¿Qué le aporta la inteligencia artificial a la agricultura?

Analizamos casos de éxito en los que la robotización y el procesado de datos ayudaron a reducir costes y a mejorar la productividad

Publicidade
¿Qué le aporta la inteligencia artificial a la agricultura?

Maquinaria cada vez más autónoma, programas que ofrecen información relevante para mejorar la productividad de los cultivos, modelos que proporcionan predicciones determinantes para garantizar la cosecha, son ejemplos de cómo la inteligencia artificial está al orden del día en la agricultura.

Algunos de estos casos en los que la inteligencia artificial ha proporcionado respuestas efectivas en el campo se han abordado durante un reciente encuentro digital coordinado por la firma Hispatec Analytics, experta en la gestión de datos. Este encuentro se organizó como preludio del Foro para el impulso de la transformación digital del sector agroalimentario (Datagri), que este año será virtual. Expertos involucrados en proyectos de marcas comerciales como John Deere o del consorcio de centros de investigación Cgiar han mostrado en detalle las mejoras que la inteligencia artificial ofrece. Conocemos dos casos concretos.

Reducir el riesgo de deriva en la aplicación de fitosanitarios

“Hoy en día el agricultor está sometido a producir más con menos recursos y la digitalización es la respuesta a este reto”, explica Federico Pérez, director general de la firma Pulverizadores Fede, que en 2018 firmó un acuerdo global con John Deere para implementar y distribuir los equipos de pulverizado para cultivos leñosos de alto valor, entre los que se encuentran los viñedos, los cítricos o los olivos.

En el campo de la aplicación de productos fitosanitarios, la inteligencia artificial ha permitido avances como un substancioso ahorro de costes con la identificación de las malas hierbas por la máquina. “Detectar las malas hierbas posibilita un ahorro en herbicidas de entre el 70 y el 90%, además de poder realizarse ya a una velocidad media de 20 kilómetros por hora”, detalla Pérez.

Aunque el 80% de la maquinaria agrícola se centra en cultivos extensivos, el avance de la inteligencia artificial en maquinarias destinadas para cultivos leñosos como el viñedo también está avanzando de forma notable en los últimos años. Uno de los ejemplos en este campo es el equipo pulverizador autónomo H3O, que incorpora la inteligencia artificial para atajar la deriva, las pérdidas de producto que no llega a la planta sino que se pierde diseminado en el ambiente y que pueden suponer el 50% del producto.

Se estima que las pérdidas por la deriva suponen de media entre 30.000 y 50.000 euros para los agricultores cuyo gasto medio se sitúa próximo entre los 60.000 y los 100.000 euros.

Consiguieron reducir en un 50% la deriva al adaptar la pulverización al árbol y a las condiciones meteorológicas

En este sistema, la inteligencia artificial le ha permitido ajustar los atomizadores que pulverizan el producto de manera que se adapten al árbol y a su estado para reducir las pérdidas. Así, la máquina reconoce no solo la planta sino las diferentes partes como la copa y el tronco para ajustar su aplicación. “Los algoritmos nos permiten saber la cantidad de aire y caldo necesario para aplicar el tratamiento de forma optimizada para cada árbol”, detalla Pérez.

Esta tecnología posibilitó reducir en un 50% la deriva, según ha confirmado un estudio del Instituto Valenciano de Investigaciones Agrarias (Ivia). “En algunas fincas, los agricultores han comenzado a reducir entre un 10 y un 15% la cantidad de químicos”, concretan desde Pulverizadores Fede. Además, la empresa estima en un año el plazo de retorno de la inversión de estos equipos.

Amortizacion-maquinaria-pulverizadora-H3O-

Plazo de amortización de la maquinaria en función del tipo de cultivo.

¿Agricultura sin agricultores?

Ante el avance de las soluciones de maquinaria cada vez más autónoma que la inteligencia artificial está proporcionando surge la pregunta de si caminamos hacia una agricultura donde el papel del agricultor quede reducido al mínimo o llegue a eliminarse. Enrique Serrano director general de la firma española Tinámica, especializada en el análisis de Big Data e inteligencia artificial, lo tiene claro: “Claramente no. Todas estas herramientas son un complemento. No pueden substituir a la inteligencia humana, al sentido común y a la capacidad de contextualizar del ser humano, ya que trabajan de una manera estanca”, aclara.

