Los productores agrícolas han adoptado cada vez más tecnologías de agricultura de precisión (AP) durante las últimas dos décadas. Los datos de la Encuesta de Gestión de Riesgos Agrícolas (ARMS) recopilados y analizados por el USDA (Schimmelpfennig) mostraron una adopción sustancial de varias tecnologías de AP, que incluyen monitoreo y mapeo de rendimiento, muestreo y mapeo de suelos, sistemas de orientación y tecnologías de tasa variable.

Sin embargo, gran parte de la rápida adopción de tecnologías de AP se ha producido en los últimos años durante un período de mayor rentabilidad agrícola. Si la adopción de la tecnología de megafonía genera una mayor rentabilidad o si una mayor rentabilidad impulsa la adopción es una cuestión importante. Una investigación reciente de Mike Castle, Brad Lubben, Joe Luck y Taro Mieno en la Universidad de Nebraska-Lincoln estudiaron esta pregunta para evaluar el impacto económico de la adopción de la tecnología PA en cooperación con Tina Barrett y los miembros productores de Nebraska Farm Business, Inc. ( NFBI), una asociación de análisis y mantenimiento de registros agrícolas. La investigación se resume en la tesis de maestría de Castle de diciembre de 2016 y proporciona los antecedentes para esta discusión.

La evaluación de Castle del trabajo previo sobre el impacto de la tecnología de AP encontró que la mayoría de los estudios analizaron los retornos de la AP en condiciones hipotéticas o simuladas, mostrando los retornos potenciales o presupuestados de la adopción de tecnología. Sin embargo, el impacto real de la adopción de la tecnología de megafonía sobre la rentabilidad quedó en gran parte sin respuesta. Al vincular los datos primarios sobre la adopción de tecnología de AP recopilados a través de encuestas de productores con los datos financieros secundarios disponibles a lo largo del tiempo para un panel de productores de NFBI, la investigación analizó directamente la cuestión de la adopción de tecnología de AP y la rentabilidad de la granja.

Adopción de agricultura de precisión
La investigación de la encuesta proporcionó estimaciones de las tasas de adopción de varias tecnologías de AP para una muestra de productores de NFBI que se remonta a la década de 1990. Las tecnologías de megafonía incluyen aquellas vinculadas a la eficiencia operativa, como la guía del sistema de posicionamiento global (GPS), el control automatizado de secciones y la telemática. Estas tecnologías pueden mejorar la eficiencia mediante la reducción de la superposición y el uso de entradas, así como el monitoreo y la generación de informes en tiempo real del rendimiento del equipo. Otras tecnologías de AP abordan las diferencias de productividad y la variabilidad dentro de un campo e incluyen monitores de rendimiento, muestreo de suelo específico del sitio, aplicación de dosis variable de insumos e imágenes de cultivos. Estas tecnologías pueden mejorar la productividad y la rentabilidad gestionando la variabilidad y focalizando los insumos de manera más eficiente dentro de un campo.

La Figura 1 mide el porcentaje de adopción de varias tecnologías de AP por parte del panel de productores de NFBI desde mediados de la década de 1990. Varias tecnologías de AP han tenido una adopción generalizada a lo largo del tiempo hasta el punto de que la mayoría de los productores las están utilizando, incluidos los monitores de rendimiento (YM) con y sin GPS; muestreo de suelo en rejilla (GSS); Orientación basada en GPS, incluidas barras de luz (LB), dirección automática (AS); Control automático de secciones (ASC) basado en GPS; y aplicación de dosis variable de fertilizantes y semillas. Las tasas de adopción de tecnología PA para el panel de productores de NFBI son sustancialmente más altas que las informadas en la encuesta ARMS del USDA resumida por Schimmelpfennig. Los productores del programa NFBI están más concentrados en la producción de cultivos y es probable que sean más progresistas y orientados al manejo que los productores de cultivos promedio.
Figura 1. Porcentaje de adopción de tecnologías de agricultura de precisión (de Castle)
Gráfico que muestra la creciente adopción de tecnologías de agricultura de precisión
Con la adopción generalizada de tecnologías de AP en los últimos 20 años, el análisis puede comparar los factores previos y posteriores a la adopción y la rentabilidad entre los productores para evaluar la cuestión del impacto económico de la tecnología de AP. La investigación utilizó un modelo de datos de panel de efectos fijos para examinar el efecto de la adopción de la tecnología de AP sobre la rentabilidad, al tiempo que contabiliza las tendencias en los datos a lo largo del tiempo y los efectos endógenos específicos del productor.

Impactos de la agricultura de precisión en la rentabilidad
El análisis inicial se centró en las diferencias en la rentabilidad entre los adoptantes y no adoptantes de la tecnología de megafonía mediante el análisis de la rentabilidad frente al número de tecnologías de megafonía adoptadas. Se analizaron varias medidas diferentes de rentabilidad o eficiencia, incluido el ingreso agrícola neto (NFI), el índice de ingresos agrícolas netos (NFIR) y el índice de gastos operativos (OER). Ambas razones son razones financieras calculadas como ingreso agrícola neto y gasto operativo, respectivamente, sobre el ingreso agrícola bruto. Si bien la interpretación de NFI es sencilla, NFIR es una medida de eficiencia, específicamente la capacidad de convertir el ingreso bruto en ingreso neto, con un índice más alto que indica una mayor eficiencia. De manera similar, los REA son una medida de eficiencia de la capacidad de convertir los insumos o gastos operativos (menos intereses y depreciación) en ingresos brutos. con una relación más baja que indica una mayor eficiencia. El análisis de regresión inicial que mide el impacto de la adopción de la tecnología PA se muestra en la Tabla 1.
Cuadro 1. Impacto de la adopción de la agricultura de precisión en los resultados de la regresión de la rentabilidad
Variable dependiente Estimación de parámetros Error estándar valor t Valor p
Ingresos agrícolas netos 43,616 *** 10,495 4.1557 0,0001
Relación de ingresos agrícolas netos 1.0399 .06964 1,4932 0.1359
Ratio de gastos operativos -1.0404 * 0.4736 -1,8140 0.0701
Nota: Cada fila representa los resultados de cada regresión respectiva. Las estimaciones de los parámetros indican el cambio estimado en la variable dependiente dada por el uso de una tecnología adicional de agricultura de precisión. También se incluyeron variables ficticias anuales en cada regresión para controlar la tendencia temporal. *** indica significación estadística al nivel α = 1% y * indica significación al nivel del 10%.

El parámetro reportado en la Tabla 1 para NFI sugiere que cada tecnología adicional adoptada está asociada con un aumento de los ingresos agrícolas netos de más de $ 43,000, una medida que es estadísticamente muy significativa. Las estimaciones de los parámetros para NFIR y OER también muestran los resultados esperados, con cada tecnología adicional asociada con un aumento de 1.04 puntos porcentuales en NFIR o una disminución de 1.04 puntos porcentuales en OER. Sin embargo, las estimaciones de los parámetros son menos significativas desde el punto de vista estadístico, y ninguna de ellas alcanzó la medida estándar de significancia de α = 0.05 (valores de P de menos de 0.0500).

