AINIA desarrolla un modelo demostrativo de agricultura de precisión

En el marco del proyecto iDRONE, el centro tecnológico AINIA está desarrollando un modelo demostrativo de agricultura de precisión basado en la combinación de sensores de visión hiperespectral acoplados a dispositivos en vuelo no tripulado (drones y robots autónomos), junto con técnicas de Inteligencia Artificial y Big data analytics, que se está investigando en cultivos de cítricos, vid, arroz, pimiento y caqui.

La Agricultura de Precisión se basa en la aplicación de sensores, dispositivos y algoritmos de inteligencia artificial y big data en los trabajos agrícolas, para obtener información detallada y específica sobre cada cultivo y al mismo tiempo, una perspectiva global de todos los factores que pueden influir en ellas (meteorología, plagas, etc.). Esta información ayuda a los agricultores en la toma de decisiones y recomendaciones de actuación, mecanización y automatización de operaciones agrícolas como la aplicación de tratamientos fitosanitarios en el momento necesario o establecer el período óptimo para la recolección.

Dentro del proyecto iDRONE, en el que colaboran AVA-ASAJA y ANECOOP, AINIA está desarrollando un sistema demostrativo de agricultura de precisión que posibilite la identificación, captura, análisis e interpretación inteligente de los parámetros de influencia en el sector agrícola (meteorológicos, agronómicos, de mercado......), con el objetivo de mejorar la planificación y el rendimiento de las explotaciones agrarias.

Según ha explicado Ricardo Díaz, jefe del Departamento de Instrumentación y Automática de AINIA, durante una demostración de estas tecnologías, “la información de los cultivos que obtenemos a través de drones y robots autónomos, se procesa mediante algoritmos de inteligencia artificial, para extraer la información necesaria sobre, por ejemplo, el riego o la fertilización que requiere cada cultivo o incluso cada árbol de manera individual. También nos permite medir el volumen y la altura de los árboles y crear recreaciones 3D de cada parcela o predecir cuál va a ser la productividad para esa campaña”.

Estos sensores aportan imágenes en tiempo real con mayor resolución que las obtenidas vía satélite y una información más rigurosa sobre el estado sanitario y de maduración de los cultivos. Para ello, el dron sobrevuela los campos seleccionados siguiendo un recorrido preestablecido en el que, junto con las ópticas de las cámaras y la altura del vuelo, se ajusta el campo de visión y la resolución de las imágenes en función de las necesidades particulares.

Por su parte, los vehículos terrestres guiados automáticamente (AGVs) permiten realizar recorridos entre los cultivos desde poca altura y con una gran resolución en las imágenes, por lo que se puede combinar fácilmente información del fruto, de las hojas, del tronco y del suelo en que se encuentran las raíces de la planta.

David Martínez, jefe del Departamento de Tecnologías de la Información y Comunicaciones de AINIA, ha indicado que “una vez obtenemos la información de los drones y robots la cruzamos con datos, tanto históricos como en tiempo real, de meteorología, plagas, de mercado, precios, alertas sanitarias..., y desarrollamos algoritmos para diagnosticar o predecir variables integrando modelos de crecimiento y comportamiento del cultivo”.

Para efectuar las medidas con el dron y el AGV se incorporan sensores de imagen avanzados como una cámara hiperespectral capaz de medir en longitudes de onda del infrarrojo cercano o un sensor LIDAR capaz de obtener un modelo 3D de cada planta.

La información recogida por los robots e integrada con un gran número de fuentes, se envía a un sistema informático inteligente centralizado, una aplicación de fácil manejo denominada AgroHub. David Martínez ha explicado que se trata “de un software desarrollado con técnicas de inteligencia artificial de nueva generación al que podemos preguntarle oralmente cómo van nuestros cultivos y el sistema responderá. Este sistema permitirá la anticipación a problemas fitosanitarios y de aforos, posibilitará un ahorro de recursos y dotará de capacidad de planificación de cultivos y su correspondiente disponibilidad de producto, tanto en una temporada como a más largo plazo”.

Según Ricardo Díaz, “la información obtenida posibilita trabajar mayores extensiones con menor esfuerzo y obtener mayor productividad. También contribuye a reducir costes en productos fitosanitarios y un ahorro en el agua empleada para el regadío, por lo que también va a suponer una reducción del impacto medio ambiental”.