“No se debe caer en la trampa de que esta tecnología sustituirá al conocimiento de los agricultores, sino que estas herramientas lo complementan”, reivindica el ingeniero agrónomo Daniel Jiménez. Una opinión similar maneja Federico Pérez, que valora el aprovechamiento de la inteligencia artificial como un paso evolutivo más hacia una agricultura con menos puestos de trabajo, pero más cualificados.

Incrementar la productividad del maíz pese a las adversidades meteorológicas

En la región de Córdoba, en el norte de Colombia, los agricultores deben hacer frente a importantes inundaciones que vienen seguidas de campañas con sequías extremas, que dejan en el campo pérdidas millonarias. Ante esta situación, el gobierno colombiano, el Cgiar, consorcio de centros de investigación para incrementar la seguridad alimentaria; así como asociaciones de productores locales han sumado esfuerzos en los últimos años para incrementar la productividad de cultivos básicos como el maíz. Uno de los expertos que ha participado en este proyecto ha sido el ingeniero agrónomo Daniel Jiménez, que lleva 15 años aplicando la inteligencia artificial en cultivos tropicales en países en vías de desarrollo.

Cultivo-do-millo-en-Colombia-

Los datos proporcionados por los agricultores y técnicos en Colombia fueron fundamentales para los resultados del proyecto.

“Nuestro objetivo era lograr patrones y modelos explicativos que nos ayudasen a mejorar las técnicas de cultivo y no tanto predictivos”, detalla Jiménez. Con esta premisa comenzaron a recopilar datos sobre el suelo, la siembra de la cosecha, el manejo del cultivo o el clima. Al principio tuvieron acceso a los datos de unas 400 fincas de cultivo que pronto se transformaron en 1.000 y que en la actualidad alcanzan las 5.000.

“En una agricultura que cada vez busca ser más sostenible, estas herramientas nos permiten averiguar cómo reducir la contaminación y los costes de producción”: Daniel Jiménez, ingeniero agrónomo

En estos modelos, disponer de datos que aporten información es una de las tareas fundamentales para lograr extraer conclusiones, donde el relleno de datos que faltan, la eliminación y concreción de la información centra casi el 80% del trabajo. “Una vez tenemos las bases de datos organizadas, pasamos a analizarlos para saber cómo esta información se puede volver en algo útil para el agricultor”, explica. Más allá del análisis de los datos, la aplicación de métricas sobre estas variables les permitió extraer recomendaciones que se fuesen de utilidad para incrementar la producción.

En concreto, consiguieron un ajuste en parámetros como el aporte de fósforo y la densidad de plantas, que fue determinante para los cultivos. Los datos les indicaron que en estas plantaciones se estaban llegando a aplicar unos 40 kilos de fósforo por hectárea, mientras que las métricas determinaron que lo ideal sería un aporte de 15 kilos por hectárea para optimizar la producción y ahorrar costes. En cuanto a la densidad de plantas, el análisis determinó que lograr entre 60.000 y 75.000 plantas por hectárea permitiría ajustar la producción y optimizarla. “En una agricultura que cada vez busca ser más sostenible ambientalmente estas herramientas nos permiten averiguar cómo reducir la contaminación y los costes de producción”, reivindica el experto.

Consiguieron un incremento de la producción del 20%, pese a los vendavales y las inundaciones

Los modelos explicativos proporcionaron información más en detalle que permitió elaborar recomendaciones, pero Jiménez destaca que en todo este proceso es fundamental la aportación humana de los conocimientos de los agricultores, que los han ido adquiriendo a lo largo de los años de experiencia. “El modelo nos permite saber la cantidad exacta de fósforo y la densidad más adecuada, pero ambos se sustentan ya en las sospechas que tenían los agricultores. Estos modelos nos permitieron afinar y concretar más”, explica.

Con estos cambios lograron un incremento de la producción del 20%, pese a los vendavales y las inundaciones que sufren en el país. En condiciones climáticas más favorables la optimización permitiría incluso un incremento de la producción del 40%, según concretó Jiménez. La diferencia entre aplicar estas recomendaciones supuso incrementar los rendimientos hasta 2,5 toneladas por hectárea, lo que se traduce en un aumento de supone 5 millones de dólares para la región.

Evolucion-del-cultivo-de-maiz-en-diferentes-granjas-de-Colombia-

Rendimientos del cultivo del maíz en función de la implementación que hicieran de las recomendaciones proporcionadas.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Solicitamos su permiso para obtener datos estadísticos de su navegación en esta web, en cumplimiento del Real Decreto-ley 13/2012. Si continúa navegando consideramos que acepta el uso de cookies. OK | Más información