En resumen, los resultados de la regresión inicial sugieren que los niveles más altos de adopción de tecnología de AP están asociados con una mayor rentabilidad. Sin embargo, este análisis inicial solo muestra una fuerte relación entre los dos. Si la adopción de la tecnología de megafonía impulsa la rentabilidad o si la rentabilidad impulsa la adopción de la tecnología de megafonía (o si se impulsan entre sí de forma endógena) sigue siendo una cuestión importante.

Para abordar directamente la hipótesis de que la adopción de la tecnología de megafonía impulsa la rentabilidad, el análisis analizó los NFI anteriores y posteriores a la adopción dentro de los datos del panel. Una regresión lineal inicial de tecnologías utilizadas por años utilizados sugirió una relación estadísticamente significativa y positiva, proporcionando evidencia de apoyo para la hipótesis. El análisis de las tecnologías utilizadas y los años utilizados se llevó más allá para estudiar un modelo de regresión polinomial, reconociendo que el impacto de los años utilizados puede no ser lineal, sino sigmoide o en forma de S, lo que refleja una curva de aprendizaje asociada con la adopción de la tecnología PA. . La curva de aprendizaje puede ser representativa de muchas habilidades diferentes y ciertamente podría describir la tecnología de AP, donde el impacto de la adopción es inicialmente pequeño a medida que se adquieren conocimientos o habilidades o se recopilan datos. Entonces,

El análisis de los datos previos y posteriores a la adopción con un modelo de regresión polinomial permite estimar una curva de aprendizaje en el impacto económico de la adopción de la tecnología PA. Los resultados del análisis de regresión polinomial se muestran en la Tabla 2.
Cuadro 2. Impacto de la adopción de la agricultura de precisión en los resultados de la regresión polinomial del ingreso agrícola neto (de Castle)
Variable Estimación de parámetros Error estándar valor t Valor p
Tech. Utilizar 70,697 45,394 1.5573 0,119
Tech. Uso * Años de uso -11.855 13,427 -0,8830 0.3776
(Uso de tecnología * Años de uso) 2 2.635 * 1.372 1.9199 0.0553
(Uso de tecnología * años de uso) 3 -67,91 42,48 -1,5985 0.1104
Nota: También se incluyeron variables ficticias de año para controlar la tendencia temporal. * indica significancia estadística al nivel α = 10%.

El modelo polinomial muestra una mayor significación estadística para los diversos términos explicativos en comparación con el modelo lineal simple, pero las estimaciones de los parámetros y la significación de los términos de interacción no proporcionan directamente una interpretación. La medida real de importancia es el efecto marginal de un año adicional de uso de tecnología en el NFI calculado a partir de la ecuación en su conjunto. El valor del efecto marginal de la adopción de la tecnología de AP se demuestra en la Figura 2.
Figura 2. Cambio estimado en el ingreso agrícola neto por el uso de tecnología de agricultura de precisión (de Castle)
Gráfico que muestra el cambio estimado en el ingreso agrícola neto después de adoptar la tecnología de agricultura de precisión
El gráfico demuestra el efecto marginal combinado y la interacción del uso de la tecnología PA y los años de uso. Implica un período inicial de tiempo en el que el efecto de la adopción de la tecnología de AP sobre los NFI es estadísticamente insignificante y podría, de hecho, ser negativo. Si bien algunas tecnologías, como la orientación y el control de secciones, podrían mejorar la eficiencia inmediatamente después de su adopción, es probable que otras, como el mapeo de rendimiento, no proporcionen información suficiente para la toma de decisiones de gestión hasta que estén disponibles varios años de datos. Teniendo en cuenta el costo inicial de invertir en tecnología de AP (particularmente si los costos se contabilizan como gastos inmediatamente para fines fiscales en lugar de depreciarse con el tiempo), no es sorprendente ver un impacto insignificante o incluso negativo en los NFI de la adopción de la tecnología de AP. Sin embargo, con el tiempo, la mayor eficiencia operativa, datos,

Conclusión

El impacto económico general de la adopción de la tecnología de AP sigue sin estar claro. El análisis simple de adopción versus no adopción muestra que la adopción de la tecnología de PA se asocia positiva y significativamente con una mayor rentabilidad. Sin embargo, la relación por sí sola no prueba la causalidad ni indica qué impulsa a cuál. Un análisis más detallado de la adopción previa y posterior muestra efectos estimados positivos sobre los productos no alimentarios derivados de la adopción de la tecnología de AP, aunque los resultados no son estadísticamente significativos. El análisis de regresión polinomial demuestra que la rentabilidad de la adopción de la tecnología PA aumenta con el tiempo (experiencia) como se muestra en la Figura 2, pero el impacto general sobre la rentabilidad sigue siendo estadísticamente incierto.

Un análisis más detallado con datos adicionales o un análisis refinado de tecnologías específicas o familias de tecnologías (como controles de sección o aplicaciones de tasa variable) a lo largo del tiempo podría proporcionar más información sobre los impactos económicos de la adopción. En general, el análisis prospectivo o ex ante de tecnologías y prácticas puede continuar proporcionando información y estimaciones de los posibles impactos económicos de la adopción. Para ir más allá de los retornos potenciales, el análisis previo y posterior a la adopción, más complejo, tal como se utiliza en este trabajo, puede proporcionar una imagen mejor y una perspectiva más completa de los impactos económicos reales de la adopción.

Leer más

Aspectos destacados de la agricultura de precisión [[1]]

La agricultura de precisión, también llamada “agricultura por el pie”, puede definirse como un sistema integral diseñado para optimizar la producción agrícola mediante la aplicación de información de cultivos, tecnología avanzada y prácticas de manejo. Un enfoque verdaderamente integral de la agricultura de precisión comienza con la planificación de cultivos e incluye la labranza, la siembra, las aplicaciones químicas, la cosecha y el procesamiento posterior a la cosecha del cultivo. Básicamente, la agricultura de precisión utiliza tecnología avanzada en combinación con los equipos agrícolas existentes para maximizar el rendimiento y minimizar las pérdidas. Estas pérdidas se presentan de muchas formas; algunos incluyen el gasto excesivo en fertilizantes, semillas, pesticidas y herbicidas debido a una mala colocación. Esto se puede minimizar distribuyéndolos con precisión porque tienden a dispersarse con superposiciones o saltos.

