o de otras longitudes de onda y resoluciones», detalla Nicolás Bergmann, titular de Taguay, la firma que desarrolla junto a Nidera Semillas esta propuesta.

Vuelos

En el campo se realizan dos tipos de vuelos sobre los lotes: el primero de reconocimiento, con una cámara que proporciona imágenes cenitales a partir de la cual se detectan fallas en la siembra, zonas con anegamiento, entre otros datos. “En este tipo de vuelos se logra ver el cultivo desde una perspectiva totalmente distinta y te cambia la forma de pensar. Cuando uno mira de forma horizontal a la altura de la cintura, se ve a lo largo y parece una tabla perfecta. Pero cuando observas desde arriba empezás a notar un montón de cosas que no te imaginabas”, comenta Bergmann.

El segundo se trata de un vuelo automático donde el distribuidor configura un plan de vuelo y el dron de forma autónoma sobrevuela la superficie y a partir de sus sensores recopila información que luego será analizada por la compañía norteamericana Precision Hawk, líder en este tipo de servicios. En menos de dos días, el productor recibirá todos los datos procesados en dos reportes: un mapa de ambientación y un mapa de altimetría con los que podrá tomar decisiones y realizar ajustes para lograr una producción más eficiente, optimizar su negocio y obtener mayores rendimientos.

«El nivel de detalle al que se puede acceder con este tipo de tecnologías es muy superior a lo que estamos acostumbrados a ver con satélites. A partir del mapa de ambientación de índice verde se puede visualizar el vigor del cultivo, manchones de malezas o la georeferencia de ambientes estresados», considera el gerente de Taguay.

La concepción popular de la agricultura como de baja tecnología está lamentablemente desactualizada. Los agricultores modernos son operadores de alta tecnología: utilizan software GIS para planificar sus campos, GPS para guiar las operaciones de campo y sistemas de dirección automática para que los tractores sigan esa guía GPS sin manos humanas. Dada esta base tecnológica, la transición a la autonomía total ya está en progreso, aprovechando las partes básicas y el software avanzado para llegar más rápido de lo que es posible en muchos otros dominios.

Este artículo describe algunas de las tecnologías clave que permiten la agricultura autónoma, utilizando el sistema autónomo de recolección de granos de Kinze como caso de estudio.

Fuente: Jaybridge Robotics
Jaybridge Robotics automatiza vehículos para operaciones sin conductor en dominios industriales que incluyen agricultura y minería. Hacemos esto usando componentes comerciales, listos para usar (COTS) y nuestro software. Creemos que el software es el mayor desafío para hacer que la robótica vehicular sea rentable y confiable. Durante los últimos años, hemos estado trabajando con Kinze Manufacturing para automatizar su línea de equipos agrícolas (ver video arriba). En este artículo, voy a explicar por qué los agricultores están bien posicionados tecnológicamente para aprovechar los vehículos agrícolas automatizados. También proporcionaré un estudio de caso de la tecnología detrás del sistema autónomo de recolección de granos de Kinze.

Agricultura guiada por satélite

GPS-satélite-Block-IIF- (Boeing-gráfico)

Figura 1: Satélite GPS Block IIF (gráfico de Boeing)
Aunque los habitantes de las zonas urbanas todavía pueden pensar en la agricultura como una profesión atrasada y de baja tecnología, gran parte de la agricultura profesional se ha convertido en alta tecnología en los EE. UU. Y otras naciones desarrolladas. La última década, en particular, ha sido testigo de la rápida adopción de la alta tecnología bajo la etiqueta general de agricultura de precisión.
Los agricultores recopilan y actúan sobre grandes cantidades de datos. Los datos del sistema de posicionamiento global (GPS) de los satélites (ver Figura 1) se encuentran en el corazón de la agricultura de precisión. Los agricultores utilizan software de gestión agrícola (por ejemplo, FarmWorks) y receptores GPS para mapear sus campos y rastrear el rendimiento (cantidad de cultivo) que obtienen de cada metro cuadrado. Pueden aumentar estos datos de rendimiento con una variedad de otra información. Por ejemplo, también pueden realizar un estudio detallado de muestreo del suelo para determinar la mezcla de nutrientes del suelo en diferentes áreas del campo. La salud de las plantas se puede evaluar en parte por la coloración de las plantas, por lo que algunos agricultores comprarán imágenes de sobrevuelo de aviones o satélites que les permitan determinar la salud de sus plantas en varias épocas del año. Por supuesto, toda esta información adicional va al software de mapeo de la computadora.

