ANALYSIS LABORATORY
AGRI-FOOD AND ENVIRONMENTAL

NOTE! This site uses cookies and similar technologies.

If you not change browser settings, you agree to it. Learn more

I understand

Drones para la agricultura: desde la detección hasta el diagnóstico

En tiempo real, sobre pedido

La topografía, el suelo, el agua y el historial de manejo son conjuntos de datos esenciales para tomar decisiones con respecto a los cultivos. Por lo regular, las imágenes juegan un papel de apoyo menos importante en tales decisiones; pero en casos en los que las imágenes son esenciales para el manejo de cultivos, es necesario proporcionar información con la que se pueda trabajar rápidamente.

Si bien las imágenes satelitales han ido mejorando con las decenas de satélites que se han venido colocando en el espacio a fin de aumentar la frecuencia de las imágenes, éstas aún no pueden brindar datos con los que se pueda trabajar en un día.

Regularmente, la frecuencia del satélite es suficiente para tomar decisiones de fertilización, por ejemplo, a inicios de la temporada; pero en regiones cubiertas por nubes o humo durante el verano, contar con esa frecuencia podría incluso no ser suficiente para usos simples, como para el fungicida de tasa variable. Por otra parte, los drones pueden recopilar datos casi sobre pedido, si y cuando sean necesarios para la toma de decisiones del manejo de la agrícola.

La mayoría de los sistemas ya cuentan con la capacidad de producir un mapa a las pocas horas de vuelo de un UAV, en algunos casos como el sistema Slantrange, se puede reducir aún más el tiempo a cuestión de minutos. Esta capacidad de no solamente recolectar datos sobre pedido, sino también de poner a trabajar esos datos casi inmediatamente, otorga a los drones un lugar privilegiado en la agricultura de precisión a mitad de la temporada.

Actualmente, la mayoría de los drones para la agricultura se pueden volar de manera autónoma a una altitud de entre 300 y 400 pies (91 y 122 metros) para generar un mapa eficiente de todo el campo, con métricas de sonido muy impresionantes. La medida más común de resolución de imágenes de teledetección es la distancia de muestreo en el suelo (GSD por sus iniciales en inglés), o bien, la distancia entre los centros de píxeles medidos en el suelo. La mayoría de los drones pequeños en la actualidad están produciendo píxeles un rango de 2 a 5 cm desde esas altitudes.

Sin embargo, cuando se requiere revisar un campo completo, se puede obtener una eficiencia mucho mayor con una aeronave tripulada o UAV que vuele más allá de la línea visual a miles de pies sobre el suelo. Por otra parte, el punto ideal para los UAV pequeños en realidad es de 50 pies (15 metros), donde sus sensores le pueden mostrar los márgenes de las hojas, y si existen aurículas que unen al tallo. Las unidades de resolución en estos casos de imágenes proximales cambian de cm/píxel a píxel/cm.

¿Cuándo fue la última vez que diagnosticaste una enfermedad específica desde la carretera, o la necesidad estimada de fertilizante con tan solo dar una vista rápida a tu cultivo de trigo? Los patrones simples y la reflexión promedio de la luz de un cultivo pueden dar al agricultor una idea general de la salud del cultivo; pero cuando se trata de saber qué es lo que está limitando el crecimiento de nuestra cosecha, todos nos ponemos a escarbar un poco la tierra o sacamos algunas plántulas para una inspección más de cerca. El equivalente para los drones serán los sistemas para la detección del diagnóstico, que puedan reconocer los detalles más pequeños de cada parte de la planta, en vez de los valores promedio de reflexión del follaje del cultivo.

Los drones para la agricultura son ya el resultado de la aeronáutica, robótica, óptica, teledetección, agronomía y muchas otras disciplinas necesarias para generar tales máquinas completas de detección. En los últimos años, a esto le hemos agregado la capacidad de utilizar luz casi infrarroja (en cámaras con conversión de NIR) y luz de borde rojo (en sistemas multiespectrales). Esto ha hecho posible que los drones vean más que el ojo humano.

La verdadera interrupción vendrá solamente del aprendizaje automático, especialmente cuando se combina con datos espectrales de resolución extremadamente alta. Esta disciplina informática (también conocida como inteligencia artificial o “deep learning”) permitirá la interpretación aparentemente mágica de conjuntos de datos complejos utilizando millones de puntos de datos de entrenamiento.

La analogía más cercana es el software de reconocimiento facial, que hoy arroja la respuesta “Bob Smith” en vez de “cabello gris, ojos grandes, cejas espesas, doble mentón”. Del mismo modo, los drones del mañana van a crear mapas de “maleza de avena” o “fusarium” en vez de los índices vegetales de hoy en día, que muestran la salud o el estrés general del cultivo. Los drones nos van a mostrar cuál es el problema, en vez del lugar donde podría haber uno.

El valor de hoy en día

¿Alguno de ustedes en realidad se arrepiente de haber comprado un smartphone antes de que el reconocimiento facial pueda convertir su rostro en un emoji animado? Es poco probable, porque todavía sirve como herramienta de investigación, dispositivo de medición e incluso como teléfono. Del mismo modo, todavía me falta encontrar un usuario final que se arrepienta de haber comprado un dron.

Realmente, algunos aprovechan su valor más que otros, al usarlos al máximo. Lo cierto es que todos están utilizando su creatividad e inevitablemente, dan un muy buen uso a su UAV de forma que se adapte a sus operaciones, ya sea como una “mirilla aérea de telescopio”, como un “buscador de vacas” o como una herramienta para la creación del área de manejo.

En vez de esperar por una solución de diagnóstico, hoy en día para los usuarios es de gran valor que un dron indique el lugar donde podría haber un problema de salud del cultivo. Normalmente uno arregla las cosas una vez que se descomponen, y más que nada, los drones ayudan a los asesores a descubrir problemas que no sabían que existían. Esto les permite hacer lo que mejor saben hacer: resolver problemas.

Fuente: rica.chil.org