[ad_1]
Los trabajos en la materia de un investigador argentino en España, se enfocan en la identificación de malezas para hacer más eficiente el uso de fitosanitarios.
Estudió en la Universidad Nacional de Río IV (Córdoba) la carrera de Ingeniero Agrónomo, y luego ganó una beca para estudiar en Francia, donde hizo un máster en agricultura digital. Enseguida, decidió hacer un doctorado en Inteligencia Artificial valiéndose de una beca lograda en el CONICET, planteando un proyecto para la detección automática de malezas, en toda la región de la pampa húmeda para barbecho y post emergencia en soja.
Se trata de Juan Manuel López Correa, quien remarcó que la idea fue no solo detectar las malezas, sino además, clasificarlas en forma automática, de la misma manera que un teléfono detecta el rostro de una persona y se desbloquea. “Esta técnica de Inteligencia artificial sirve para diferenciar a las malezas”, dijo a Clarín Rural.
El objetivo de su tesis es controlar las malezas resistentes a herbicidas, y desde esa idea se generó la posibilidad de una estancia en el CAR (Centro de Automática y Robótica), que es un centro mixto de investigación de la Universidad Politécnica de Madrid y el Consejo Superior de Investigaciones Científicas de España, un equivalente al CONICET de Argentina.
“Estoy aquí hace dos años, y hemos construido el equipo con las cámaras delanteras del tractor, atrás la pulverizadora selectiva, y toda la parte de visión artificial en el código, con el uso de redes neuronales para la detección y clasificación de malezas”, explicó sobre su función en el país europeo.
Ahora, ha llevado su trabajo a nivel de campo, y ha sido publicado en la revista internacional científica Agronomy, con el título: Manejo inteligente de malezas basado en redes neuronales de detección de objetos en cultivos de tomate, y la publicación fue parte de una edición específica llamada: Tecnologías actuales y futuras para mejorar y restablecer el control mecánico y de malezas de bajos insumos.
Clarín Rural publicó una entrevista a Juan Manuel en febrero de 2021 donde contó parte de sus logros hasta entonces. Ahora, con otros avances en sus estudios, Juan Manuel manifestó: “Lo que hicimos fue desarrollar el código para entrenar redes en la identificación de malezas, que son códigos de informática implementados en los softwares de la norma de comunicación internacional ISOBUS usados para la comunicación entre las máquinas agrícolas. El trabajo permite que cualquier tractor con ISOBUS pueda aplicar esta tecnología”.
Los ensayos para la publicación fueron planteados para el cultivo del tomate en España debido al significativo impacto que implica para la reducción en el uso de herbicida, no es solo a nivel de lote, sino en referencia a toda la superficie que se hace con ese cultivo.
El tomate en España es uno de los cultivos principales, pero además se puede extrapolar a otros cultivos, para lo cual se tienen que re entrenar los modelos para esos otros cultivos y otras malezas.
“Para poder demostrar mejor el impacto de este sistema y lograr una importante representatividad en un espectro ancho de ellas, elegimos algunas latifoliadas y otras de hoja angosta, como cebollín, capín y cola de zorro dentro de las de hoja angosta y verdolaga y tomatillo entre las latifoliadas”, dice Juan Manuel.
A campo
A través de este trabajo, demostró que, con estas redes neuronales, se ha podido diferenciar especies dentro de un grupo y con visón artificial, y ello interesó a la revista ya que era algo muy poco logrado y a nivel de laboratorio. “Pero mi trabajo fue hecho con maquinaria en condiciones de campo, en ambiente pulverulento, con iluminación natural”, agregó.
Los trabajos fueron hechos en la región española de Extremadura, en tres campos de productores que estaban en la etapa de realizar aplicaciones en sus campañas anuales, en diferentes condiciones, de manera tal que las imágenes logradas en un ambiente luego se probaron en otro, como una manera de demostrar que funcionaban de manera correcta en diferentes realidades agrícolas.
Los pulverizadores utilizados permiten la aplicación de un producto químico u otro con función automática de activar y desactivar cada aspersor. Los pilares del funcionamiento del sistema son: la toma de datos y su procesamiento, y luego la información del punto de ubicación de una maleza determinada y el otro punto de ubicación de otra maleza. Luego es muy importante la decisión agronómica, es decir que acción corresponde (aplicar un producto u otro o no aplicar) en base a la maleza que se tiene tenemos debajo del aspersor.
“Lo que hemos hecho, es tener a nivel de cuadrados en base a la resolución del aspersor, el sistema define la maleza que hay en un cuadrado y que producto aplico en el lugar, y si no hay malezas no se aplica producto” señala Juan Manuel.
“El tractor tiene adelante cámaras RGB como en todo teléfono, muy económicas, luego todo el sistema esta basado bajo las normas de comunicación ISOBUS, o sea que todo tractor que lleve este protocolo de comunicación puede ser utilizado. Y luego la pulverizadora que debe ser de aplicación selectiva. Es decir, a todo tractor se pueden agregar estas partes”, dice.
“En Unión Europea se están haciendo gran cantidad de desarrollos en el tema de agricultura digital y las empresas traen al centro máquinas, robots, para su prueba y para que le demos nuestro aporte y se puede ver que se esta apostando mucho esfuerzo a la agricultura digital, porque se le viene un panorama bastante complejo para los próximos años, y le han puesto restricciones a todos los países en el uso de agroquímicos, al 50% en el 2030. Y no es una propuesta, sino que es un hecho”, dice el investigador.
“El panorama es complicado porque tienen muchos problemas de agua y deben producir más alimentos cada año, debido a la mayor demanda y más allá de los valiosos aportes de la ingeniería genética, la tasa de crecimiento que van teniendo en la producción no viene cubriendo estos requerimientos. Por ello la Unión Europea esta apostando mucho a la tecnología digital para poder cumplir este objetivo tan pretencioso” dice el Ing. López Correa.
[ad_2]
Source link