Con base en sus datos recolectados y mapeados (georreferenciados), los agricultores pueden generar mapas de prescripción que especifican cuánto fertilizante aplicar en cada región del campo, qué tan densamente plantar semillas en esa región, etc., para optimizar el rendimiento y minimizar aplicaciones químicas innecesarias.
Para aprovechar al máximo los mapas de prescripción, muchos implementos agrícolas modernos están controlados por computadora. Los plantadores, como su nombre indica, ponen semillas en el suelo. Una sembradora como la que se muestra en la Figura 2 puede tener unidades en hileras controlables independientemente, lo que permite que cada unidad se encienda y apague, o que se ajuste su tasa de siembra, de forma independiente.

Kinze-Manufacturing-4900-jardinera-plegable-frontal)

Figura 2: Jardinera plegable frontal Kinze Manufacturing 4900) Fuente: Kinze Manufacturing
Dado este tipo de sembradora, el mapa de prescripción se carga en la computadora del tractor y el conductor del tractor simplemente … conduce. El conductor dirige el tractor, el tractor tira de la sembradora y la computadora de a bordo controla la tasa de siembra según la ubicación de la sembradora en el campo. La computadora también rastrea dónde ya se ha aplicado la semilla, por lo que si el conductor tiene que conducir a través de un territorio ya sembrado, no obtiene una doble semilla.
La misma estrategia se aplica en otras actividades de mantenimiento de cultivos, como fertilización y otras aplicaciones químicas. La computadora monitorea la ubicación del vehículo y garantiza que los productos químicos se apliquen solo donde se prescriben, en dosis personalizadas adaptadas al área específica. Esto tiene beneficios de costo para el agricultor – menos químicos usados ​​se ahorra dólares – y también tiene beneficios ambientales, ya que menos químicos usados ​​son menos químicos en riesgo de filtrarse al ecosistema circundante.

Autonomía cooperativa

Al colocar la semilla en el suelo y luego volver a cosecharla, es importante que el recolector siga el mismo camino que el sembrador meses antes. Y, por supuesto, la cosechadora y la plantadora saben dónde están de la misma manera que su teléfono inteligente sabe dónde está usted: GPS.
Sin embargo, es posible que haya notado que su teléfono celular puede estar bastante apagado. La diferencia con los vehículos agrícolas es que, si bien la unidad de GPS que tiene en su teléfono o su automóvil sabe dónde se encuentra a unos pocos metros, un GPS aumentado de alta precisión en un tractor moderno sabe dónde está dentro de un par de pulgadas. Esta precisión tiene profundas consecuencias.
Primero, permite al conductor de un tractor reproducir una ruta una y otra vez. Al plantar, la semilla se va al suelo. Cuando se trata, el fertilizante se aplica directamente al área sembrada, sin aplicarse al territorio sin sembrar entre las filas. Finalmente, en la cosecha, el conductor cosecha con alta eficiencia siendo igual de preciso al avanzar por las hileras en la cosechadora.
Históricamente, el conductor guiado con precisión contaba con la asistencia de una «barra de luces», una línea de LED que indica en tiempo real si el vehículo está en la pista o si se necesita una corrección de dirección. Hoy en día, un tractor avanzado se conduce solo por la ruta.
Los sistemas de dirección automática están disponibles para una variedad de modelos de tractores, tanto incorporados como incorporados en el mercado secundario. La mayoría de los sistemas de dirección automática actuales solo pueden conducir las filas, lo que requiere la intervención del conductor al final de cada fila, pero los sistemas avanzados de algunos proveedores ahora pueden manejar ciertos giros simples. Incluso con la dirección automática, se requiere que el conductor esté atento a los obstáculos y controle el equipo, aunque el trabajo es mucho menos fatigoso cuando el conductor puede ir «sin manos» en filas largas. Mientras que el agricultor todavía está ajustando el acelerador y atento a una colisión, el sistema indudablemente se conduce de forma autónoma.

Preparado para la automatización completa

Esto dice mucho sobre los agricultores como futuros usuarios de sistemas más completamente automatizados. En fincas que han adoptado la agricultura de precisión:

• Los agricultores son usuarios de computadoras con conocimientos de tecnología.
• Examinan sus campos con precisión.
• Sus tractores ya están parcialmente conducidos por cable, lo que significa que una computadora ya puede controlar funciones clave como la dirección.
• Sus tractores están equipados con sistemas GPS de alta precisión.

Dada esta línea de base, la transición a la autonomía total es relativamente sencilla, ya que se utilizan piezas listas para usar y software avanzado.