La característica rudimentaria de precisión ag es el Sistema de Posicionamiento Global (GPS). El GPS funciona utilizando varios satélites ubicados estratégicamente en diferentes órbitas en el espacio. Estos satélites transmiten señales a un receptor en la tierra y, mediante una expresión matemática conocida como trilateración, le permiten al receptor saber exactamente dónde está. En la agricultura de precisión, el receptor es el objeto redondo que normalmente se encuentra en la parte superior de la cabina del tractor. El receptor se comunica con el sistema informático ubicado en la cabina del tractor y el operador programa la computadora para que lleve a cabo una tarea específica para el tipo de agricultura que está realizando. Por ejemplo, el agricultor puede decirle al tractor que conduzca en línea recta a través del campo y presione un botón y el tractor se conducirá a lo largo del campo hasta que el agricultor esté listo para tomar el control nuevamente o dar la vuelta al tractor. Los mejores sistemas GPS de la actualidad que están integrados en la agricultura tienen una precisión dentro de un rango de 3 cm. Es fenomenal saber exactamente dónde se encuentra a menos de 3 cm. en un campo de 100 acres.

Algunos de los aspectos más complejos de la agricultura de precisión incluyen el manejo de cultivos específicos del sitio y la tecnología de tasa variable. El manejo de cultivos específico del sitio utiliza un mapa de rendimiento del campo para predecir y prescribir la aplicación de fertilizantes y pesticidas a diferentes partes del campo según sea necesario. Esto ha sido posible gracias a la reciente innovación en información y tecnología, como microcomputadoras, sistemas de información geográfica, tecnologías de posicionamiento (GPS) y control automático de maquinaria agrícola. Con esta tecnología se puede evitar tener que colocar una distribución uniforme de fertilizantes pesticidas o semillas en un campo y desperdiciar productos en áreas que no necesariamente lo necesitan. Aquí es de donde se derivó el lema “cultivar por el pie” porque los mapas de rendimiento pueden proporcionar necesidades de aplicación a muy pequeña escala casi hasta el pie cuadrado.

Se puede generar un mapa de rendimiento usando GPS, un programa de computadora como ArcGIS y una celda de carga o placa de impacto en el implemento, todos trabajando en conjunto. La placa de impacto o celda de carga medirá la masa de un cultivo que se cosecha en el campo al mismo tiempo que el sistema GPS registra exactamente dónde se encuentra el tractor en el campo. El rendimiento en esta ubicación específica se asocia con una posición GPS y se guarda en la computadora. Luego se puede cargar en ArcGIS y se puede hacer un mapa a partir de la información que indique la cantidad de grano cosechado en cada punto del campo.

La tecnología de dosis variable trabaja en estrecha colaboración con la gestión específica del sitio en el sentido de que los fertilizantes, pesticidas o semillas se distribuyen a dosis variables de acuerdo con la prescripción del sitio específico. Esta tecnología también permite que secciones del rociador o sembradora se enciendan y apaguen en función de obstáculos en el campo, vías fluviales, superposición o distribución innecesaria de producto o semillas.

La agricultura de precisión encapsula los usos de los sistemas GPS, los equipos agrícolas y los sistemas informáticos, y la convierte en casi una necesidad para un agricultor en la sociedad actual que cultiva incluso una cantidad moderada de acres. Los beneficios de la agricultura de precisión pueden ahorrarle a un agricultor entre un 8% y un 30% al año, lo que puede traducirse en alrededor de $ 30,000 o más. A este ritmo, un agricultor puede equipar todos sus implementos con esta tecnología y se amortizará en unos pocos años. Claramente, un agricultor moderno no puede permitirse el lujo de estar sin equipos de agricultura de precisión.

Leer más

i Old McDonald tuviera una granja hoy, podría administrarla desde su computadora portátil y mapearla con una aplicación en su dispositivo portátil. Cuando estaba en el campo, el sistema de guía de su tractor podía conocer su posición en menos de una pulgada, encendiendo y apagando sus sembradoras y pulverizadores en consecuencia. Un sistema de control de altura de la pluma se aseguraría de que su pulverizador no golpeara el suelo y un monitor de rendimiento en su cosechadora mediría el volumen exacto de su cosecha, en tiempo real. Los sensores de humedad del suelo conectados en red a través de módems celulares, sensores de densidad del suelo en sus sembradoras y sensores infrarrojos de salud de los cultivos en su tractor recopilarían una gran cantidad de datos que su agrónomo usaría para preparar un mapa de prescripción para la próxima temporada. En unos años, ese flujo de datos también incluiría imágenes aéreas recopiladas por su vehículo aéreo no tripulado (UAV) y su tractor también funcionaría sin tripulación como un robot en el campo. Si un polluelo, pato, pavo, cerdo, vaca, gato, mula, perro, tortuga o peón se interpusiera en su camino, el sistema de prevención de colisiones por radar del tractor lo reconocería y se detendría.

El término más utilizado para describir este complejo conjunto de tecnologías es la agricultura de precisión, y la adopción está aumentando. La mayoría de los tractores e implementos nuevos se venden con receptores del sistema global de navegación por satélite (GNSS) instalados de fábrica y una variedad de sensores. Revirtiendo una tendencia de larga data, los niños que nacieron y se criaron en granjas ahora regresan allí después de la universidad, porque el trabajo es mucho más desafiante intelectualmente y menos intensivo en mano de obra de lo que solía ser.

Abordar la variabilidad
Las características del suelo, incluida la cantidad de fósforo, potasio, calcio y magnesio, a menudo varían significativamente de un área de un campo a otra. La práctica de la tasa variable toma en cuenta esta variabilidad para reducir los insumos de agua, semillas, fertilizantes y combustible, así como para aumentar los rendimientos dividiendo los campos en sectores y prescribiendo tasas para cada uno.

30cm ndvi WEB

Figura 1: Mapa de prescripción de campo que muestra datos del índice de vegetación de diferencia normalizada (NDVI) con una resolución de 30 centímetros. Imagen cortesía de Simplot.

Los distribuidores de fertilizantes, los vendedores de semillas y los consultores de cultivos analizan los datos agrícolas y asesoran a los agricultores sobre estas tasas. Sin embargo, los agricultores también pueden crear mapas de prescripción ellos mismos, cargando datos del tipo de suelo, datos históricos de rendimiento e imágenes aéreas en el software de gestión agrícola de sus computadoras. Luego, pueden cargar esos mapas en los sistemas de guía de sus tractores, que los utilizan para variar las tarifas según la ubicación, con redes inalámbricas que crean un sistema para toda la granja.

La precisión también juega con los impactos ambientales, como la reducción del uso de agua o la cantidad de productos químicos agrícolas en el agua.

“Para ser más eficientes con nuestra agua y dejar de expulsar tanto nitrógeno a través del suelo hacia la capa freática”, dice Chris Gallo, un especialista en agricultura de precisión en Simplot, “muchos agricultores están cambiando del riego por inundación al riego por goteo y micro- rociadores «.

Al administrar sus campos en función de las propiedades del suelo y colocar fertilizante donde debe ir, los agricultores pueden administrar mejor sus nutrientes. Al establecer «zonas de exclusión», los agricultores también pueden cortar automáticamente la pulverización de fertilizante antes de que alcance una distancia crítica del suministro de agua. “Eso ha salvado a muchos agricultores de litigios y multas”, dice Mike Martinez, gerente de mercado de Trimble Agriculture.

