Pasar al contenido principal

Aprendizaje automático en agricultura: los científicos están enseñando computadoras para diagnosticar el estrés de la soya

Estados Unidos Inglés

Los científicos de la Universidad Estatal de Iowa están trabajando hacia un futuro en el que los agricultores puedan usar aviones no tripulados para detectar e incluso predecir enfermedades y estrés en sus cultivos. Su visión se basa en el aprendizaje automático, un proceso automatizado en el que la tecnología puede ayudar a los agricultores a responder al estrés de la planta de manera más eficiente.

Arti Singh, profesor asistente adjunto de agronomía, lidera un equipo de investigación multidisciplinario que recientemente recibió una subvención de $ 499,845 por tres años del Instituto Nacional de Alimentos y Agricultura del Departamento de Agricultura de los EE. UU. Para desarrollar tecnología de aprendizaje automático que podría automatizar la capacidad de los agricultores para diagnosticar una variedad de tensiones importantes en la soya. La tecnología en desarrollo utilizaría cámaras conectadas a vehículos aéreos no tripulados, o UAV, para recopilar imágenes de los campos de soja a vista de pájaro. Una aplicación informática analizaría automáticamente las imágenes y alertaría al agricultor de los puntos problemáticos.

"En su forma más básica, el aprendizaje automático es simplemente entrenar a una máquina para hacer algo que hacemos", dijo Singh. "Cuando quieres enseñarle a un niño qué es un auto, muéstrale autos. Esto es lo que estamos haciendo para entrenar algoritmos de computadora, mostrando una gran cantidad de imágenes de varios estreses de soja para identificar, clasificar, cuantificar y predecir estreses en el campo."

El equipo de investigación ha reunido un enorme conjunto de datos de imágenes de soja, algunas saludables y otras que sufren estrés y enfermedades, que luego etiquetaron. Un programa de computadora revisa las imágenes etiquetadas y ensambla algoritmos que pueden reconocer el estrés en nuevas imágenes. Singh dijo que el programa de aprendizaje automático podría ser capaz de detectar una amplia gama de estreses comunes de la soya, incluidas las enfermedades fúngicas, bacterianas y virales, así como la deficiencia de nutrientes y la lesión por herbicidas.