Estudio de caso: Sistema autónomo de recolección de granos Kinze

El-sistema-de-carro-de-grano-autónomo-Kinze-trabajando-con-una-cosechadora-en-2012

Figura 3: El sistema Kinze Autonomous Grain Cart que funciona con una cosechadora en 2012. Fuente: Jaybridge Robotics
Kinze Manufacturing fabrica carros de grano y sembradoras para cultivos en hileras. Durante los últimos años, Jaybridge Robotics ha estado trabajando con Kinze para automatizar los tractores que tiran de sus carros de granos para producir el sistema autónomo de recolección de granos de Kinze, que se muestra en el video de apertura y en la Figura 3. En este caso de estudio, veremos observe cómo el sistema Kinze se basa en tecnologías existentes y el software de Jaybridge.

Jaybridge-Robotics-software-modules- (simplificado)

Figura 4: Módulos de software de Jaybridge Robotics (simplificado). Fuente: Jaybridge Robotics
En la Figura 4 se muestra una descripción general de alto nivel del software de Jaybridge Robotics. Nuestro software aprovecha los componentes básicos para realizar tareas clave de automatización de vehículos que incluyen:

• Interfaz de usuario que permite al usuario realizar el flujo de trabajo.
• Planificación de la ruta de los vehículos.
• Control del vehículo, incluyendo dirección, frenos, acelerador, etc.
• Navegación
• Detección de obstáculos
• Comunicaciones entre vehículos

Veamos cómo se realizan estos elementos en el sistema Kinze Autonomous Grain Harvesting.
La interfaz de usuario, que se muestra en la Figura 5, se ejecuta en una tableta Android con pantalla táctil. Al trabajar con Kinze, se identificaron cuatro elementos principales del flujo de trabajo. En Offload, un carro de granos se conduce en conjunto con una cosechadora, mientras que la cosechadora simultáneamente cosecha y descarga la cosecha en el carro de granos. En Seguir, un carro de granos sigue detrás de una cosechadora, por ejemplo, cuando la cosechadora transita por un área estrecha. En el parque, un carro de granos regresa a un área de estacionamiento designada, donde se encuentra con un semirremolque que transportará el grano hacia adelante. Y en modo inactivo, por supuesto, el carro de grano está inactivo esperando más instrucciones. Esos elementos clave del flujo de trabajo se realizan en los botones principales en el lado derecho de la pantalla, mientras que en la parte inferior se proporcionan capacidades adicionales como la edición manual de cultivos y la detección de obstáculos.

Pantalla en la tableta en la cabina de la cosechadora

Figura 5: Pantalla en la tableta en la cabina de la cosechadora
La planificación del camino, el control del vehículo, la navegación y la detección de obstáculos se llevan a cabo en tiempo real en la computadora incorporada a bordo del tractor que remolca el carro de granos.
El plan de ruta se adapta en tiempo real a medida que se mueve la cosechadora; tenga en cuenta que el movimiento de la cosechadora mueve no solo el destino del carro de grano (en los modos de seguimiento o descarga), sino que también limpia el cultivo, creando un área de conducción adicional. Es posible que el plan deba incluir maniobras complejas, por ejemplo, en la Figura 6, donde la recolección se realiza en un campo en terrazas. El planificador de rutas se basa en el sistema de navegación que identifica la posición, orientación y velocidad del carro de granos. Cuando se conduce en tándem con la cosechadora para descargar, también depende de las comunicaciones de alta velocidad entre los vehículos para intercambiar información de posición. El planificador de rutas debe considerar continuamente la posición del vehículo y el mapa del área manejable, así como las capacidades físicas del vehículo.

Plan de camino para un carro de granos haciendo un giro brusco alrededor de una terraza

Figura 6: Plano de la ruta de un carro de granos que hace un giro brusco alrededor de una terraza. Fuente: Jaybridge Robotics
El control del vehículo también se realiza en tiempo real, lo que garantiza que el vehículo siga las rutas planificadas. Al igual que la planificación de la ruta, el control se ejecuta en la computadora integrada a bordo, sincronizando el acelerador, los frenos y la dirección para lograr la ruta deseada.
El sistema de navegación fusiona los datos del sistema GPS de alta precisión estándar de fábrica con otra información del vehículo para proporcionar una estimación extremadamente precisa del estado del vehículo.
El sistema de detección de obstáculos se basa en un telémetro láser giratorio (LIDAR) y un RADAR automotriz que se usa más comúnmente para el control de crucero adaptativo. Los datos de ambos sensores están fusionados para mejorar la capacidad de detección.
Las comunicaciones entre vehículos se realizan a través de dos canales diferentes. En rangos más largos, los carros de granos y las cosechadoras se comunican a través de datos celulares, aprovechando la cobertura celular generalizada que se extiende cada vez más profundamente en el corazón del campo agrícola. A corta distancia, y especialmente cuando se conduce en tándem, se utiliza una radio de corto alcance y gran ancho de banda para intercambiar datos para coordinar la conducción.
Es importante tener en cuenta que los componentes de hardware son partes comerciales disponibles en el mercado (COTS): desde la computadora integrada hasta el LIDAR y el módem celular, la tecnología existe hoy en día a precios muy razonables. El software de Jaybridge los transforma de una colección de piezas a un sistema de recolección de granos totalmente automatizado.