Inyector Redball Coulter WEB

Figura 2: Un tractor remolcando un rociador de fertilizante usando el sistema GreenSeeker de Trimble. Imagen cortesía de Trimble.

Otro beneficio de la agricultura de precisión es que permite a los agricultores evitar lagunas y superposiciones al plantar. “También somos capaces de detectar geoespacialmente dónde ya hemos aplicado fertilizante y sembrado. De esa forma el sistema corta el suministro en esos puntos, para que no se desperdicien insumos ”, dice Martínez.

Equipamiento estandar
Así como los compradores de automóviles de hoy esperan la integración de Bluetooth y la radio satelital Sirius XM, los agricultores esperan que los nuevos tractores vengan con orientación. Los tractores, pulverizadores y cosechadoras Case IH se venden con un receptor GNSS habilitado para Glonass instalado de fábrica, una pantalla y un controlador, que consta de acelerómetros y giroscopios que compensan terrenos irregulares.

“Así como paga por diferentes niveles de radio XM en su vehículo, paga para desbloquear diferentes niveles de precisión de posicionamiento”, dice Trevor Mecham, gerente de marketing para América de Case IH, Advanced Farming Systems. «Puede obtener correcciones WAAS gratuitas o pagar por la precisión de DGPS que le otorga más o menos un par de pulgadas entre pasadas». señala, refiriéndose al Sistema de Aumento de Área Amplia de la Administración Federal de Aviación y al Sistema de Posicionamiento Global Diferencial de la Guardia Costera de los Estados Unidos. “Si necesita repetibilidad año tras año para la agricultura de tráfico controlado, de modo que pueda realizar las aplicaciones de faenado lateral y labrado en franjas, necesita RTK”, que significa navegación por satélite cinemática en tiempo real.

Asimismo, John Deere vende sus tractores y cosechadoras con un sistema de guiado integrado. “Los sensores de las cosechadoras ya vienen instalados de fábrica para el mapeo del rendimiento y la documentación de la cosecha”, dice Cole Murray, gerente de producto del Grupo de Soluciones Inteligentes (ISG) de la compañía. «También tenemos algunas oportunidades adicionales: por ejemplo, al agregar un receptor GPS a un pulverizador, puede controlar la franja».

John Deere es propietario de NavCom, que diseña y fabrica receptores GNSS y escribe software. También posee una red de correcciones diferenciales, la red StarFire, que funciona en todo el mundo.

FmX en cabina WEB

Figura 3: Agricultor usando una pantalla integrada Trimble FmX. Imagen cortesía de Trimble.

Kinze fabrica sembradoras y carros de granos que cuantifican la siembra y la cosecha. «Hemos agregado básculas a estos carros, de modo que cuando los agricultores descarguen el grano de la cosechadora en el carro, puedan usarlo para registrar la cantidad de grano que están sacando en el campo», dice Rhett Schildroth, uno de los productos de la compañía. gerentes.

“Cuando están plantando, los agricultores se preocupan por tres cosas: qué tan profundo plantan esa semilla en el suelo, lograr un buen contacto entre la semilla y el suelo y el espacio entre las semillas”, explica Schildroth. «Por lo tanto, hemos agregado sensores para asegurarnos de que podemos medir cada una de esas cosas y luego también controlarlas sobre la marcha, para que puedan variar en todo el campo».

Desafíos de conexión
Los campos abiertos parecerían un entorno ideal para la navegación por satélite, porque permiten una visión clara del cielo. Esto suele ser cierto en el medio oeste, por ejemplo, en Kansas o Missouri, donde solo hay espacios abiertos, colinas onduladas y tierra plana. “Sin embargo, hay muchas otras áreas alrededor del mundo donde algunos campos están totalmente rodeados por árboles de 100 pies con copas muy densas que hacen un muy buen trabajo bloqueando las señales de los satélites”, señala Martínez.

Los desafíos técnicos incluyen múltiples rutas, dificultades del terreno, un número reducido de satélites visibles en latitudes más altas y máximos solares. Estos son los mismos que enfrentan los topógrafos pero con el desafío adicional de que los sistemas agrícolas están operando continuamente. “Si un topógrafo tiene que esperar 30 segundos para obtener una buena señal, eso no es gran cosa, pero en 30 segundos en el campo ha cubierto mucho terreno”, dice Schildroth. Además, los usuarios de RTK pueden enfrentarse a la dificultad de la comunicación por radio entre la estación base y el móvil en distancias largas y terreno irregular.

“Para asegurarse de tener una conexión en todo momento, necesita un sistema portátil o una señal muy fuerte de su estación base”, agrega Schildroth. «Si está utilizando una conexión celular, por ejemplo, en una red CORS, debe asegurarse de tener cobertura celular en todo su campo». Para abordar este problema, hace aproximadamente un año, Trimble lanzó un servicio llamado CenterPoint RTX. “Es el primer servicio de corrección entregado por satélite en tiempo real de la industria que puede lograr una precisión absoluta de pulgada a pulgada y media, todo entregado desde el satélite directamente al tractor”, dice Martínez.

UK Autopilot Fendt Lettuce WEB

Figura 4: Plantación de lechuga con una sembradora automática en el Reino Unido. Imagen cortesía de Trimble.

Analizando los datos
Varios servicios analizan los datos de la granja y generan mapas de prescripción. Los distribuidores de fertilizantes, los consultores de cultivos y los agrónomos toman los datos, los analizan y ayudan a los agricultores a tomar decisiones.

Nick Achen, un ingeniero agrícola, y su hermano, un agricultor, cofundaron y son copropietarios de www.easyfarmmaps.com . “Identificamos una necesidad en nuestra comunidad de poder procesar todos estos datos que los agricultores recolectan en el campo”, dice. “Hay software a la venta que es caro y complicado, por lo que muchos agricultores no saben cómo usarlo o no quieren aprender a usar estos sistemas. Así que creamos un sitio web para tomar esos archivos y procesarlos en mapas legibles «.

AgJunction, un sistema de agronomía basado en la web operado por HemisphereGPS, permite a los usuarios importar datos de pruebas de suelo y las ubicaciones de las muestras de suelo, así como datos de John Deere, Raven, Trimble y otros sistemas, y generar mapas de prescripción. Sus clientes son principalmente minoristas agrícolas, como minoristas independientes de fertilizantes químicos o cooperativas.

Según John Lueger, director de Gestión de Productos en Hemisphere GPS, “Un minorista podría usar nuestro sistema para enviar un mapa de prescripción directamente a una de nuestras terminales en un tractor o un pulverizador y luego el agricultor, cuando haya completado ese trabajo, puede enviar esos datos al minorista y archivarlos automáticamente con fines históricos «.

Otras opciones y enfoques de los diferentes fabricantes adoptan un enfoque similar. Raven Industries tiene un producto llamado Slingshot que registra lo que está haciendo con varios conjuntos de datos y se sincroniza con software basado en la nube. Connected Farm de Trimble extrae de forma inalámbrica los datos de las aplicaciones de los productores a lo largo de las temporadas y los consolida. En general, los fabricantes afirman que estas tecnologías se amortizan en aproximadamente una temporada de uso.

