Drones, inteligencia artificial y tractores conectados permiten fumigar únicamente donde hace falta. El resultado: miles de dólares de ahorro y menos productos químicos en el campo.
- 🚁 Drones de alta resolución: sobrevuelan los campos e identifican las zonas donde crecen malas hierbas.
- 🌿 Hasta un 97,5 % menos de herbicidas: reducción comunicada en una explotación agrícola australiana de 750 hectáreas.
- 🚜 Sin necesidad de comprar un tractor nuevo: la tecnología puede integrarse con pulverizadores agrícolas compatibles.
- 🤖 Inteligencia artificial especializada: nuevos modelos aprenden a reconocer vegetación en diferentes cultivos, condiciones de luz y estaciones.
- 💰 Ahorro económico: en un caso documentado, el coste total del tratamiento pasó de 15.000 a 4.125 dólares australianos.
- 🌍 Menor impacto ambiental potencial: al disminuir las aplicaciones innecesarias, también se reducen el consumo de productos químicos y los residuos asociados a su utilización.
La agricultura de precisión está dejando atrás una práctica habitual: fumigar grandes extensiones de terreno aunque las malas hierbas solo ocupen una pequeña parte. La empresa australiana InFarm ha desarrollado una tecnología que utiliza drones e inteligencia artificial para identificar dónde crecen las plantas no deseadas y enviar esa información directamente a los equipos de pulverización de los agricultores. El sistema ya ha demostrado importantes ahorros en explotaciones reales y sus desarrolladores trabajan con Bayer y la Universidad Central de Queensland (CQUniversity) para ampliar sus aplicaciones.
Un dron identifica las malas hierbas y el tractor aplica el tratamiento únicamente donde hace falta
El funcionamiento parte de una idea aparentemente sencilla: si una mala hierba ocupa una pequeña superficie del campo, no tiene sentido aplicar herbicida sobre toda la explotación.
Sin embargo, identificar miles de plantas de forma individual en una superficie agrícola de cientos de hectáreas supone un desafío técnico considerable.
Para resolverlo, InFarm ha desarrollado WeedIQ, una plataforma que combina imágenes aéreas, algoritmos de reconocimiento de vegetación y sistemas de pulverización de precisión.
El proceso se desarrolla en cuatro etapas.
1. Captura de imágenes mediante drones.
Un dron equipado con una cámara de alta resolución sobrevuela la parcela agrícola y registra imágenes georreferenciadas. Esto permite asociar la vegetación detectada con posiciones concretas del terreno.
2. Identificación de malas hierbas mediante inteligencia artificial.
Las imágenes se procesan mediante algoritmos de aprendizaje automático capaces de identificar las zonas donde aparecen plantas no deseadas.
A partir de esta información, el software genera un mapa digital que representa su distribución por el campo.
3. Creación de un mapa de aplicación.
El sistema transforma los resultados en un archivo compatible con el equipo de pulverización del agricultor. Este archivo contiene las instrucciones necesarias para decidir dónde debe aplicarse el herbicida.
4. Pulverización selectiva con maquinaria convencional.
Cuando el tractor recorre la parcela, su sistema de control utiliza el mapa para activar o desactivar las boquillas o secciones del pulverizador según la posición de las malas hierbas.
De esta manera, el herbicida se aplica únicamente sobre las zonas identificadas previamente.
Una de las principales ventajas es que no requiere necesariamente maquinaria agrícola completamente nueva. Puede aprovechar equipos existentes que dispongan de posicionamiento GPS y control adecuado de boquillas o secciones.
Una explotación de 750 hectáreas consigue reducir un 97,5 % el uso de productos químicos
Uno de los resultados más llamativos procede de una aplicación de la tecnología en la región de Goondiwindi, en Queensland (Australia).
Según los datos publicados por InFarm, en una parcela de 750 hectáreas el sistema consiguió reducir un 97,5 % el volumen de producto utilizado respecto a un tratamiento convencional sobre toda la superficie.
La comparación económica comunicada por la compañía también resulta significativa:
| Indicador | Aplicación convencional | Sistema InFarm |
|---|---|---|
| Volumen de tratamiento comunicado | 75.000 litros | 1.875 litros |
| Coste del producto | 15.000 AUD | 375 AUD |
| Coste del servicio tecnológico | 0 AUD | 3.750 AUD |
| Coste total | 15.000 AUD | 4.125 AUD |
La reducción del coste total alcanza aproximadamente el 72,5 %, incluso incluyendo los servicios necesarios para realizar los vuelos, procesar las imágenes y preparar el archivo de pulverización.
Esto supone un ahorro de 10.875 dólares australianos en la operación descrita.
Es importante distinguir ambas cifras: el 97,5 % corresponde a la reducción del volumen de tratamiento químico comunicada para este caso, mientras que el ahorro económico total es del 72,5 %.
Además, se trata de resultados de una explotación concreta, no de una reducción que pueda garantizarse en cualquier cultivo o parcela.
Bayer e InFarm trabajan para llevar el reconocimiento de malas hierbas a cultivos en crecimiento
La tecnología de InFarm ha demostrado su utilidad en parcelas en barbecho, donde distinguir una planta verde del suelo desnudo resulta relativamente sencillo.