Fiabilidad

La maquinaria industrial debe ser confiable. La maquinaria agrícola no es una excepción. Por tanto, un aspecto clave del trabajo de Jaybridge Robotics es garantizar que los vehículos automatizados y el software que los controla sean fiables. Jaybridge se basa en una serie de técnicas que incluyen inspección de código formal, pruebas unitarias, pruebas de regresión y simulación a gran escala (consulte la Figura 7) para validar el software antes de que pase al hardware real. La simulación, en particular, es una herramienta potente en nuestro arsenal: le da a cada ingeniero de Jaybridge un sistema completo con el que trabajar, sin tener que encontrar estacionamiento para un montón de tractores.

Entorno de simulación de Jaybridge

Figura 7: Entorno de simulación de Jaybridge. Fuente: Jaybridge Robotics
Desarrollo en curso

El sistema Kinze Autonomous Grain Harvesting se dio a conocer al público en 2011. En 2012, varios sistemas se pusieron en manos de agricultores reales de Illinois para la cosecha de maíz y soja de otoño. En 2013, los sistemas vuelven a trabajar la cosecha, con mayores capacidades y una robustez cada vez mayor. A medida que continuamos con la hoja de ruta tecnológica, esperamos mejorar aún más las capacidades y la solidez del Sistema de recolección autónomo de granos de Kinze.

El índice de área foliar (LAI) es un rasgo biofísico del cultivo de gran interés para los productores y mejoradores de maíz, ya que está directamente relacionado con el potencial productivo del cultivo. El LAI se define como el área foliar fotosintéticamente activa por unidad de superficie de suelo. Las estimaciones directas del LAI mediante la recolección y el análisis de las hojas son tediosas y llevan mucho tiempo. Por lo tanto, para la estimación in situ del LAI se utilizan frecuentemente métodos indirectos basados en la fracción de vegetación cubierta. Diversos autores han obtenido a menudo mediciones del LAI mediante la correlación de valores e índices de reflectancia basados en satélites o en vehículos aéreos no tripulados, como el NDVI, con valores medidos en tierra. Este enfoque plantea otras cuestiones relacionadas con la escalabilidad espacio-temporal o el alto costo de los sensores empleados. Otras soluciones como el uso de imágenes hemisféricas nadirales del cultivo han sido comúnmente empleadas para estimar el llamado LAI verdadero por su relativa simplicidad técnica, pero aún así su análisis requiere de tiempo y paciencia.

El uso de los vehículos aéreos no tripulados o drones en el ámbito agrícola ha permitido en los últimos años una obtención de la información sobre los cultivos a mayor resolución tanto espacial como temporal. De la misma forma, las técnicas de computación y análisis de imágenes automáticos de aprendizaje profundo o Deep Learning, generan resultados cada vez más precisos, rápido y útiles en las diversas aplicaciones a la agricultura. En el presente documento se describe una metodología para estimar el LAI a partir de imágenes RGB tomadas con un UAV a baja altitud (15 m) durante la campaña de 2019 en un ensayo de cultivo de maíz realizado cerca de Sevilla (España). Para el cálculo del LAI, la imagen original se divide en diferentes bandas de análisis según la perspectiva angular del sensor RGB embarcado en el UAV. Para cada una de las perspectivas, se ha utilizado una red neural artificial pre-entrenada basada en Keras y TensorFlow como back-end para realizar automáticamente el cálculo del LAI. Los resultados de salida se compararon con las mediciones directas del LAI en tierra. Los primeros resultados obtenidos muestran que este enfoque, que utiliza imágenes RGB tomadas de un vehículo aéreo no tripulado que vuela a baja altitud y que se combina con el análisis de la red neural profunda, puede ser una metodología factible y precisa para estimar el LAI de las parcelas de cultivo de maíz en un tiempo significativamente más corto y a un costo bajo.