WEB de Kinze Autonomous Harvest

Figura 5: Un sistema de cosecha autónomo de Kinze, que consta de un tractor, un carro de granos y una cosechadora. Imagen cortesía de Kinze.

Sensores
Casi todos los equipos agrícolas tienen sensores y controles en estos días. Los rociadores ahora tienen sensores que detectan si las plantas están privadas de nutrientes o no, y los sensores arrastrados por el campo muestran la variación de textura en el suelo.

“Usamos celdas de carga en carros de granos, sensores de flujo magnético para detectar cuando los ejes de toma de fuerza (PTO) están girando y el grano está descargado, sensores infrarrojos para contar la semilla a medida que baja por el tubo de semillas, celdas de carga en sembradoras para entender la fuerza descendente necesaria para plantar las semillas y los receptores GPS para el posicionamiento ”, dice Schildroth.

El uso de sensores de humedad del suelo, conectados en red mediante módems celulares, está creciendo muy rápidamente. “Cuando estaba en la granja de nuestra familia, a principios de los 90, la tarea que más me desagradaba era ir al campo y leer los medidores del contenido de humedad del suelo”, dice Mecham. “Las granjas familiares corporativas pueden tener hasta 35,000 acres y una persona lo hace todo el día. Por lo tanto, esto es extremadamente importante, especialmente en áreas donde tiene que bombear agua desde sistemas de pozos profundos. Ahora los agricultores pueden recibir esa información por correo electrónico o mensajes de texto «.

“Nuestro sistema de guía básico vendrá de manera estándar con una serie de sensores inerciales que brindan información al sistema de guía sobre la inclinación del campo o el cabeceo, balanceo, guiñada o rumbo del vehículo”, dice Martínez. “Las cosechadoras tienen sensores ópticos que registran el volumen que pasa a través de su elevador de granos, así como sensores de humedad. Entonces, en tiempo real, conocemos el volumen y sabemos el contenido de humedad de la cosecha que se está cosechando ”.

Ahora se utilizan sensores para controlar la altura de las barras de pulverización, que pueden tener hasta 120 pies de ancho. “Entonces, como viajan a altas velocidades por el campo, si no tienes un campo perfectamente plano, vas a golpear ese brazo en el suelo”, señala Martínez. “Ya no es posible que el conductor controle la altura de su brazo lo suficientemente rápido. Por lo tanto, acabamos de anunciar un sistema que utiliza sensores ultrasónicos para detectar, muy rápidamente, el perfil del suelo para que luego, a través del sistema hidráulico, pueda mover la pluma hacia arriba y hacia abajo según sea necesario «.

El sensor GreenSeeker de Trimble es un sensor localizado en tiempo real que se monta directamente en el vehículo de pulverización. Utiliza un sensor óptico y algunas bandas de luz diferentes para medir la salud del cultivo en tiempo real.

“Inmediatamente, mientras el aspersor viaja y registra estos datos, está creando una receta para luego aplicar nitrógeno en la cantidad correcta necesaria en esa parte particular del campo”, explica Martínez. El sistema de aspersión localizada WeedSeeker de la compañía utiliza ópticas avanzadas para detectar si hay una maleza presente y envía una señal a una boquilla de aspersión para que suministre una cantidad precisa de químico, rociando solo la maleza y no el suelo desnudo.

Futuro
Los desarrollos futuros en la agricultura de precisión incluyen vehículos agrícolas autónomos, el uso de imágenes de UAV y telemetría, que transmiten de forma inalámbrica a la oficina datos sobre la salud de los cultivos, las características del suelo y el rendimiento, así como sobre el estado de las máquinas agrícolas, lo que permitir a los agricultores mejorar la planificación del servicio y el mantenimiento de los vehículos, dice Swain. Los sensores que pueden analizar y gestionar la compactación del suelo también están en el futuro, según Achen.

Actualmente, los productores obtienen códigos de desbloqueo de funciones de su distribuidor. “En el futuro”, dice Mecham, “nos gustaría que los distribuidores pudieran enviarlos directamente a los dispositivos de los vehículos, a través de módem, para permitir a los clientes probar nuevas funciones. Nuestros clientes exigen ese nivel de simplicidad «.

Leer más

Según la FAO, la producción agrícola debe aumentar en un 60% para 2050 con el fin de alimentar a una población que llegará a diez mil millones según datos de la ONU.

Layers_agricultura de precisión con tecnología dron

Después de décadas de continuo crecimiento y tecnificación, existen dos temas principales que siguen siendo las grandes preocupaciones a las compañías del sector agroalimentario en todo el mundo: la producción y la calidad.

Los agricultores y las explotaciones agrarias deben hacer frente a un sector cada vez más competitivo, con una mayor demanda a unos precios más ajustados. Esto impulsa al sector a sumarse a las nuevas tecnologías y a la agricultura de precisión.

Los campos están cada vez más tecnificados con la finalidad de aumentar la eficiencia, la productividad y la calidad. Existen múltiples compañías dedicadas a la agricultura de precisión, pasando por la tecnología dron, sistemas de fertiirrigación inteligentes, hasta cosechadoras inteligentes. Vivimos en la era de la tecnología y la infoxicación (sobrecarga de información) pero a pesar de ello, todavía no hay una tecnología en el mercado enfocada en la predicción y orientación temprana de los cultivos.

Conocer el tiempo óptimo de recolecta, el alcance del trabajo de la poda y las recomendaciones agronómicas del cultivo son el sueño futurista para los equipos agritech más tecnificados, y una pesadilla para sus equipos financieros. Los técnicos agrónomos no están explotando el máximo potencial de la tecnología ya implementada en sus campos, y también el máximo potencial de producción de sus cultivos.

futuro agricultura de precisión

El futuro de la agricultura pasa por la tecnología basada en Visión por Computador, el Big Data, la Inteligencia Artificial y la Observación de la Tierra, que permitirá identificar los valores cualitativos y cuantitativos de los cultivos con alta precisión y de forma predictiva.

Las empresas de Agritech podrán ajustar sus costos logísticos para cumplir con los volúmenes de producción, identificar el mejor momento para cosechar, mejorar la calidad o estimar los beneficios con precisión con meses de anticipación.

El gran desafío por delante es obtener el conocimiento necesario para optimizar las actividades agrícolas. Las actividades de Agritech, como el riego inteligente, la fertilización inteligente o la cosecha inteligente, solo pueden basarse en conocimientos precisos y sólidos; ‘Inteligente’ significa actuar de la manera más eficiente sobre los cultivos teniendo en cuenta la tecnología que se aplica.

Además, ser capaz de predecir el rendimiento y la calidad de los cultivos permite a las entidades agritech trabajar en el campo agro fintech: anticipando los precios de logística, futuros de bolsa, etc.