El siguiente desafío es considerablemente más complejo: reconocer las malas hierbas cuando crecen mezcladas con el propio cultivo.
Esta técnica se conoce como green-on-green, frente al reconocimiento green-on-brown utilizado para detectar vegetación sobre suelo descubierto.
En un campo de trigo o avena, por ejemplo, el sistema debe diferenciar las plantas cultivadas de las malas hierbas, incluso cuando comparten colores similares o se solapan parcialmente.
InFarm trabaja junto con Bayer Crop Science y la Grains Research and Development Corporation (GRDC) en el desarrollo de soluciones que permitan aplicar esta tecnología en los cultivos de cereales.
La colaboración incluye la recopilación de imágenes agrícolas en distintas regiones australianas para entrenar y perfeccionar los algoritmos de reconocimiento.
El objetivo es que los equipos puedan identificar malas hierbas de hoja ancha dentro de cultivos en crecimiento y generar mapas de aplicación selectiva.
Se trata de una evolución importante: el sistema ya no solo debe detectar dónde existe vegetación, sino comprender qué plantas forman parte del cultivo y cuáles deben tratarse.
Investigadores australianos enseñan a la IA a reconocer campos que nunca ha visto
Otro avance procede de una colaboración entre InFarm y CQUniversity, financiada mediante el programa Regional University Industry Collaboration (RUIC) del Gobierno de Queensland y gestionada por la agencia científica australiana CSIRO.
El problema que intentan resolver es habitual en la inteligencia artificial agrícola.
Un algoritmo entrenado con imágenes de determinadas explotaciones puede funcionar correctamente en esos campos, pero perder precisión cuando se utiliza en otras regiones.
Las diferencias de iluminación, variedades cultivadas, separación entre hileras, especies de malas hierbas y condiciones estacionales modifican considerablemente el aspecto de las imágenes.
Además, numerosos modelos de inteligencia artificial agrícola se han desarrollado utilizando datos de Europa y Norteamérica que no siempre representan adecuadamente las condiciones australianas.
Para superar estas limitaciones, los investigadores han trabajado en modelos capaces de aprender a partir de grandes volúmenes de imágenes sin etiquetar manualmente.
Tradicionalmente, entrenar un sistema de reconocimiento requiere que una persona identifique y clasifique numerosos ejemplos de plantas en las fotografías.
El nuevo enfoque busca aprovechar imágenes sin esas anotaciones previas, reduciendo el trabajo necesario para desarrollar modelos adaptables.
Los investigadores también han desarrollado métodos para identificar situaciones poco habituales que pueden provocar errores de reconocimiento.
Otro objetivo es mejorar el funcionamiento en explotaciones con conectividad limitada, una circunstancia especialmente relevante en las zonas agrícolas remotas de Australia.
Esta investigación pretende conseguir herramientas más fiables en condiciones reales, aunque todavía no se han publicado métricas comparables que permitan cuantificar cuánto mejora la precisión del reconocimiento frente a modelos anteriores.
Una tecnología prometedora, pero con limitaciones
La pulverización selectiva puede reducir notablemente el consumo de herbicidas, pero sus resultados dependen de varios factores.
La densidad de malas hierbas es determinante. Cuanto menor sea la superficie afectada, mayor será normalmente el potencial de ahorro frente a una aplicación uniforme.
También influye la precisión del reconocimiento. Si un algoritmo no identifica correctamente determinadas plantas, pueden quedar malas hierbas sin tratar.
Por el contrario, los errores que confunden el cultivo con una mala hierba podrían provocar aplicaciones no deseadas.
El intervalo entre el vuelo del dron y la pulverización también importa, porque las condiciones del campo pueden cambiar.
Por último, no todos los equipos agrícolas son directamente compatibles. El sistema necesita posicionamiento y mecanismos que permitan controlar selectivamente la aplicación.
Por estas razones, los resultados obtenidos en barbecho no deben extrapolarse automáticamente a todos los cultivos.
Tampoco significa que la tecnología elimine la necesidad de herbicidas: su objetivo es utilizarlos de forma mucho más localizada y eficiente.
¿Por qué importa?
La relevancia de esta innovación va más allá de incorporar drones e inteligencia artificial a la agricultura.
Su principal aportación consiste en cambiar el criterio de aplicación de los tratamientos: pasar de fumigar superficies completas a intervenir únicamente donde se ha detectado un problema.
Esto puede traducirse en menores costes para los agricultores, menos productos químicos utilizados y una reducción de las aplicaciones innecesarias sobre el terreno.
Además, la posibilidad de aprovechar maquinaria existente puede facilitar su incorporación a explotaciones que no pueden asumir grandes inversiones en equipos nuevos.
Los avances de InFarm, Bayer y CQUniversity muestran cómo la combinación de tecnologías que ya existen —drones, GPS, inteligencia artificial y pulverizadores controlados electrónicamente— puede mejorar las prácticas agrícolas.
La innovación no consiste en sustituir al agricultor por una máquina, sino en darle información mucho más precisa para decidir dónde intervenir y dónde no hace falta hacerlo.
Más información: CQUniversity
Deja una respuesta