Los productores de cítricos se enfrentan a problemas derivados de un número creciente de plagas y enfermedades. Se necesitan herramientas rápidas y precisas para la detección temprana de plagas y enfermedades a fin de mejorar la precisión y el manejo oportuno.
Casi todos los agroquímicos (p. Ej., Plaguicidas) que se aplican en la producción de cultivos especiales se fabrican de manera uniforme con equipos de aspersión convencionales, a pesar de que la distribución de patógenos suele ser irregular. Las aplicaciones uniformes dan como resultado el uso de agroquímicos donde no se producen enfermedades, malezas o plagas. Este uso innecesario de agroquímicos conduce a mayores costos, riesgo de daño a los cultivos, contaminación ambiental y contaminación de los productos comestibles.
El rápido desarrollo de nuevas tecnologías y el panorama cambiante del mundo en línea (por ejemplo, Internet de las cosas, soluciones basadas en la nube) brindan una oportunidad única para desarrollar sistemas agrícolas inteligentes para aplicaciones de precisión. Los avances tecnológicos en visión artificial, inteligencia artificial (IA) y aprendizaje automático permitieron el desarrollo de tecnologías agrícolas inteligentes para aplicaciones de precisión. Estas tecnologías pueden optimizar la identificación y el manejo de malezas, plagas y enfermedades. En este artículo, se presentan varios ejemplos de tecnologías emergentes en cítricos.
APLICACIONES DE UAV Las
técnicas de detección convencionales para la evaluación de fenotipos de plantas (por ejemplo, variedades de portainjertos) se basan en el muestreo manual y, a menudo, requieren mucho tiempo y trabajo. Los estudios de campo utilizados para la detección de malezas y enfermedades, para evaluar el estado sanitario de las plantas y para crear un inventario de plantas también son costosos y laboriosos. Recientemente se han puesto a disposición pequeños vehículos aéreos no tripulados (UAV) equipados con varios sensores. Son soluciones rentables para el fenotipado y la detección rápidos y precisos de alto rendimiento.
Los UAV pueden proporcionar a los productores una herramienta de bajo costo para monitorear constantemente el estado de salud de los cultivos, estimar las necesidades de agua de las plantas e incluso detectar enfermedades. Ofrecen un método rápido para la adquisición de imágenes de alta resolución y se han estudiado cada vez más para aplicaciones agrícolas. Por ejemplo, este año desarrollamos una técnica basada en UAV utilizando imágenes multiespectrales e inteligencia artificial. Puede:
Detectar, contar y geolocalizar árboles cítricos y huecos de árboles (ubicaciones con árboles muertos o sin árboles)
Categorizar árboles según el tamaño de su copa (inventario de plantas)
Desarrollar mapas de estado de salud de árboles individuales (mapas de índice de salud)
Evaluar variedades y portainjertos de cítricos
Figura 1. Este mapa fue elaborado utilizando tecnología de vehículos aéreos no tripulados con inteligencia artificial. El mapa muestra la detección de árboles y huecos, categorías de tamaño de copa y otros análisis de campo. Cada color representa una categoría de tamaño de dosel.
La Figura 1 presenta un mapa de detección de árboles generado a partir de esta técnica. Este mapa presenta la cantidad de árboles detectados y el tamaño de su copa, la cantidad de árboles que pertenecen a una categoría específica del tamaño de la copa y los espacios entre árboles. También incluye análisis de campo (por ejemplo, distancia entre filas, entre árboles y entre bloques de árboles). Todos estos parámetros son producidos automáticamente por el algoritmo desarrollado.
Este método detectó árboles con una precisión general del 99,8 por ciento y huecos de árboles con una precisión del 94,2 por ciento. Calculó el área individual de la copa de los árboles con más del 85 por ciento de precisión en comparación con las mediciones manuales.
MONITOREO AUTOMATIZADO DE ACP
Se pueden utilizar tecnologías agrícolas inteligentes para aplicaciones de precisión para optimizar la identificación y el manejo de plagas y enfermedades. Por ejemplo, desarrollamos un sistema automatizado, utilizando visión artificial e inteligencia artificial, para monitorear el psílido asiático de los cítricos (ACP) en las plantaciones.
Existen varios métodos para monitorear las poblaciones de ACP a fin de determinar la necesidad de fumigar. De todos estos métodos, la técnica de toma de muestras ha demostrado ser una herramienta rápida y confiable para evaluar los números de ACP en la copa de los árboles. Esta técnica fue adoptada por la División de Industria Vegetal del Departamento de Agricultura y Servicios al Consumidor de Florida como parte integral del Programa Citrus Health Response.
Figura 2. El monitoreo tradicional (manual) del psílido asiático de los cítricos se realiza con el método de muestreo del grifo.
El muestreo de grifos requiere golpear una rama seleccionada al azar con un palo y contar los adultos de ACP que caen sobre una hoja laminada sostenida debajo (Figura 2). Automatizamos este método mediante el desarrollo de un sistema inteligente y rentable para detectar, distinguir, contar y geolocalizar poblaciones de ACP en plantaciones de cítricos.
Este novedoso y móvil sistema incluye un mecanismo de golpeteo para golpear las ramas de un árbol para que los insectos caigan sobre un tablero con una rejilla de cámaras que se utilizan para la adquisición y procesamiento de imágenes (Figura 3). Se desarrolló un algoritmo único basado en IA para distinguir y contar los ACP adultos. Se puede encontrar una demostración en video de esta tecnología en https://twitter.com/i/status/1110151596770500608 .
Figura 3A. Este es un ejemplo de un diseño inicial de un sistema automatizado y móvil para monitorear y mapear psílidos asiáticos de cítricos (ACP) en plantaciones. Las flechas rojas indican todos los componentes móviles del sistema.
Figura 3B. El sistema de visión basado en inteligencia artificial detecta y cuenta ACP.
MAPAS DE DATOS
Este sistema puede generar un mapa de árboles explorados (números de ACP detectados por árbol) para una mejor visualización de los datos recopilados (Figura 4). Los datos de detección de ACP recopilados se pueden usar para generar mapas de prescripción compatibles con equipos de precisión para aplicaciones de tasa variable con el fin de aplicar la cantidad correcta de pesticidas solo donde sea necesario.
Figura 4. Un mapa aéreo muestra la visualización de la detección automatizada del psílido asiático de los cítricos (números de ACP por árbol) para cada árbol seleccionado al azar. Se utilizaron segmentos en rojo para medir el tamaño de la copa de cada árbol.
La visión artificial y las tecnologías basadas en inteligencia artificial también se pueden utilizar para detectar y contar frutas cítricas (inmaduras y maduras) también (Figura 5). Se puede encontrar una demostración en video del sistema de detección de frutas en tiempo real en https://twitter.com/i/status/1042058065481269248 .
Figura 5 . La detección de cítricos en tiempo real utiliza inteligencia artificial en frutas inmaduras (verdes).
Figura 6. Un sistema automatizado que utiliza UAV y sistemas terrestres cuenta árboles, huecos de árboles, tamaño de árbol y número de frutos por árbol, y produce mapas de estrés de árboles individuales.
La Figura 6 presenta mapas de cítricos desarrollados por los sistemas integrados terrestres y basados en UAV que pueden contar árboles, huecos de árboles, tamaño de árbol, número de frutos por árbol y producir índices de estrés de árboles individuales.