El punto débil en este sector radica en el análisis de datos. Hasta la fecha, la industria no ha podido proporcionar información útil al agricultor desde una perspectiva global. Las grandes empresas agrícolas han intentado utilizar la información obtenida por satélites, drones o sensores y su respuesta es siempre la misma: No podemos obtener datos útiles y prácticos que puedan aplicarse con la tecnología ya existente en nuestros campos. Necesitamos datos de extremo a extremo que nos digan cuánto beneficio podemos obtener .

futuro agricultura de precisión

HEMAV, ofrece análisis de datos a través de Inteligencia Artificial y del uso de imágenes de drones y satelitales, ha desarrollado una solución disruptiva para el sector de Agritech. Adelantándose al futuro, Hemav ha desarrollado Layers, una solución que permite identificar los valores cualitativos y cuantitativos de los cultivos con alta precisión y de forma predictiva.

Este sistema único basado en Inteligencia Artificial utiliza datos agronómicos y datos captados con tecnología dron y satélite, para ofrecer al sector agrícola recomendaciones agronómicas para eficientar los tratamientos y generar estimaciones de producción de los cultivos a nivel producción y calidad.

Layers, consigue trabajar planta a planta y tener un total de 25 descriptores agronómicos para cada una de ellas. Layers permite además introducir el plan de riego, abonado, análisis foliares, condiciones climatológicas e índices espectrales; así como los datos radiométricos provenientes del dron para la realización de informes.

A través de la digitalización del campo el agricultor consigue tener un mayor control y seguimiento de la evolución de tus cultivos y tomar la decisión correcta en cada momento; optimizar la gestión de la compra y la venta del producto en base la previsión de estimación de producción y calidad y orientar la cosecha en función del contenido de proteína de cada parcela, aumentando así la rentabilidad de tu cultivo.

El futuro de la agricultura pasa por la combinación de inteligencia artificial y datos obtenidos con sistema dron y teledetección satelital, permitiendo a los agricultores maximizar el resultado de sus cosechas.

Leer más

software de agricultura de precisión Participación en la industria del mercado, tamaño: 2020 Investigación de mercado con crecimiento, fabricantes, segmentos y 2025

Los agricultores y agricultores de todo el mundo utilizan cada vez más software y servicios para la agricultura de precisión. Son muy útiles para los agricultores que planifican y mantienen sus bases de datos de manera eficiente y, como resultado, aumentan la productividad agrícola. La adopción de las últimas soluciones tecnológicas, como la tecnología GPS / GNSS y otras tecnologías de detección similares, dispositivos de visualización, agiliza el mecanismo de trabajo de los agricultores y agricultores.

Mercado de servicios de software de agricultura de precisión en: www.orionmarketreports.com/precisi…rt_pane1-1

Los actores clave del mercado descritos en el informe incluyen Deere & Company, Trimble Navigation, Ltd., Topcon Precision Agriculture, SST Development Group, Inc., Monsanto Company, Raven Industries, Inc., Dickey-John Corporation, Ag Leader Technology, AgJunction y CNH Industrial NV.

Mercado de software y servicios de agricultura de precisión por software

Software de gestión agrícola
Local / basado en web
Basado en la nube
Software y servicios de agricultura de precisión mercado por servicio

Integración y consulta de diseño
Servicios gestionados
Mantenimiento y soporte
Mercado de software y servicios de agricultura de precisión por aplicación

Manejo de cultivos
Gestión financiera
Gestión de inventario agrícola
Gestión de personal
Seguimiento y pronóstico del tiempo
Otros
Un informe completo del mercado global de servicios de software de agricultura de precisión está disponible en: www.orionmarketreports.com/precisi…ket/40413/

Alcance del informe

El estudio de investigación analiza la industria global de Servicios de software de agricultura de precisión a partir de un análisis de 360 ​​grados del mercado, brindando información detallada sobre el mercado para tomar mejores decisiones comerciales, considerando múltiples aspectos, algunos de los cuales se enumeran a continuación como:

Desarrollos recientes

o Descripción general del mercado y análisis de crecimiento
o Descripción general de las importaciones y exportaciones
o Análisis de volumen
o Tendencias actuales del mercado y perspectivas futuras
o

Cobertura geográfica del segmento de inversión atractivo y oportunista

del mercado o Tamaño y / o volumen del mercado de América del Norte o Tamaño y / o volumen del
mercado de América Latina
o Tamaño del mercado de Europa y / o Volumen
o Tamaño y / o volumen del mercado de Asia-Pacífico
o Tamaño del mercado y / o volumen del resto del mundo

Preguntas clave respondidas por el Informe de mercado de servicios de software de agricultura de precisión

1. ¿Cuál fue el tamaño del mercado de servicios de software de agricultura de precisión en 2018 y 2019? Cuáles son las tendencias de crecimiento estimadas y el pronóstico del mercado (2019-2025).

2. ¿Cuál será el CAGR del mercado de servicios de software de agricultura de precisión durante el período de pronóstico (2019-2025)?
3. ¿Qué segmentos (tipo de producto / aplicaciones / usuario final) fueron más atractivos para las inversiones en 2018? Cómo se espera que crezcan estos segmentos durante el período de pronóstico (2019-2025).
4. ¿Qué fabricante / proveedor / actores en el mercado de servicios de software de agricultura de precisión fue el líder del mercado en 2018?
5. Descripción general de la cartera de productos existente, productos en proceso e iniciativas estratégicas tomadas por proveedores clave en el mercado.

Leer más

Las tecnologías de agricultura de precisión que se consideraban casi de la «era espacial» a principios de la década (por ejemplo, autodirección GPS, drones, etc.) se han convertido en algo común. Si bien muchas de estas tecnologías, sin duda, tienen potencial, hay poca información sobre cómo su aplicación mejora el desempeño financiero en la granja.

Para evaluar el costo-beneficio de la agricultura de precisión, hemos utilizado el modelo Loam Farm de Andersons para probar la agricultura de precisión en su empresa de trigo (300 Ha). Loam Farm es una empresa ficticia, con sede en el este de Inglaterra, que ha estado en funcionamiento desde 1991 y rastrea la suerte de las granjas de cultivos combinables. Comprende 600 hectáreas en una rotación simple de molienda de trigo, colza, trigo forrajero y frijoles de primavera, y se basa en datos de la vida real. El desempeño financiero de Loam Farm en su conjunto (es decir, todas las empresas) se muestra en la Figura 1 para 2017 bajo los escenarios de statu quo y agricultura de precisión. Las técnicas de agricultura de precisión aplicadas incluyeron mapeo del suelo y dirección automática por GPS, mientras que la aplicación de tasa variable también se incorporó al equipo utilizado.

El desempeño se evaluó dividiendo la empresa de trigo en una serie de cuadrículas de 10 × 10 metros donde las tasas de siembra y aplicación se variaban de acuerdo con la capacidad y las necesidades de la tierra. Esto significó que en algunas áreas, la aplicación de insumos aumentó y disminuyó en áreas de bajo rendimiento mientras que la tierra más pobre (3% aprox.) No fue cultivada. Al aplicar técnicas de agricultura de precisión, el rendimiento medio de trigo mejoró en un 1,3%; el margen bruto aumentó un 2.0% en toda la finca. Los costos generales aumentaron levemente (0.3%) ya que el costo de la tecnología de agricultura de precisión (£ 10,000) eclipsó los ahorros, particularmente en mano de obra, generados por la dirección automática. En general, al aplicar técnicas de agricultura de precisión en la empresa de trigo, Loam Farm aumentó su rentabilidad en alrededor de £ 8.400. Por lo tanto, indica una recuperación en el año 2.

Figura 1 – Agricultura de precisión aplicada a la empresa de trigo de Loam Farm *

£ por hectárea (a menos que se indique) Status quo Agricultura de precisión
Rendimiento de trigo (t / Ha) 9.05 9.17
Salida 1,163 1,171
Costos variables 394 387
Margen bruto 769 784
Gastos generales 414 415
Alquiler y financiación 243 243
Dibujos 77 77
Margen de producción 35 49
* Prueba en empresa de trigo, resultados mostrados para toda la finca.
Fuente: The Andersons Center

por hectárea (a menos que se indique) Status Quo Agricultura de precisión
Rendimiento de trigo (t / Ha) 9.05 9.17
Producción 1,163 1,171
Costos variables 394387
Margen bruto 769 784
Gastos generales 414415
Renta y financiamiento 243243
Dibujos 77 77
Margen de producción 35 49
* Prueba en empresa de trigo , los resultados se muestran para toda la granja.
Fuente: The Andersons Center

Michael Haverty, The Andersons Center
Michael Haverty, Economista agrícola senior en The Andersons Center

Por su propia naturaleza, el costo-beneficio de la agricultura de precisión variará de una granja a otra. Algunas granjas pueden lograr mayores ahorros, mientras que para otras, el beneficio general será marginal. Es evidente que existe un mayor margen para que la agricultura de precisión genere un rendimiento en las granjas más grandes. De hecho, para muchos usuarios es un medio clave para gestionar la escala de forma eficaz. Una vez que los datos se capturan en un sistema de información de gestión agrícola (SIAF), permanece fácilmente accesible para su análisis. El administrador de una finca puede retener en su memoria la información clave de una pequeña cantidad de campos durante las últimas temporadas. Pero a medida que aumenta el tamaño de las explotaciones y se requieren conocimientos de análisis a más largo plazo, esto ya no será suficiente. La capacidad de un agricultor para administrar un negocio más grande se puede mejorar significativamente mediante la agricultura de precisión. Sin embargo, Los agricultores deben tener cuidado para garantizar que el tiempo dedicado a analizar y gestionar sus sistemas de agricultura de precisión se utilice de forma eficaz. Es fácil verse envuelto en un torrente de datos que pueden terminar inhibiendo la toma de decisiones.

Es de esperar que continúe avanzando la adopción de la agricultura de precisión. Sin embargo, para las empresas que ofrecen productos agrícolas de precisión, es vital que muestren en términos realistas el rendimiento que los agricultores podrían generar al invertir en dicha tecnología.

Leer más

Las tecnologías de producción basada en información (agricultura de precisión) están ganando popularidad entre los agricultores porque su uso puede conducir a un seguimiento más estrecho de las decisiones de gestión de la producción agrícola y posibles ahorros de costes. Según la Encuesta de Manejo de Recursos Agrícolas del USDA, cuatro tecnologías son las más comúnmente utilizadas: mapeo de rendimiento, mapeo de suelos, dirección de maquinaria de autoguiado y tecnologías de tasa variable (VRT).

Las tres primeras de estas tecnologías se pueden utilizar independientemente unas de otras. Los recolectores de monitoreo de rendimiento producen datos de rendimiento de cultivos específicos de la ubicación que informan las condiciones de crecimiento durante el período de crecimiento anterior. Estos datos se pueden utilizar para crear un mapa de rendimiento. Los mapas de suelos creados con tecnología de sistema de posicionamiento global (GPS) brindan información sobre las condiciones de crecimiento relacionadas con el suelo en las granjas de maíz. Los niveles de nitrógeno, potasio y fósforo se mapean comúnmente, pero se pueden incluir el tipo de suelo y los micronutrientes. Los agricultores, proveedores de insumos agrícolas (por ejemplo, semillas y fertilizantes) y proveedores de servicios personalizados están utilizando ambos tipos de mapas de suelo y rendimiento de mapas GPS para las recomendaciones y decisiones de gestión de la producción agrícola.

Los sistemas de autoguiado de cosechadoras y tractores que conducen automáticamente los equipos agrícolas también requieren el uso de tecnología GPS para determinar los límites del campo. La guía automática proporciona el beneficio de operaciones de campo más precisas que las que normalmente se pueden realizar mediante señales visuales, como la conducción manual a lo largo de una hilera de cultivos.

VRT es la única de las cuatro tecnologías que generalmente se adopta junto con otras tecnologías de precisión. Se considera que la VRT es complementaria a la cartografía y puede generar diferentes ahorros de costes cuando se utiliza con diferentes tipos de cartografía. Por ejemplo, los agricultores pueden programar equipos compatibles con VRT que se utilizan para aplicar insumos agrícolas mediante mapas de rendimiento o mapas de suelos para aplicar diferentes niveles de insumos, incluso semillas, a diferentes tasas dentro de un campo.

Para estimar el ahorro de costos del uso de tecnologías de agricultura de precisión en la producción de maíz, los investigadores de ERS analizaron factores relacionados con la adopción de tecnología y las prácticas de producción de maíz. Los investigadores tomaron en cuenta los efectos de los acres cultivados, el nivel de educación superior del operador y la edad del operador. El costo de producción por acre se midió como los costos operativos de semillas, fertilizantes, pesticidas, mano de obra remunerada y no remunerada, gastos de maquinaria (no inversiones de capital), combustible y reparaciones y gastos de servicios personalizados.

Entre los productores de maíz que utilizan estas cuatro tecnologías de agricultura de precisión, los que utilizan el mapeo de rendimiento de forma independiente o con VRT informaron los mayores ahorros de costos (alrededor de $ 25 por acre). Los monitores de rendimiento recopilan información sobre las condiciones de cultivo a lo largo del año que se reflejan en los rendimientos, y la variabilidad del rendimiento en los campos de un agricultor brinda una rica fuente de información sobre la efectividad de las prácticas recientes. Los agricultores que utilizaron el mapeo de suelos con GPS tuvieron ahorros de costos de más de $ 13 por acre, menos de la mitad que los agricultores que utilizaron el mapeo de rendimiento, ya que cada punto de datos en un mapa de suelos requiere una prueba de suelo geolocalizada individual.

Al comparar los ahorros de costos de VRT con mapeo de rendimiento con los ahorros de costos de VRT con mapeo de suelos, se podría esperar que la densidad adicional de información en un mapa de rendimiento valga la pena cuando se combina con VRT, y los resultados del modelo confirman este efecto: VRT con rendimiento el mapeo está asociado con ahorros por acre ligeramente más altos ($ 22 frente a $ 21). Los sistemas de guiado requieren un tractor y un equipo de dirección combinado, además de un receptor GPS, pero su uso aún genera mayores ahorros de costos ($ 15 por acre) que el mapeo del suelo. Los sistemas de guía ahorran combustible y el desgaste de las máquinas mediante una gestión más sencilla de las actividades de campo. La reducción de la fatiga del operador y otros factores relacionados con el estrés son difíciles de medir y sus efectos no se tienen en cuenta en los ahorros de costos de los sistemas de guía. En relación con los costos de producción totales por acre, los ahorros estimados son 4.

Leer más

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Leer más

Hay varios obstáculos por delante antes de que los productores obtengan suficiente valor de la agricultura intensiva en datos, según un nuevo informe de Rabobank , el banco mundial de alimentos y agronegocios.

El informe titulado Bungle in the Ag Tech Jungle – Cracking the Code on Precision Farming and Digital Agriculture identifica cuatro olas clave de innovación agrícola, con la primera ola que comenzó en 1700 con la invención de maquinaria como las sembradoras tiradas por caballos.

La segunda ola se lanzó en la década de 1950 con el aumento tanto de la agricultura de producción como del uso de insumos químicos. Fue durante este tiempo que las operaciones agrícolas se volvieron menos diversificadas, centrándose en cambio en unos pocos monocultivos.

La agricultura de precisión nació durante las décadas de 1980 y 1990, junto con innovaciones en el fitomejoramiento y otras herramientas centradas en la biotecnología, como las modificaciones genéticas, según el informe.

Ahora, en la cuarta y última ola de innovación, la agricultura está experimentando un cambio de imagen digital. Las herramientas de agricultura digital adoptan muchas formas y «van desde herramientas de software basadas en la nube hasta productos híbridos de hardware / software que son ‘inteligentes’ en el sentido de que pueden comunicarse con otros dispositivos conectados de forma inalámbrica y digital, con una mínima intervención humana», afirma el informe. .

Invierta con impacto. Haga clic aquí.

El informe también contó los algoritmos, la inteligencia artificial y el aprendizaje automático entre la revolución digital de la agricultura, y señaló la capacidad de estas innovaciones para proporcionar recetas personalizadas granja por granja.

La promesa de agtech
Por supuesto, estas innovaciones no están exentas de costos que incluyen tanto la inversión financiera como la inversión de tiempo que los productores deben hacer para aprender cómo funcionan estas nuevas innovaciones.

El informe define la promesa de la agricultura digital para la agricultura como la capacidad de acceder a «rendimientos óptimos ajustados al riesgo financiero del capital utilizado para la agricultura». La agronomía optimizada, las aplicaciones precisas en torno al momento y el tipo de aplicaciones de nutrientes, y la consideración de las condiciones locales, o incluso las variaciones dentro del campo, brindarán a los agricultores una experiencia que antes no conocían.

Cinco barreras clave para la adopción de agtech
Rabobank identifica 12 tecnologías en uso en todo el mundo en la actualidad, que incluyen todo, desde robots de ordeño hasta estaciones meteorológicas inalámbricas y software de gestión de datos agrícolas. Sin embargo, el informe establece de manera inequívoca que los agricultores no están implementando fácilmente estas tecnologías, identificando cinco barreras clave para la adopción de tecnología digital.

Muchas nuevas tecnologías de software carecen de una propuesta de valor claramente articulada.
Por un lado, el informe identifica la propuesta de valor de la agricultura digital como una mejor experiencia y conocimiento en la agricultura. Pero cuando se trata de las tecnologías actualmente disponibles, señala que la propuesta de valor a menudo no está “probada” cuando se trata de calcular exactamente lo que los agricultores pueden ganar financieramente con la adopción de la nueva herramienta. Además, el informe caracteriza la comprensión de las tecnologías digitales por parte de algunas empresas emergentes y capitalistas de riesgo como una comprensión “imperfecta”, y muchas personas olvidan que recopilar y transmitir datos es solo el primer paso. Los datos deben someterse a análisis adicionales para crear valor.

2. En realidad, muchas granjas carecen de la infraestructura tecnológica necesaria para interactuar digitalmente con el software de gestión agrícola de la industria.

Haciendo referencia a Conservis, Farmers Business Network, Granular y SST, el informe señala lo difícil que puede ser convencer a los agricultores de que inviertan y se cambien a sistemas de gestión completamente nuevos, especialmente considerando la persistente recesión económica que ha experimentado la agricultura desde 2012/2013. temporada.

3. La venta de software como servicio (SaaS) a clientes agrícolas con problemas financieros ha sido una estrategia de generación de ingresos muy difícil, dada esta dinámica.

En cambio, el informe postula proporcionar a los productores plataformas de software básicas gratuitas para promover la adopción de agtech , al tiempo que vende una versión premium que ofrece servicios adicionales y conocimientos agronómicos.

4. La propiedad y la privacidad de los datos ha sido un tema acalorado y ampliamente debatido desde que los macrodatos entraron en la conversación agrícola mundial.

Al igual que con la digitalización de cualquier industria, las preocupaciones sobre la privacidad y la propiedad son desenfrenadas. El informe sugiere la creación de una cooperativa de datos de agricultores sin fines de lucro para abordar los problemas de privacidad, y señala que algunas empresas ya han creado tales medios . En el extranjero, las cooperativas de agricultores y otros grupos han tomado medidas para cultivar una cultura de datos abiertos.

5. La agricultura digital carece de una plataforma operativa universal en la que conectar todo el ecosistema operativo.

De las cinco barreras clave para la adopción que identifica el informe, señala la falta de una plataforma operativa universal como la más crítica. Superar este obstáculo implicará la difícil tarea de organizar y alinear la industria y decidir qué partido o partidos asumirán la responsabilidad de cada paso del proceso.

La adopción de Agtech está aumentando
A pesar de estos obstáculos, el informe concluye afirmando que la demanda de información a lo largo de la cadena de suministro de alimentos será un factor importante en la evolución de las soluciones digitales para la agricultura y el aumento de la adopción de tecnologías agrícolas. Y, aunque la adopción se ha convertido en un diálogo sólido en agtech , algunas fuentes indican que la implementación continúa aumentando a pesar de los desafíos y las dudas que enfrentan algunos agricultores.

“La creación de una plataforma de datos universal es fundamental. Sin embargo, pasar de la etapa de ‘concepto’ a la etapa de ‘anteproyecto’ es un ejercicio complicado. La forma en que esto suceda y quién lo pague dependerá de qué partido o partidos tomen el liderazgo en la organización y alineación de la industria, y cuánto capital se reserva para construir, probar y mantener los sistemas requeridos «.

Leer más

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Leer más